基于异构多源传感的行人长航时变步长误差修正技术

低成本微机电系统(micro-electro-mechanical system,MEMS)传感器广泛应用于行人定位导航中,但在长航时下,MEMS传感器零位会随时间产生漂移,导致行人变步长误差成为主要误差.且传统的足绑式导航利用MEMS传感器自身信息判断零速时刻会出现错判漏判等问题.针对这两点,根据行人步态变化规律,在判断零速时刻时,加入压力传感器辅助的异构多源传感,同时针对系统误差设计了用于补偿的误差修正算法.对比传统方法,该设计可以明显提高导航定位精度,定位精度可提高一个数量级.     

基于微机电系统的室内行人航向修正算法

室内环境下的行人导航问题是当前导航领域的研究难点与热点。足绑式微机电系统(MEMS)是行人导航的主要形式之一。针对目前行人导航航向发散的问题,同时避免磁力计引入外部误差,在零速更新(ZUPT)的基础上,研究了磁角速率更新(MARU)的航向修正算法。假定行人处于零速区间时磁场是恒定的,当惯性传感器转动时,磁力计的三维矢量也会相应变化。利用磁场的变化信息作为零速时刻陀螺仪输出角速率的观测值;并通过扩展卡尔曼滤波(EKF)对角速度误差进行补偿,从而限制航向角的漂移。实验结果表明,该算法航向跟踪性强,对航向修正有一定的有效性,其终点定位误差占总路径的0.55%,达到了良好的定位精度。     

室内行人航向修正算法研究

室内环境下的行人导航问题是当前导航领域的研究难点与热点,基于足绑式MEMS是行人导航的主要形式之一。针对目前行人导航航向发散的问题,同时避免磁力计引入外部误差,在零速更新（ZUPT）的基础上,研究了磁角速率更新（MARU）的航向修正算法,假定行人处于零速区间时磁场是恒定的,当惯性传感器转动时,磁力计的三维矢量也会相应变化,利用磁场的变化信息作为零速时刻陀螺仪输出角速率的观测值,并通过扩展卡尔曼滤波（EKF）对角速度误差进行补偿,从而限制航向角的漂移。实验结果表明,该算法航向跟踪性强,对航向修正有一定的有效性,其终点定位误差占总路径的0.55%,达到了良好的定位精度。     

零速校正在惯性导航系统中的仿真研究

零速校正利用载体停车时惯导系统的速度输出作为惯导系统速度误差的观测量,进而对惯导系统其他各项误差实现校正．基于这一原理对零速校正在惯性导航系统中的应用进行了分析研究．首先推导了惯性导航系统的误差方程,然后采用曲线拟合的方法,用Matlab仿真得到零速校正后的位置误差曲线．通过对仿真结果的分析比较,表明该方法在惯性的导航系统对于误差修正的有效性．     

一种针对稀有类支持向量机的新算法

支持向量机方法是流行的数据分类方法,但支持向量机方法对稀有类的分类能力不强.针对稀有类数据的多超平面支持向量机是一种基于支持向量机方法的稀有点类分类方法,与支持向量机相似,使用超平面进行分类.与支持向量机不同的是,SVM_MH要求稀有类点在所有超平面正侧的交集中.SVM_MH对稀有类的分类要求更严格,而对非稀有类的条件相对宽松.支持向量机方法可以看作是一个特殊的SVM_MH.核函数在稀有类支持向量机中仍然适用.     

一种改进的数据挖掘模糊支持向量机分类算法

针对模糊支持向量机(FSVM)应用于数据挖掘分类中存在对大样本集训练速度及分类速度慢的缺点,提出一种改进的数据挖掘模糊支持向量机分类算法.该算法首先预选有效的候选支持向量缩减训练样本集的规模提高训练速度;其次提出一种新的模糊隶属度函数,增强支持向量对构建模糊支持向量机最优分类超平面的作用,并用经过预选的训练样本集进行训练FSVM得到支持向量集;最后,运用粒子群优化算法选择最优支持向量子集,使用平均分类误差作为适应度函数,最终粒子输出时,将样本隶属度与设定阈值相比较,选择出支持向量集中相对较大隶属度的样本作为新的支持向量,提高分类速度.实验结果表明,该算法在不损失分类精度的情况下,提高了模糊支持向量机的训练速度和分类速度.     

