一种自动目标识别算法参数的优化方法

提出了一种基于试验设计方法学的响应曲面模型方法，用于建立算法的性能模型．将一种小群体自组织的遗传算法用于算法参数的优化．遗传算法的改进，使得结构更加合理简单，收敛速度明显加快．实验结果表明，所提出的方法能够随着场景条件的变化较好地调整算法参数，从而有效地提高了算法性能．     

一类信息交迭关联大系统的分散自适应控制

针对关联和有信息交迭的大系统,提出了一种分散自适应控制方法．在对子系统进行辨识的基础上进行适应控制器的设计,同时控制输入之间进行信息交换,以考虑子系统之间的关联作用．从而降低由于关联项造成的不利影响,从而有效抑制每个子系统的有界扰动．最后采用李亚普诺夫方法证明了系统的全局稳定性．通过对电力网大系统的仿真,表明了本文方法的有效性．     

国土调查云在地理国情监测外业核查工作中的应用

外业核查作为内业信息提取的辅助手段,是地理国情监测成果数据质量保证的重要环节。探讨了基于国土调查云的地理国情监测外业核查一体化实施的关键技术、实施流程以及实际效果,全力保障地理国情工作顺利实施,提高地理国情监测外业核查工作的便利性、时效性、真实性,同时为自然资源监管提供及时、准确、有效的基础服务支撑,为提高自然资源管理信息化、科学化水平提供依据。     

基于粒子群的工业大数据雾计算多目标优化任务调度算法

针对工业生产中基于软件定义网络的雾计算架构大数据处理场景中的独立任务调度问题，提出了基于粒子群的多目标优化任务调度算法。该算法同时考虑优化任务的完成时间与异构雾集群的负载均衡值两个指标，采用一种非线性递减的方法更新惯性权重值，解决基本粒子群算法后期权值较大导致局部收敛能力较弱的问题。通过MATLAB仿真验证了所提算法的有效性。试验结果表明，在前期获得更大搜索空间的同时该算法提高了后期的收敛速率。     

基于自适应简化容积卡尔曼滤波的编队卫星相对导航

针对在星间相对导航中噪声的统计特性未知可能引起滤波估计精度下降甚至发散的问题，提出了一种自适应简化容积卡尔曼滤波(ASCKF)算法。将Sage-Husa自适应滤波与容积卡尔曼滤波(CKF)相结合，通过容积规则摆脱线性滤波的局限性。改进Sage-Husa噪声估计器以避免噪声方差在线估计可能出现的非正定现象，从而保证了滤波器对噪声统计变化的自适应能力。结合编队卫星运动模型的特点，用常规卡尔曼滤波(KF)的时间更新代替相应的容积变换过程，在不影响滤波器性能的前提下减少了运算量。仿真结果表明：在测量噪声统计特性未知的情况下，与CKF相比，该文算法对相对状态的估计精度提高了近25%,同时滤波器的稳定性也得到了提高。