一类不确定Lur'e奇异系统的可靠鲁棒H_∞跟踪控制(英文)

The problem of reliable robust H_∞tracking control for a class of uncertain Lur'e singular systems is studied.A practical and general failure model of actuator and sensor is considered by using convex polytopic uncertainties to describe control surface impairment.Some sufficient conditions are presented for the case of actuator,sensor and control surface failures in terms of linear matrix inequalities (LMIs).The resultant control systems are reliable in that they guarantee closed-loop system robust stability with H_∞performance and the output tracking the reference signal without steady-state error when all control components are operational as well as when some control components experience failures.Finally,a numerical example is given to show the effectiveness of the proposed methods.     

一类不确定切换奇异系统的动态输出反馈鲁棒H∞控制

研究一类由任意有限多个不确定子系统组成的切换奇异系统的动态输出反馈鲁棒H∞控制问题. 利用共同 Lyapunov 函数方法和凸组合技术, 给出由矩阵不等式表示的控制器存在的充分条件, 并设计了相应的子控制器和切换策略. 采用消元法, 将该矩阵不等式转化为一组线性矩阵不等式 (LMIs). 最后, 数值实例验证了所提方法的有效性.     

用于两相流电容层析成像系统中的图像重建算法

图像重建算法研究和增加投影数据是改善图像重建质量的两个重要方面。由于目前在ECT系统中存在着一种基于奇异值分解（SVD）的图像重建算法,此算法中的奇异值将对应图像重建矩阵中很大的对角线元素,从而导致伪逆很不稳定。因而讨论了改进的基于奇异值分解（MSVD）的图像重建算法,该算法是用改进奇异值分解方法求出图像重建矩阵。仿真及实验结果均表明该算法是一种实时的、重建图像质量优于SVD。     

广义双线性系统的终端滑模控制

研究广义双线性系统的终端滑模变结构控制问题.基于Lyapunov稳定性理论,运用Lyapunov函数方法,给出广义双系统的终端滑动模超出面,设计相应的终端滑模变结构控制器,使得闭环系统渐进稳定,实现滑动模运动,保证系统状态在有限时间内到达平衡点,得到广义双线性系统全局稳定的充分条件.所给的可行性算例,说明这一方法的有效性与可行性.     

SVD与LDA相结合的人脸特征提取方法

提出一种新的SVD与LDA相结合的人脸特征提取方法.首先选用练训样本的均值图像作为标准图像,把训练样本投影到标准图像经奇异值分解产生的基空间中,其次提取投影系数矩阵左上角信息作为初步特征,最后再采用LDA分析方法降维提取最终的特征.该方法解决了奇异值分解用于人脸识别基空间不一致的固有缺陷,同时又增加的特征的类别信息,也避免了LDA的小样本问题.在ORL与CAS-PEAL人脸库的实验结果表明了该方法的有效性,同时对光照有一定的鲁棒性.     

广义系统的时滞依赖静态输出反馈控制

针对一类不确定线性广义时滞系统,给出了静态输出反馈控制器的设计方法.首先基于标称广义时滞系统的稳定条件,以受限线性矩阵不等式形式,给出闭环广义时滞系统正则、无脉冲且渐近稳定的充分条件,同时利用受限矩阵不等式的可行解给出静态输出反馈控制律的一个参数化表示;其次,利用矩阵的正交补,把求受限线性矩阵不等式的可行解问题转化为求严格线性矩阵不等式(LMIs)的可行解;最后应用数值实例说明了所给方法的有效性和正确性.     

潜在属性空间树分类器

提出一种潜在属性空间树分类器(latent attribute space tree classifier,简称LAST)框架,通过将原属性空间变换到更容易分离数据或更符合决策树分类特点的潜在属性空间,突破传统决策树算法的决策面局限,改善树分类器的泛化性能.在LAST 框架下,提出了两种奇异值分解斜决策树(SVD (singular value decomposition) oblique decision tree,简称SODT)算法,通过对全局或局部数据进行奇异值分解,构建正交的潜在属性空间,然后在潜在属性空间内构建传统的单变量决策树或树节点,从而间接获得原空间内近似最优的斜决策树.SODT 算法既能够处理整体数据与局部数据分布相同或不同的数据集,又可以充分利用有标签和无标签数据的结构信息,分类结果不受样本随机重排的影响,而且时间复杂度还与单变量决策树算法相同.在复杂数据集上的实验结果表明,与传统的单变量决策树算法和其他斜决策树算法相比,SODT 算法的分类准确率更高,构建的决策树大小更稳定,整体分类性能更鲁棒,决策树构建时间与C4.5 算法相近,而远小于其他斜决策树算法.     

一种用于指纹方向场估计的网格插值模型

指纹方向场的估计是指纹识别预处理算法中的重要环节,对算法识别效率起到关键作用。本文提出了一种网格插值模型,该模型以指纹奇异点为中心,将指纹平面做网格划分,利用插值算法建立了方向场与指纹奇异点之间的非线性关系。模型中利用了指纹的全局信息来调整网格点的值,使得它与传统的基于局部信息的方向场算法有本质的区别。在FVC2002 和FVC2004 指纹数据库上的实验结果表明,该模型比传统算法具有更高的准确性和鲁棒性,同时对于低质量的指纹图像,仍然能够给出很好的方向场估计。     

基于局部子图匹配的SLAM 方法

针对现有的SLAM 解决方法在机器人被“绑架”时失效的问题,提出了基于局部子图匹配的方法．该 方法对现有的SLAM 解决构架进行了改进,提出交点最优匹配的特征相关算法,并且将奇异值分解方法引入机器人 定位．最后,在结构化环境下将本方法和基于扩展卡尔曼滤波器的方法进行比较,讨论了基于局部子图匹配的方法 在结构化环境中解决机器人“绑架”问题的有效性和可行性．     

基于LSA和pLSA的多文档自动文摘

本文提出一种基于LSA和pLSA的多文档自动文摘策略。首先,将多个文档切分成自然段,以自然段作为聚类单位。采用了新的特征提取方法构建词-自然段矩阵,利用LSA对词-自然段矩阵进行奇异值分解,使得向量空间模型中的高维表示变成在潜在语义空间中的低维表示。然后,采用pLSA将数据转换成概率统计模型来计算。在文摘生成的过程中采用基于质心的文摘句挑选办法得到文摘并输出。实验表明,本文提出的方法有效地提高了生成文摘的质量。