噪声增强局部最优处理器信噪比增益的研究

在弱信号情况下,一种易于实现且性能渐近于Neyman-Pearson处理器的结构称为局部最优处理器。利用分叉噪声构造了一类局部最优处理器,证实了这类处理器对于非零噪声强度具有最大输出输入信噪比增益,即局部最优处理器性能的噪声增强现象。     

复合最优模型微粒群优化算法研究及应用

针对微粒群算法全局最优(Gbest)模型收敛速度快、局部搜索能力强、鲁棒性差,局部最优(Lbest)模型全局搜索能力强、鲁棒性好、收敛速度慢的特点,提出了一种结合全局最优和局部最优两基本模型特点的复合最优模型微粒群优化算法。用4个Benchmarks函数进行了测试,实验结果表明,与微粒群算法的两种基本模型相比,该复合模型算法能有效提高算法的收敛速度及全局搜索能力。最后将算法应用于一个非线性系统模型的辨识,辨识结果验证了该算法的有效性。     

基于GA-AHMM的联机手绘图形识别技术

提出了一种遗传算法(geneticalgorithm,GA)和自适应隐马尔科夫模型(hiddenMarkwmodel,AHMM)混合的联机手绘图形识别方法。由于隐马尔科夫模型(HMM)的训练本质上是一种梯度下降的优化方法,算法易陷入局部最优,影响了其应用。为此,采用GA训练HMM模型参数,并给出了GA和HMM的两种混合训练方式:前端GA HMM模型和内嵌式GA HMM模型,GA算法能随机地调整HMM模型训练的初始值,使HMM跳出局部最优,较好地克服了HMM训练容易陷入局部最优的问题。另外,采用带有反馈环节的闭环AHMM代替传统的开环前向HMM模型对手绘图形识别,改善了HMM的自适应能力,显著提高了对图形的识别率和识别速度。试验结果证明了方法的有效性。     

舰船目标噪声调制包络谱融合算法研究

舰船噪声调制包络谱是水下目标识别的重要特征.分析了调制包络谱的一般模型,把"最优"调制包络看作一种随机过程,将舰船噪声的多子带检波信号看作是对"最优"调制包络的一次观测,并将其作循环相关,用有限次观测的集种平均作为"最优"包络的估计,从而得到多子带融合包络谱,舰船噪声实测数据验证了该方法的有效性.     

一种基于特征的实时LOD模型生成算法

在虚拟现实系统的复杂场景中为了加速复杂场景绘制，一般采用层次细节(Level of Detail)模型的方法。一般的LOD方法主要基于几何外观决定形体被简化的部分和简化程度。针对某些特定应用，提出了一种基于特征的LOD模型生成算法，以对某种特征的度量值为权重对几何特征进行调制，在简化后的模型中充分保留了该特征。算法简单直观，所生成的LOD模型能连续平滑过渡，并且满足实时显示的要求。实验结果表明了算法的有效性。     

基于共识粒子群的全局优化求解方法

针对粒子群优化(PSO, particle swarm optimization)和高效全局优化(EGO, efficient global optimization)两种算法的特点,提出一种共识粒子群和局部代理模型协同的全局黑箱优化算法(CPSO-LSM, consensus particle swarm optimization and local surrogate model)。该算法固定PSO算法周期对粒子进行分群并在粒子达成共识后停止,将每群粒子周围的优质子区域输出作为代理模型的建模区域,通过比较各区域最优值获得高质量最优解甚至全局最优解。不仅避免了PSO冗长的计算过程、提高了建立代理模型的速度和精度还可以避免陷入局部最优。通过对比其他算法在标准测试函数的仿真结果,CPSO-LSM具有较好的收敛速度和求解精度。     

基于改进PSO算法的传感器网络覆盖优化

当无线传感器网络(wireless sensor network,WSN)采用概率覆盖模型时,难以采用几何方法进行网络覆盖率的优化。针对这一问题,通过提出一种改进粒子群优化(particle swarm optimization,PSO)算法,有效提高了WSN网络的覆盖率。首先对粒子越界处理的方法进行推了广,提高了其适用范围;其次,针对PSO算法容易陷入局部最优解的问题,通过对粒子探索能力进行增强,提出了一种探索能力增强型PSO(explorative capability enhancement PSO,ECE-PSO)算法,有效改善了种群陷入局部最优解的缺点。基于概率覆盖模型的WSN覆盖优化的仿真验证表明,ECE-PSO算法显著提高了解的质量,有效改善了算法收敛于局部最优解的缺点,且ECE-PSO算法具有较强的稳定性。     

多传感器信息融合ARMA信号Wiener滤波器

应用现代时间序列分析方法,基于自回归滑动平均(autoregressive moving average,ARMA)新息模型和增广的状态空间模型,在线性最小方差按标量加权最优融合规则下,对带白色和有色观测噪声的单通道ARMA信号,提出了多传感器最优分布式融合Wiener滤波器。给出了计算局部滤波器误差方差和互协方差的公式,它们可被用于计算最优加权系数。同单传感器情形相比,可提高融合滤波器的精度。一个带三传感器的跟踪系统的仿真例子说明其有效性。     

基于混合人工势场-遗传算法的移动机器人路径规划仿真研究

分析了人工势场模型存在的目标不可到达问题(GNRON)和由于局部最优解的存在而产生的死锁问题,提出了一种建立在改进人工势场模型上的基于遗传算法的最优路径搜索方法。仿真结果验证了本模型的有效性,能有效的解决由于人工势场模型缺陷而带来的路径规划问题。     

Locally Optimum Detection of Weak Pulse Signals in Non-Gaussian Noise

In this paper, the problem of locally optimum detection of weak pulse signals in narrow-band non-Gaussian noise is discussed. A generalized model is proposed for locally optimum detectors (LOD) and the corresponding physical meaning is explained. On the basis of this generalized model, the LOD structures are derived for detecting both coherent- and incoherent-pulse signals in narrow-band non-Gaussian noise. The asymptotic relative efficiency (ARE) due to Pitman is used to evaluate the performance of these LODs. Finally, numerical calculations are carried out for the AREs of these LODs and some valuable results are obtained.     

