基于乘积性模糊函数的核函数设计方法

利用乘积性模糊函数,提出一种双线性时频分布的核函数设计新方法,能够在模糊域有效地抑制噪声和多分量间的交叉项.在多分量强弱信号环境中,提出基于逐次减小误差的递归算法重构强信号,减小传统分析方法的残余信号影响和参数误差传播效应.利用分段近似的原则,可将非线性调频信号分解为多分量线性调频信号,从而将核函数设计方法推广到非线性调频信号环境.最后,仿真结果证实了该方法对多分量调频信号的有效性.     

一种正交多项式混沌全局建模方法

本文研究了一种正交多项式混沌全局建模方法 ,所用正交多项式集以吸引子不变测度为核 .通过对H啨ｎｏｎ映射数据和电离层参数实测数据的分析 ,表明在待建模系统不很复杂时 (其内在机理可用较低阶多项式表达 ) ,这种全局建模方法能得到系统动力学特性 .在低噪声情况下模型还能充分精确地重构系统方程式 .在噪声较大或系统内在机理很复杂时建模结果仍可用于一步预测 ,且具有较好效果     

GPS组合导航系统的数据融合

首先介绍了车载GPS加上DR组合导航系统的设计,建立了车辆加速度及影响组合导航系统定位精度的主要误差的数学模型.然后针对一般组合滤波算法中,由于DR系统误差的引入,导致滤波效果不好的问题,提出了一种组合导航系统的数据融合.对车载GPS/DR组合导航系统提供的实际数据的处理结果表明,该方法既能提高GPS定位精度,又能有效控制DR系统的误差发散,从而有效地消除了一般组合滤波算法中DR系统误差对滤波器的影响,大大提高了组合系统的完整性和可靠性.令GPS在如香港交通环境:道路狭窄且多弯、交叉线多且密集、街道两侧高楼林立、桥梁多且较密集、隧道多且长、地形类似丘陵且高山较多,而且车辆也多行驶速度又快的情形下变得可行.     

气候变化研究中的大气垂直结构探测述评

有关大气成分和性质的垂直廓线的观测和资料积累在气候强迫、气候反馈以及有关气候变化研究的许多方面起着关键性作用。关于温室气体、大气气溶胶、水汽、云和温度的大气垂直廓线,目前仍然有许多尚未解决的科学问题;这些问题的解决,对于理解与未来气候变化有关的多种人为和自然因素的作用,以及影响气候变化敏感性的多种复杂的物理过程十分关键。此外,大气垂直结构观测水平的提高对于气候模式的发展也具有重要意义。进一步完善整层大气的高分辨率垂直结构的观测方法在气候变化研究领域具有广阔的应用前景。     

基于改进高斯卷积核的变电站设备红外图像检测方法

在无锚点算法CenterNet模型的基础上,针对基于红外图像的目标检测算法检测精度低、耗时长的问题,给出了一种基于改进高斯卷积核的变电站设备红外图像检测方法,该目标检测方法模型网络结构精简,模型计算量较小.通过现场变电站巡检机器人设备收集数据样本,进行算法模型的训练及验证,实现红外图像变电站设备精准识别及定位.本文以变...     

一个求解无约束优化的单参数填充函数方法

填充函数方法是求解无约束的全局优化问题的重要方法,该方法在于构建具有性质良好、形式简单而且容易求解极小值的填充函数。文章按照填充函数的定义,构建了一个新的单参数填充函数,探究并且证明了该填充函数的填充性质和其他的必要性质。     

一种改进的支持向量机模式分类方法

支持向量机(Support Vector Machine,SVM)是在统计学习理论基础上发展起来的一种新的机器学习方法,已成为目前研究的热点,并在模式识别领域有了广泛的应用.首先分析了支持向量机原理,随后引入一种改进的径向基核函数,在此基础上,提出了一种改进核函数的SVM模式分类方法.与基于IRIS数据,进行了计算机仿真实验,与基干模糊k-近邻的模式分类仿真结果比较,结果表明改进的SVM方法分类性能比模糊k-近邻算法(Fuzzy k-Nearest Neighbor,FKNN)的分类性能更好,运算时间更短,更易于实时实现.     

ONSA：传感网中基于优化非均匀统计特性的源匿名协议

针对无线传感网中分级信源位置隐私保护协议的特点,对不同尺寸簇及虚假信息注入统计特性在隐私性、延时和网络负载等方面进行了分析,在此基础上提出了基于优化非均匀统计特性的源匿名协议(ONSA),以优化非均匀分簇策略及相应符合非均匀统计特性的分级优化虚假信息注入方式来高效地保护信源节点位置隐私。仿真实验结果表明,与现有方法相比,ONSA能有效减少并均衡网络能量消耗,同时满足源位置隐私保护任务的实时性要求。     

基于禁忌搜索算法的系统辨识

本文研究了禁忌搜索算法解决系统辨识问题的可行性。首先将系统辨识问题转化为参数空间上的优化问题,然后利用禁忌搜索算法求取优化问题的最优解以获得系统参数的最优估计。分别通过对离散和连续系统的仿真研究,表明了本方法的可行性。并与其它方法进行了比较,结果表明本方法在搜索全局最优和克服噪音上都具有很好的效果。     

多分类器融合的指纹全局特征协同识别

指纹识别是生物特征识别中的热点,指纹全局特征识别具有明显的优势,但是单一分类器一般不能取得满意的识别效果。本文采用贝叶斯理论分析了常见的积、和、中值以及投票多分类器融合方法,并根据实际的选举情形,对投票法进行了2种改进。然后对3种指纹全局特征协同识别分类器:灰度值、主分量以及方向场分类器进行决策层融合,并采用了一种崭新而高效的协同模式识别方法。对FVC2002指纹库的实验表明:该方法具有较好的分类性能,预处理与特征提取简单、计算复杂度低、识别速度快、对污损指纹具有可靠的识别率、鲁棒性强,而且应用于身份认证中也取得了较好的认证效果。