飞机环控/发动机系统多目标优化

提出一种改进的多目标粒子群优化算法,应用于飞机环控/发动机系统的综合优化. 将不同飞行阶段系统总熵产最小视为不同的目标函数,建立了多目标优化模型. 进而在基本多目标粒子群优化算法基础上,引入跳转操作、族群概念和一种全局最优位置分配方法,提出了一种改进算法,测试结果表明该算法性能良好. 采用该算法对多目标优化模型进行计算,得到收敛且分布均匀的非劣最优解集,为飞机系统综合优化提供一种新思路.     

一种基于因果网络的支持向量回归特征选择算法

为了提高支持向量回归算法的学习能力,提出了一种基于因果网络的特征选择算法.该方法假设目标变量和特征候选集之间符合一个因果网络模型,然后利用基于条件独立性测试的方法对目标变量的直接影响特征进行识别,从候选特征集之中获取与目标变量有着直接因果关系的特征子集.虚拟和真实数据集上的实验结果表明,该特征选择算法适用于支持向量回归算法,优于目前其他算法.     

拟蒙特卡罗粒子滤波改进算法及其在雷达目标跟踪中的应用

拟蒙特卡罗粒子滤波算法（quasi-Monte-Carlo particle filter, QMC-PF）精度不高,运算复杂度大,难以满足雷达机动目标跟踪精确性和实时性需求. 为此,提出一种基于BP神经网络的新型拟蒙特卡罗粒子滤波算法. 该算法将大权重粒子通过QMC分裂采样产生低差异性的子代粒子,以此来替代低权重粒子,保证了样本的有
效性和多样性;同时利用BP神经网络计算子代粒子的权重,提高了滤波的精度和速度;最后在不同的模型中进行仿真. 实验结果表明,与QMC-PF相比,所提出的算法提高了精度和运算速度,适用于雷达机动目标的跟踪.     

模板在线聚类的目标跟踪

针对基于模板的目标跟踪算法存在模板冗余高、难以适应非刚性目标外观多变的问题,提出一种基于粒子滤波的模板在线聚类目标跟踪方法.首先建立用于描述目标和背景的正、负模板集,然后抽取候选粒子,使用候选粒子与正、负模板集的类内距离以及正、负模板集之间的类间距离来构建似然函数,最后依据最大后验概率准则确定最佳候选粒子作为跟踪结果.根据视频序列中连续变化的目标状态,将一定范围内的相似目标状态视为一个状态类,确定当前状态类的聚类半径.采用均值漂移算法对正模板集及最近几帧跟踪结果进行聚类,并将聚类后的中心集作为新的正模板集.实验表明,该算法能保留目标不同的外观状态,在复杂情况下仍能准确跟踪目标.     

Chan-Vese模型下的复合多相水平集图像分割

Chan-Vese模型(C-V模型)能够实现图像的二区域分割,但在多区域分割上存在局限. 目前解决C-V模型多区域分割问题有两种方案：一是采用多水平集同时收敛的并行多相分割;另一种是采用多水平集依次收敛的串行多相分割. 文中将两种方案结合起来,利用并行多相算法表示区域量大和串行多相算法分割效率高的特点,提出基于C-V模型的复合多相水平集分割算法,增加了串行结构下的分割区域量,也提高了并行结构下各水平集的实际分割效率. 实验结果表明,该方法可实现多区域分割,并能检测由弱边缘构成的子目标.     

多中心点增量式模糊聚类算法

增量聚类算法可以解决数据量大、内存不足的问题.传统的增量式模糊聚类(incremental multiple medoids based fuzzy clustering, IMMFC)算法只为每个数据块选择一个或多个相同数目的中心,当聚类中的对象权重较小时聚类效果不好.该文提出新的增量式模糊聚类算法用于处理大数据集.首先将大数据集分成多个小的数据块,并对每个小的数据块进行模糊聚类;然后从每个小数据块的每个簇群中选择目标中心点,中心点的个数是簇群中对象的权重之和大于阈值的最少对象数.最后合并所有选定的中心点,并对最终数据块进行模糊聚类,获取最终的中心点.实验结果表明,与IMMFC算法相比,当数据块占总数据的10%以上时,所提算法优于IMMFC.     

传感器网络中连通覆盖算法研究

作为一种新型的无线自组网络,传感器网络在环境与军事监控,地震与气候预测等许多方面都具有广泛的应用前景.基于正方形网格剖分的良好特性,提出了一种分布式的近似最小连通覆盖集的构造算法.新算法中:Sink节点首先将其目标区域剖分为正方形网格,并将得到的剖分信息广播给网络中的所有传感器节点;然后,网络中的传感器节点再通过周期性与其邻节点交换信息,来构造目标区域的近似最小连通覆盖集.算法分析和仿真实验表明,与已有类似算法相比,新算法在连通覆盖集大小方面具有更优的性能.     

体育视频中基于粒子滤波和ARG模型的多目标跟踪方案

针对体育视频中运动员的精确跟踪问题,提出一种融合粒子滤波和属性关系图(ARG)的多目标跟踪方案.首先,对于所有目标执行粒子滤波构建跟踪器,并根据颜色直方图计算粒子权重.然后,在粒子滤波过程中,融入ARG模型.基于已标注的图像构建ARG模型,并以此评估每个跟踪器的时间得分.最后,根据得分来选择最终的跟踪器,以此实现运动目标跟踪.实验结果表明,该方案能够准确地跟踪多个运动目标,对遮挡和突然运动具有较好的鲁棒性.     

