基于线性判别分析的时频域特征提取算法

针对复杂环境中的声目标特征提取与选择问题,结合声信号时频域的特点,提出了一种时频域相结合的特征提取方法。首先,对信号进行小波分解,达到去噪目的;然后,将短时能量、短时平均幅值、过零率及频带能量值作为原始特征矢量,并结合Fisher判别准则进行特征选择,以此构造低维特征向量;最后,对两类声目标的实测样本数据进行特征提取,并采用支持向量机和K近邻两种分类器对该特征提取方法的有效性进行校验。实验结果表明,采用“时域+频域+线性判别分析”的特征提取方法简单有效,且与单一时域或频域的特征提取方法相比,识别率更高。     

多变时滞不确定中立型系统的滑模控制

研究了不确定中立型系统的滑动模态控制.系统含有多个变时滞和非线性外部干扰项;根据当前状态和时滞状态给出了滑模面的设计,滑模控制器的设计保证了系统的状态轨线在有限时间内被驱动到指定的滑模面上并保持运动;再利用构造Lyapunov函数的方法给出了闭环系统渐进稳定的一个充分条件,充分条件以线性矩阵不等式的形式给出.     

A Simple Linear Regression Approach to Modeling and Forecasting Mortality Rates

Observing that a sequence of negative logarithms of 1‐year survival probabilities displays a linear relationship with the sequence of corresponding terms with a time lag of a certain number of years, we propose a simple linear regression to model and forecast mortality rates. Our model assuming the linearity between two mortality sequences with a time lag each other does not need to formulate the time trends of mortality rates across ages for mortality prediction. Moreover, the parameters of our model for a given age depend on the mortality rates for that age only. Therefore, whether the span of the study ages with the age included is widened or shortened will not affect the results of mortality fitting and forecasting for that age. In the empirical testing, the regression results using the mortality data for the UK, USA and Japan show a satisfactory goodness of fit, which convinces us of the appropriateness of the linear assumption. Empirical illustrations further show that our model's performances of fitting and forecasting mortality rates are quite satisfactory compared with the existing well‐known mortality models. Copyright © 2015 John Wiley & Sons, Ltd.     

基于MIMO直达波的无人机分布式相参雷达相位同步方法

分布式相参雷达(distributed coherent aperture radar, DCAR)实现信号全相参的前提是相位同步,而各单元雷达的初始时钟参差、机动性引入的位置误差、本地振荡器的初始相位等因素均会导致DCAR相位不同步问题。为解决上述相位不同步问题,提出一种基于多输入多输出(multiple input multiple output, MIMO)直达波的无人机DCAR相位同步方法。该方法对各单元雷达接收的直达波,首先利用包络同步法联合双向时间比对的方式,估计出时间同步误差,再提出坐标线性变换法和偏移线性变换法用于各单元雷达位置误差的估计,并联合同一单元雷达分置辅助天线接收波以提高位置误差的估计精度。最后,利用误差估计值对直达波进行补偿,剩余相位即不同单元雷达收发对下的初相估计。仿真实验验证了所提方法的有效性。     

基于ICP算法的非合作目标特征点云配准优化

针对视觉测量中非合作目标无法提供合作信息从而引起的位姿测量问题,采用ICP(Iterative Closest Point)算法配准不同时刻获取的点云降采样数据来完成目标的相对位姿测量。利用运动恢复结构算法获取了目标当前时刻的点云数据并比较了基于阈值匹配与光流匹配的特征点匹配算法,利用三角测量法对提取到的特征点进行重建,同时将点云数据进行降采样处理,根据降采样后的点云数据计算出不同时刻目标的相对位姿关系。实验表明当物体发生旋转运动时,对降采样数据利用ICP算法计算得到的目标绕坐标轴旋转角度最大误差不超过0.11º。     

结合上下文特征和图割算法的车载点云聚类方法

可靠、准确的点云聚类是后续高精度场景目标分析与解译的基础.该文提出了一种基于上下文特征和图割算法的车载点云聚类方法.首先用DBSCAN （density-based spatial clustering of applications with noise）对点云数据进行过分割，得到密度可达的超体素；然后引入空间和属性上下文特征来描述超体素间的关联，并用于定义超体素构建的图模型边的权值；最后基于多标记的图割优化算法得到最佳超体素聚簇.实验结果表明，该方法能够有效改善点云聚类过分割，从而提高聚类的精度.     

静态武器目标分配问题的攻击界整数规划求解方法

静态武器目标分配(weapon-target assignment, WTA)问题的直接表现形态是非线性.在不丧失模型最优解的前提下,本文把WTA问题建模为整数线性规划(ILP)模型,并提出在最优武器分配方案中攻击特定目标的武器数量存在上界(攻击界).在采用启发式方法限定攻击界后,WTA问题的ILP模型的维数被大规模降低,使得求解能够在短时间内完成.与近年来发表于国内外期刊上的算例进行试算比较,结果显示本文提出的方法在求解速度和求解优化程度方面具有明显的优势.     

The total cost of misclassification in credit scoring: A comparison of generalized linear models and generalized additive models

This study examines whether the evaluation of a bankruptcy prediction model should take into account the total cost of misclassification. For this purpose, we introduce and apply a validity measure in credit scoring that is based on the total cost of misclassification. Specifically, we use comprehensive data from the annual financial statements of a sample of German companies and analyze the total cost of misclassification by comparing a generalized linear model and a generalized additive model with regard to their ability to predict a company's probability of default. On the basis of these data, the validity measure we introduce shows that, compared to generalized linear models, generalized additive models can reduce substantially the extent of misclassification and the total cost that this entails. The validity measure we introduce is informative and justifies the argument that generalized additive models should be preferred, although such models are more complex than generalized linear models. We conclude that to balance a model's validity and complexity, it is necessary to take into account the total cost of misclassification.     

基于聚类方法和神经网络的非线性系统多模型自适应控制

针对具有参数跳变的非线性系统,联合聚类算法和神经网络提出新的多模型自适应控制方法。首先对系统的输入输出数据进行模糊聚类,然后基于递推最小二乘法建立多个固定模型。为提高系统的暂态性能,同时建立两个自适应模型,并在此基础上设计鲁棒自适应控制器。此外,为了补偿系统的非线性部分,建立非线性预测模型,并设计非线性神经网络自适应控制器。所提方法可使控制切换系统具有稳定性保证。最后,通过性能指标对控制器进行平滑切换。仿真结果表明,所提方法能够保证系统具有良好的控制性能。     

基于L_1范数支持向量分类机的算法扰动设计

普通向量分类机算法普遍有效率低下、算法复杂的缺点,为了进一步降低计算量,提高算法效率,提出了支持向量机算法.该算法将二次规划问题转换为线性规划问题,同时可以进行优化降次.结果显示,在数据量较大的情况下可以迅速并较为准确地处理大量数据,面对较为困难的数据处理时可以实现数据的有效分类.