一种人脸图象自动识别方法及实验

为了很好解决小样本情况下线性鉴别矢量的求解问题,定义了Fisher极小准则函数与广义Fisher极小准则函数,并从理论上说明了二者的等价性。基于广义Fisher极小准则函数,推导出一个新的广义特征方程。具有最多鉴别信息的鉴别矢量可通过求解新方程得到。人脸图象的识别结果表明,本文方法具有较优性能。     

A New Signature-Based Algorithms for Computing Gr?bner Bases

Gao,Volny and Wang(2010) gave a simple criterion for signature-based algorithms to compute Grobner bases.It gives a unified frame work for computing Grobner bases for both ideals and syzygies,the latter is very important in free resolutions in homological algebra.Sun and Wang(2011) later generalized the GVW criterion to a more general situation(to include the F5 Algorithm).Signature-based algorithms have become increasingly popular for computing Grobner bases.The current paper introduces a concept of factor pairs that can be used to detect more useless J-pairs than the generalized GVW criterion,thus improving signature-based algorithms.     

基于量子粒子群的广义模糊熵阈值法参数选取

针对广义模糊熵阈值分割法中参数m的选择问题,提出了一种结合优化算法的自适应参数选取算法.该算法依据一种图像分割质量评价指标建立目标函数,再基于量子粒子群优化搜索算法在参数的变化空间自适应地搜索最佳参数,同时依据模糊熵最大准则对S型隶属度函数中的三个参数(a,b,d)进行了全局组合寻优,从而建立了一个嵌套的优化搜索过程,实现了广义模糊熵图像阈值分割方法的自动阈值选取.实验表明,该方法对光照不均匀图像有更好的分割效果.     

广义判断下AHP(GJAHP)的一致性检验与可接受性的进一步探讨

广义判断下的AHP(GJAHP)是在单准则下通过构造广义判断矩阵的数学模型而建立的一种广义AHP.本文提出了广义判断矩阵一致性的一种非参数统计检验方法--spearman秩相关系数法, 给出了广义辅助矩阵的构造性定义, 并进一步探讨了广义判断矩阵的可接受性。最后本文给出了GJAHP的应用实例。     

基于广义似然比的宽带分布式目标检测算法

针对在相干积累期间发生距离走动的分布式目标检测问题,提出了一种广义似然算法及其改进算法。该算法采用广义似然函数准则与极大似然方法对不同预设速度下各个距离单元的信号进行估计,得到了两步广义似然比检测算子。进一步利用目标相邻强散射单元特性和相邻预设速度相关性,推导出改进的三步广义似然算法,随后证明了这两种算法的恒虚警率性。对两类飞机实测数据的多个实验结果表明,当目标发生距离走动的情况下,该算法性能相对与传统的非相干积累算法有明显提高。     

DIDSS环境下信息agent系统任务规范的分解

提出一个基于GDF(扩展决策函数)的多agent任务规范分解判据，提出多agent的任务规范分解性质；将多agent任务规范分解问题等价为建立一个与信息agent任务规范属性相关的MSBN(多模块贝叶斯网)问题，并证明了MSBN的d-cutset(d-割集)和分解判据之间的关系，提出了与多agent任务规范对应的MSBN的分解方法．最后通过示例验证了所提出的方法的可行性。     

基于ANN预报模型的快速学习算法

提出了一种基于预报模型的变目标函数的前向神经网络快速学习算法。首先推导出一种综合目标函数从而实现极值点附近收敛速度的提高，然后导出变目标函数的局部化递扒最小二乘算法，该方法与现有同类的算法相比，可以提高收敛速度和预报精度，适用于需快速学习的系统辨识和其他应用。系统辨识的仿真实例表明了算法的优良性能。     

输入受限的隐式广义预测控制算法的仿真研究

本文基于CARIMA模型提出了一种简单的隐式广义预测自校正控制算法。它避免了在线求解Dioaphantine方程;利用并列预测器间的特点,直接辨识输出预测器中的参数,并针对广义预测控制问题,在整个预测时域和控制时域,对输入幅值施加了约束;在此基础上以二次规划作为滚动优化策略,进行计算机仿真,获得预测控制信息和输出信息;然后采用加权控制律,不仅使预测信息得以充分利用,而且使系统的性能得到明显改善。     

AUTOMATIC SELECTION OF PARAMETERS IN SPLINE REGRESSION VIA KULLBACK－LEIBLER INFORMATION

ＡＵＴＯＭＡＴＩＣＳＥＬＥＣＴＩＯＮＯＦＰＡＲＡＭＥＴＥＲＳＩＮＳＰＬＩＮＥＲＥＧＲＥＳＳＩＯＮＶＩＡＫＵＬＬＢＡＣＫ－ＬＥＩＢＬＥＲＩＮＦＯＲＭＡＴＩＯＮＡＵＴＯＭＡＴＩＣＳＥＬＥＣＴＩＯＮＯＦＰＡＲＡＭＥＴＥＲＳＩＮＳＰＬＩＮＥＲＥＧＲＥＳＳＩＯ...