（F,K）-不变凸集与不变凸优化

实向量空间中（F,K）-不变凸集是E-不变凸集的推广.针对约束集为（F,K）-不变凸集的不变凸优化问题给出基于一维搜索的优化算法,与直接采用优化工具箱的函数计算相比,计算结果有显著改善,为非线性优化算法的改进提供了新思路.     

基本矩阵随机采样鲁棒估计

提出一种新的基本矩阵鲁棒估计算法:随机采样算法,对含有大量出格点的数据点集,利用7个对应匹配点的最小子集来估计参数;然后在不同的子集重复多次,确保任何一个子集都含有一个好的数据点的机率达到95%.最优估计值是残差低于门限值点数最多的子集,一旦从数据点集剔去出格点,利用没有出格点的数据就可以得到最终估计值.用真实图像测试表明该算法鲁棒性好,精度高.     

汽车半主动悬架的神经网络控制

针对目前标准BP神经网络的缺点,提出基于高阶导数的多记忆BP算法,将能量函数的 阶导数与最速下降方向相结合,构造出一个新的最速下降方向,从而提高了神经网络的学习速度。证明了该算法相对于传统梯度算法的快速性,然后给出了该算法的实现方法,并进行了算例仿真。为了证明其实效性,设计了汽车半主动悬架神经网络控制器。结果证明,该算法便捷、实用、有效。     

一种新型自适应粒子群优化粒子滤波算法及应用

基于粒子群优化的粒子滤波算法精度不高,运算复杂度大,难以在实际工程中应用. 为此,文中提出一种新型邻域自适应调整的动态粒子群优化粒子滤波算法. 该算法考虑了粒子的邻域信息,利用多样性因子、邻域扩展因子和邻域限制因子共同对粒子的邻域粒子数量进行自适应调整,控制粒子对邻域的影响,减轻局部最优现象,达到收敛速度和寻优能力的最佳平衡. 利用UNGM模型、目标跟踪模型以及故障检测模型对算法的性能进行仿真测试,结果表明：该算法与PSO-PF相比提高了精度和运算速度,具有实际工程应用价值.     

基于改进局部保持映射的图像特征提取算法

针对目前局部保持映射算法(LPP)因忽略类标识信息而造成的计算效率问题,提出了基于类标识信息的监督局部保持映射算法,并将其用于图像特征提取中,该算法通过用类标识信息指导最邻近图构造过程来提高算法的效率,仿真实验的结果表明,该方法可以有效提高传统局部保持映射算法的运算效率,提高图像特征提取性能.     

基于决策树-逻辑回归模型精确识别僵尸企业

针对如何精准识别僵尸企业的问题,借助湖南科创信息有限公司公开的企业信息数据集,提出了一种决策树-逻辑回归的僵尸企业识别方法。该方法用中位数填充缺失数和离群值,然后分析数据集并进行特征衍生,最后使用多元线性回归和卡方检验等方法完成特征筛选。为了验证所提出方法的有效性,分别在阿里云环境和本地环境下将该方法与过度借贷法、连续亏损法、随机森林算法、BP神经网络算法、XGBoost算法进行比较。每个模型均训练50次,每次训练按一定比例随机选取数据,最终取各个指标的平均值作为最终实验结果。实验结果表明：所提出的决策树-逻辑回归模型对于僵尸企业的识别准确率最高,达到99.98%;并且模型的运行速度相对各种集成模型的速度有较大优势,平均执行时间约为1.5 s。在各实验环境中,实验结果差异较小,验证了该模型的有效性和稳定性。     

基于中心点和双重注意力机制的无人机高分辨率图像小目标检测算法

无人机拍摄的图像具有分辨率高、视野大以及目标小的特点,而现有的目标检测方法对小目标特征的提取能力不足。为此,首先采用以中心点表示目标的检测网络CenterNet,引入可变形双重注意力机制,以提高对小目标的特征表达能力;然后针对原始非极大值抑制难以处理嵌套型冗余框的问题,在冗余检测剔除过程中提出了广义非极大值抑制方法;最后引入LegoNet卷积单元,减少了卷积参数,实现了精度与速度的平衡。实验主要采用的验证数据集为VisDrone2019和UAV_OUC,UAV_OUC数据集相比于VisDrone2019,其图片具有更高的分辨率。相比于CenterNet,所提出的方法在数据集UAV_OUC和VisDrone2019上的检测精度大约分别提高了10%和2%。     

金融交易数据驱动的图谱网络智能化欺诈侦测

针对当前金融领域营销场景中商户与持卡人团伙化的交易欺诈行为难以侦测、挖掘的不足的问题，该文基于交易流水数据，构建了持卡人-商户的智能化交易图谱网络，建立了图拓扑特征体系框架和机器学习的异常检测算法，对当前营销欺诈团伙化网络进行了智能化侦测.基于相关样本数据提出的模型效果比传统模型具有较大提升，对欺诈团伙证据链挖掘和画像分析提供了有效方法.     

一种新的变步长LMS算法及其仿真

在分析传统LMS算法及其改进算法的基础上，提出了一种新的可变步长LMS算法，新算法采用梯度矢量的平均值的平方值调整步长．计算机仿真表明，与传统LMS算法和文献[1]中的VSS-LMS算法相比，新算法有更快的收敛和跟踪速度，并能收敛到更小且更稳定的均方误差。     

机动目标三维成象中调频信号超分辨方法

机动目标的各散射点多普勒回波信号在运动补偿后一般表现为线性调频信号.通过对Relax算法进行扩展得到调频信号参数的超分辨估计并应用于机动目标单脉冲雷达三维成象,成象效果优于基于解调频方法的成象结果.