超宽带矢量测距与惯性传感组合的精准步长计算算法

为适应复杂环境下变步长精准测量要求,提出一种基于超宽带（ultra wide band,UWB）矢量测距和惯性传感组合的精准步长计算算法;针对基于惯性传感组合的步长测算精度受佩戴方式和系统运行时间影响以致无法实现行人步长精准测量和长航时精度保持的问题,提出一种结合足间模型与零速检测联合步长算法。根据行人行走时足部轨迹模型构造足间步长模型,得到准确的步长计算公式;根据足部惯性传感器运动特征进行零速检测并触发UWB测距,结合陀螺解算角度和足间模型公式计算得到步长。实验表明,提出的步长估计算法精度可达98.20%,与传统步长算法相比,误差显著降低。     

一种基于支持向量机中分离超平面求取的算法*

支持向量机的关键在于获取分离超平面,先用感知机的迭代算法获取初始分离超平面,然后将初始分离超平面不断地旋转和平移,直至几何间隔达到最大且完全分离训练数据集,此时的分离超平面就近似支持向量机的分离超平面,分类效果最好,并使用分类数据进行检验,说明此方法有效。     

迭代算法求解支持向量机中的分离超平面

支持向量机的关键在于获取分离超平面,一般是基于规划的学习算法,把求解问题转化成凸二次规划问题.采用感知机的迭代算法思路求解支持向量机的分离超平面,算法包括两个迭代过程,首先利用感知机的迭代算法获取一个分离超平面作为初始分离超平面;然后将初始分离超平面不断地旋转和平移,直至正类集和负类集的支持向量到分离超平面的距离相等,此时的分离超平面就是支持向量机的分离超平面.最后分别采用解凸二次规划方法和迭代算法对鸢花分类数据进行学习,获得的支持向量和分离超平面完全一致,说明该迭代算法简单有效.     

一种基于KNN与改进SVM的车牌字符识别算法

提出了一种将KNN(K近邻)和支持向量机相结合的字符识别算法.首先用KNN对字符进行判断,如果输出的置信度大于阈值,则认为分类正确;如果小于阈值则采用支持向量机进行判决.改进了SVM分类器,通过调整支持向量机的分类超平面改进了支持向量机的性能.将算法应用到实际的车牌字符识别中,识别结果表明,这种方法在提高识别速度的同时,有效提高了字符的识别精度.     

基于GA-SVM算法永磁同步直线电机变载荷进给位置误差预测

针对永磁同步直线电机精密进给过程中,受到齿槽效应、端部效应及摩擦力扰动等非线性因素的影响,位置误差难以预测问题,提出了一种基于遗传算法(GA)优化支持向量机(SVM)算法永磁直线电机变载荷位置误差预测模型的方法。通过测量各种情况下永磁直线电机在运动过程中的位置变化情况,利用遗传算法优化支持向量机算法建立预测模型。该模型采用实验台运行的正弦轨迹数据为训练样本,三角波轨迹数据为测试样本。选取各种情形的正弦波轨迹数据和三角波轨迹数据进行仿真预测和验证。以各种情况的正弦波信号的指令位置、指令速度和电流作为模型的输入,以三角波信号的位置误差作为输出。结果表明,经过遗传算法优化支持向量机建立的位置误差预测模型,在拟合和预测精度上要优于未经过算法优化的位置误差预测模型。     

