融入差异性的帕累托集成剪枝方法

相比于集成学习,集成剪枝方法是在多个分类器中搜索最优子集从而改善分类器的泛化性能,简化集成过程。帕累托集成剪枝方法同时考虑了分类器的精准度及集成规模两个方面,并将二者均作为优化的目标。然而帕累托集成剪枝算法只考虑了基分类器的精准度与集成规模,忽视了分类器之间的差异性,从而导致了分类器之间的相似度比较大。本文提出了融入差异性的帕累托集成剪枝算法,该算法将分类器的差异性与精准度综合为第1个优化目标,将集成规模作为第2个优化目标,从而实现多目标优化。实验表明,当该改进的集成剪枝算法与帕累托集成剪枝算法在集成规模相当的前提下,由于差异性的融入该改进算法能够获得较好的性能。     

基于神经网络的卷染机控制系统设计

针对高温高压工作环境下卷染机的恒速度恒张力控制问题,采用交流变频调速传动系统,选择基于神经网络的改进的比例、积分、微分控制算法作为卷染机自适应卷速和张力控制的实现算法,进行控制系统设计。本算法利用逆向反馈神经网络的强迭代学习能力,实现了控制算法中的比例参数、积分参数和微分参数的自适应调节,以达到对卷染机卷染速度和卷轴张力的长时间恒定控制。经过实际测试,本控制系统可以有效控制高温高压环境下卷染机的染色过程,达到良好的染色效果。     

基于BP神经网络的卷染机温度控制技术

为了解决高温高压卷染机中的温度控制问题,提出了一种改进的温度控制算法。该算法在BP神经网络PID控制算法的基础上引入积分分离结构,当温度控制误差较大时采用PD结构,去除积分成分以提高控制调整速度,当温度控制误差较小时采用完整的PID控制算法结构,保留积分成分以保证控制精度。仿真结果显示:相对于传统的PID控制算法,基于BP神经网络的PID控制算法能够保证在较高温度时控制精度的前提下,提高温度控制稳定速度、缩短温度控制时间,达到更好的控制效果。     

基于插值和周期图法的高动态信号载波频偏粗估计

针对卫星通信系统中接收信号载波动态范围大、信噪比低造成的信号载波同步困难的问题进行了研究。基于联合插值和频域移位平均周期图法的载波频偏估计算法,通过对半符号周期频域移位平均周期图法中各并行支路输出的功率谱峰值波形进行双谱线插值,以进一步降低载波频偏变化率估计误差,进而改善原算法捕获概率。仿真结果显示,当比特信噪比为2.5 dB时,相比于半符号周期频域移位平均周期图法,该算法只增加了一次插值计算就可以实现将载波频偏变化率估计误差降低27%。在同等估计精度和参数设置下,相比于半符号周期频域移位平均周期图法和带补零频域移位评价周期图法,基于联合插值和周期图法的载波频偏粗估计算法可达到更高的捕获概率。