WPM在TD四期无线网络参数管理中的重点应用

本文首先介绍了无线网络参数管理软件WPM的架构及主要模块,同时结合项目组的实际技术支持经验,阐述了WPM 2.0在TD-SCDMA四期建设中的重点应用,主要包括WPM在场景管理、报告生成和智能天线权值管理,并介绍了无线参数工单派发相关功能。     

基于综合赋权法的齿轮箱运行状态评估

为科学合理地评估齿轮箱运行状态,提出一种基于博弈论综合赋权的运行状态评价模型。该模型首先从润滑油各个主要监测指标出发,建立齿轮箱运行状态评估指标体系;然后运用改进的层次分析法和熵权法对评价指标进行主客观赋权,并采用博弈论思想得到最优综合权重;最后构建齿轮箱运行状态模糊综合评判模型。运用该模型对某型装甲车底盘系统齿轮箱运行状态进行评估。结果表明：该模型的计算方法简便,求得的综合权重精确,其评价结果与实际运行情况基本一致,能够为视情维修提供理论依据。     

基于权值参数的WiFi定位算法研究

针对WiFi定位技术中基本三边定位算法的测距模型参数不确定和定位计算误差大等问题,提出了基于权值的参数实时更新定位算法。该算法首先按照基于区分度能力的信息增益方法选择3个最能反映待定位点信息的访问接入点AP,然后对测距模型进行实时获取参数的改进,最后对三边定位计算中的距离进行加权处理。实验表明,提出的定位算法能减小由环境因素和信号强度测量值引起的误差,与基本的三边定位算法相比,算法具有更高的定位精度。     

基于改进PSO算法的含风电场电力系统网架扩展规划研究

基于改进后的PSO算法,研究了如何利用网架扩展规划,来缓解风电并网发电后部分线路出现输电阻塞的现象.在PSO算法中,惯性权重和学习因子分别是控制PSO算法全局搜索和局部搜索的关键性可调整参数.为避免陷入局部解,同时加快收敛速度,提出了同时动态优化调整惯性权重和学习因子的改进PSO算法.基于IEEE39节点的仿真算例表明：在保证获得最优解的前提下,该算法的收敛速度显著加快.     

A new fuzzy decision-making procedure applied to emergency electric power distribution scheduling

In this paper a new fuzzy decision-making procedure is developed. Two levels of weightings, called upper and lower weights, are proposed to calculate the fuzzy weightings of different criteria. The preference table is introduced to calculate the upper and lower weights. Also a new method is developed to determine the expected preference values of different alternatives. These values are used for generating the priority list of alternatives. The procedure is applied for providing an emergency electric power distribution, scheduling time table. The IEEE 14-bus standard system and a 14-bus system with four power plants are considered as case studies. Using fuzzy decision-making procedure, the regions with more priorities are more connected to the distribution net, while the maximum consumption criterion is also reasonably respected.     

Efficient recursive least squares parameter estimation algorithm for accurate nanoCMOS variable gain amplifier performances

ABSTRACT

With the aggressive scaling of integrated circuit technology, parametric estimation is a critical task for designers who looked for solutions to the challenges of some Nanoscale CMOS parameters. This paper presented the prediction of primary parameters of CMOS transistor for 16 nm to 10 nm process nodes using both of Bisquare Weights (BW) method and a novel recursive least squares (RLS) parameter estimation algorithm. The proposed RLS algorithm consists of the minimisation of a quadratic criterion relating to the prediction error in order to attain the best estimated parameters of the developed mathematical model. The obtained results thanks to the proposed RLS algorithm were better than those reached using the BW method. Comparisons between Predictive Technology Model (PTM) data and parameters estimated with RLS algorithm were made to check the validity and the consistency of the proposed algorithm. These predicted primary parameters were helpful to estimate and to optimise the performances of the Variable Gain Amplifier (VGA) which was a basic circuit element with a key role in the design of new upcoming receivers.     

基于色彩相似度的自适应立体匹配

提出了一种结合权值矩阵和相似性系数矩阵构造的区域匹配方法。该方法首先运用色彩相似性和距离临近性对窗内的每一点相对于待匹配点的自适应权值进行分配,得到一个权值矩阵,为了提高在视差不连续区域的匹配精度,使用了边界点矩阵来降低相对应点的权值。然后在RGB色彩空间中根据待匹配点和对应点的匹配窗内的每一点的颜色绝对差值和来自适应分配相似性系数矩阵。最后利用上述方法对Middlebury网站上提供的四幅立体图像对Tsukuba、Venus、Teddy和Cones进行了实验,总体正确率分别达到了91.82%、96.19%、76.6%和86.9%。     

带权定性影响图

定性影响图是具有精确概率和效用的影响图的定性抽象。在定性影响图中,节点之间的影响关系使用定性符号描述,这种符号描述简化了不确定知识的表示,降低了影响图建模的难度,加速了不确定知识的推理。但是,定性影响图在抽象过程中损失了部分信息,导致定性影响图在评价过程中会产生不确定结果,阻碍了定性影响图的广泛应用。以加权的思想扩展定性影响图,使扩展的定性影响图中每个定性影响都带有一个表示节点间影响强弱的数值权值,在评价过程中根据定性影响权值的比较来减少不确定结果的产生,从而扩大定性影响图的应用范围。     

多属性决策问题的一种新方法

研究了一类属性权重未知的多属性决策问题，提出了一种基于关联分析的多属性决策新模型。该模型中在确定属性权重时充分结合Delphi法和层次分析法的优点，给出了一种确定属性权重的新方法——带有专家可信度的非线性优化层次分析法。还给出了一个决策实例证明了该决策方法的可行性和合理性。     

样本加权的多视图聚类算法

大数据时代,人类收集、存储、传输、管理数据的能力日益提高,各行各业已经积累了大量的数据资源,这些数据常呈现出多源性和异构性.如何对这些多源数据进行有效的聚类(也称为多视图聚类)已成为当今机器学习研究关注的焦点之一.现有的多视图聚类算法主要从“全局”角度关注不同视图和特征对簇结构的贡献,没有考虑不同样本间存在的“局部”信息间的差异.因此,提出一种新的多视图样本加权聚类算法(sample-weighted multi-view clustering, SWMVC),该算法对每个样本的不同视图进行加权,采用交替方向乘子法自适应学习样本权值,不仅可以学习不同样本点间不同视图权重的“局部”差异,还可以从学习到的“局部”差异反映出不同视图对簇结构贡献的“全局”差异,具有较好的灵活性.多个数据集上的实验表明：SWMVC方法在异质视图数据上具有较好的聚类效果.