基于动作捕捉的无人机运动状态识别

无人机运动状态识别是无人机运行状态分析的基础,是实现无人机航迹预测的必要条件。对于非合作目标来说,动作捕捉系统可以有效采集其航迹数据。提出一种基于动作捕捉的无人机运动状态识别方法。首先,通过插值、重采样、滤波等方法对包含噪声的无人机航迹数据进行预处理;然后,通过特征提取与特征选择方法,针对速度、加速度、曲率、转角这4个运动参数,提取无人机运动特征;并分割无人机航迹。最后运用支持向量机的方法进行无人机运动状态识别,对速度、加速度、曲率的分类精度分别达到了95%、90%和100%。证明了本方法的可行性。     

不均衡数据集下的入侵检测

在直推式支持向量机(transductive support vector machine, TSVM)中,迭代过程中样本标注错误会导致错误传递,影响下一次迭代中样本标注准确度,使得错误不断地被积累,造成最终分类超平面的偏移。在不均衡数据集下,传统支持向量机(support vector machine, SVM)对样本分类的错误率较高,导致TSVM在每次迭代中标注样本准确度不高。针对此,本文提出一种不均衡数据集下的直推式学习算法,该算法依据各类支持向量的密度分布关系动态计算各类的惩罚因子,提高每次迭代中样本标注的准确度,算法在继承渐进赋值和动态调整规则的基础上,减少分类超平面的偏移。最后,在KDD CUP99数据集上的仿真实验结果表明该算法能够提高TSVM在不均衡数据下的分类性能,降低误警率和漏报率。     

一种调整分类超平面偏移的方法—平均距离比MDR法

分析了传统的支持向量分类机对不平衡数据集的影响,并提出了一种调整分离超平面偏移的方法—平均距离比MDR法.首先分别计算正、负类的支持向量到分离超平面距离的平均值,让这个平均值之比等于两类样本数的反比,从而得到偏移b*的值.实验表明,对于不平衡数据集问题,该方法比标准SVM具有更好的效果.     

适用于加权样本集处理的加权支持向量机方法

为了处理模式识别问题中具有加权信息的样本集,提出一种加权支持向量机(weighted support vector machine,WSVM)算法,并对算法进行了理论分析.通过引入样本与超平面加权距离的概念,使得WSVM算法可以对样本的权值信息进行有效处理.针对未明确给出权值分布的样本集,提出一种基于类间中心距离确定权值的经验方法,对加权支持向量机算法采用交叉验证技术在人工及真实数据上进行了仿真,结果表明,加权支持向量机比标准支持向量机具有更小的误识率和更好的稳定性.     

基于SVM的日文网页分类

网页分类是使用机器学习算法实现网页类别的自动标注。提出了一种基于SVM的日文网页分类方法,针对日文的特点,设计日文词素词典与规则库,并以此为基础进行日文分词和特征表示,然后使用互信息度进行特征选择,最后应用SVM来构造分类超平面,对日文网页进行分类。最后通过实验进行了验证。     

一种改进的DDAGSVM决策算法

决策导向无环图支持向量机(DDAGSVM)是一种典型的SVM多类分类算法,然而传统SVM决策分类器存在误差积累,其推广能力有待进一步提高。为改进DDAGSVM,有效的做法是定义一种类间可分离性测度,将容易分的类先分割出来,然后再分不容易分的类,使错分尽可能地远离图的根部。引入了一种基于广义KKT条件的类间可分离性测度,提出一种改进的DDAGSVM分类决策算法。三螺旋线实验和HRRP分类实验证明该方法对控制分类错误有明显的效果。     

基于总间隔与代价差异算法的支持向量机

针对支持向量机在实际应用中存在的最优分类超平面的倾斜问题和推广误差界的问题,引入了总间隔与代价差异算法,对标准的支持向量机算法进行了改进.同时,针对线性和非线性两种情况,给出了详细的公式推导过程,并得出结论:基于总间隔与代价差异算法的支持向量机的性能优于标准的支持向量机.