六余度配置MEMS-IMU误差标定

研究捷联惯性传感器多余度配置系统的标定. 分析了多余度惯性传感器各参数的测量原理及算法关系,针对典型的非正交配置（六传感器正十二面体）的多余度惯性测量单元(IMU),导出六位置转动标定方法,给出了计算误差模型参数的数学推导过程,建立了余度MEMS-IMU误差模型的解析表达式. 实验结果表明：该方法精度高,可有效估计出六余度MEMS-IMU的误差模型参数,提高惯导系统精度.     

一种参数动态调整的自适应微粒群优化算法

提出了一种参数动态调整的自适应微粒群优化算法.针对微粒群算法中不同适应度值的微粒所需要的搜索能力不同,引入微粒相对优秀度概念,通过相对优秀度来动态调整惯性权重和加速因子,有效地调节算法的全局和局部搜索能力,保持了微粒的个性.利用三个Benchmark函数进行数值试验,仿真结果表明,算法稳定,具有较好的收敛性能.     

水库天然冰温度场数值模拟

根据水库天然冰实测温度数据,建立了识别冰层热扩散率的分布参数系统最优控制模型.该优化模型采用遗传算法求解,并对模型中的热传导方程采用半隐式差分格式迭代求解.利用太原汾河二库天然冰温度场数据进行了实际计算.算例表明:数值模拟结果与实测数据吻合良好,所建立的优化模型及算法是正确、有效的.     

改进支持向量机分类方法及其在原发性肝癌筛查中的应用

为了尽早检测出原发性肝癌患者,辅助医生进行医疗决策,提高患者临床疗效,提出一种基于临床常规检验指标的筛查方法。该方法使用支持向量机建模,采用差异进化算法进行参数优化,以接收者操作特征曲线下面积的值作为模型评价测度,将得到的最优模型用于检验数据识别,以判断该数据属于健康、良性病变还是原发性肝癌。此外,还根据临床需求绘制分类模型的性能指标曲线和阈值查找表,由用户选择阈值,使预测性能进一步提升。实验结果表明：与其他5种分类方法相比,该方法建立的模型具有更好的性能,其准确度可达0.94,Kappa系数可达0.90。研究结果可辅助医生进行原发性肝癌早期筛查,提高患者长期生存率。     

基于高斯相似度分析的最大后验非线性变换HMM自适应算法

由于训练环境和识别环境的失配,识别系统的性能会严重下降,为此提出了基于高斯相似度分析的最大后验概率非线性变换的环境自适应算法,它可以减小由于环境的失配所引起的系统性能的下降.在该算法中,首先将HMM模型中的高斯分量进行相似度分析并建立二叉树,然后根据数据自适应调整变换类数,在每一类内利用分段线性回归近似非线性变换将训练环境下的HMM变换到识别环境,减小环境的失配,变换参数的估计采用了最大后验概率估计(MAP).数字语音识别实验证明:该环境自适应算法的识别性能优于带有高斯相似度分析的MLST、MAPLR和MLLR等算法.     

基于语义网络表示的皮肤症状模糊推理系统的研究

针对皮肤症状中的知识表示问题,讨论了语义网络的知识表示方法.并将模糊推理引入皮肤症状图像的分类识别中,给出了4种常见皮肤症状(黄褐斑、粉刺、黑头、雀斑)的语义网络表示,建立了识别的隶属度函数和基于语义网络表示的模糊推理算法,从而构建了一种皮肤症状模糊推理系统.实验结果表明,利用该推理系统得到的皮肤症状分类准确率达到了令人满意的效果.     

基于证据框架的模糊超球面支持向量机超参数优化

模糊超球面支持向量机(FHS-SVM)在处理一类分类问题时比超平面支持向量机泛化能力更强,特别是在雷达目标检测中得到了成功应用.FHS-SVM训练时需要预设一些超参数,不同的超参数得到的FHS-SVM性能差异很大.文中首先证明了FHS-SVM训练过程与证据框架第一层贝叶斯推理的等价性,然后在证据框架下提出了FHS-SVM超参数优化迭代方法.基于超宽带合成孔径雷达探雷数据,通过与穷举方法结果的对比检验了迭代优化方法的有效性.     

基于B-Spline神经网络的宽带通信发射机指纹估计

提出了一种根据接收正交频分复用(orthogonal frequency division multiplexing,OFDM)信号估计发射机IQ不平衡与非线性,并以此作为发射机指纹进行通信设备身份认证的方法.首先根据共轭对称导频估计多径信道脉冲响应,接着根据信道脉冲响应估计、共轭反对称导频与非线性功放的线性近似放大倍数估计发射机的IQ不平衡参数组合,然后进行发射机非线性的B-Spline神经网络模型系数估计,最后从非线性模型系数估计中提取相似因子,与IQ不平衡参数组合估计构成发射机指纹的特征矢量后进行通信设备身份的识别或确认.理论推导与数值仿真显示,该方法可用于OFDM通信设备的物理层高强度认证与防假冒等.     

基于改进PSO的汽车路径优化

车辆路径问题(Vehicle Routing Problem,VRP)是物流中的重要环节,主要研究物流配送中车辆线路优化以降低运输成本.本文利用粒子群优化算法求解VRP,为了提高求解效率,通过构造自学习算子、微粒的重新编码及运算规则的重新定义,使PSO算法能够处理离散问题,把微粒群算法应用于VRP问题的求解中,通过仿真证明了提出方法求解VRP问题的有效性和优越性.     

基于改进粒子群优化算法的PID控制器参数优化

PID参数优化是控制领域的热点,其控制效果与比例、积分、微分参数有直接关系.为了改善系统性能,提出用一种改进的粒子群优化算法对PID控制器参数进行优化.该算法引入进化速度因子和聚集度因子对权值进行改进,进而改进了速度更新公式,并引入飞行时间因子以改进位置更新公式.通过3种典型函数证明了该算法的优越性,加快了收敛速度,提高了寻优效率.以典型二阶被控模型为研究对象,将上述算法与其他粒子群算法进行对比,表明改进的粒子群算法得到的PID参数具有更好的控制性能.