基于选择集成学习的表面增强拉曼光谱检波算法

文章提出了一种表面增强拉曼光谱的检波算法.该算法基于选择性学习和3种经典检波算法,构建了一个组合波峰检测器.结果表明,与传统算法相比,针对波峰提取,作者的算法有更好的正确率和检出率.证明作者的算法是一个可靠的模型,可以用于表面增强拉曼光谱和其他光谱分析的工程应用.     

面向大规模数据的特征趋势推理算法

提出一种面向大规模数据的特征趋势推理算法. 首先, 采用Hash函数抽取大规模数据样本, 使用Pam聚类算法和并行K means聚类算法对大规模数据样本进行聚类, 获取最佳聚类结果后, 提取大规模数据聚类的动态特征； 其次, 采用基于特征趋势规则的推理算法, 构建大规模数据特征的趋势规则推理模型, 并通过累计趋势规则方法设计趋势规则算法, 推理大规模数据特征趋势, 解决了推理结果误差较大的问题. 实验结果表明, 该算法对大规模数据特征趋势推理的准确率均值为98.10%, 推理速度增长率为50%, 推理耗时最大均值仅为114.25 s, 能快速准确地完成数据特征趋势推理.     

融合多视角信任的个性化推荐算法

为了提高传统协同过滤推荐算法推荐的准确度,对评分信任和社交信任赋予自适应的权重,结合概率矩阵分解算法,提出一种综合的个性化推荐算法.该算法在Filmtrust数据集上进行验证,并与相关算法进行对比,结果表明所提算法在MAE(mean absolute error)和RMSE(root mean squared error)指标上均得到有效的改进.     

融合差分改正的RSSI指纹库室内定位研究

基于RSSI指纹库的室内定位中,由于受到室内复杂环境的影响,实时采集的指纹数据会存在一定的误差,将其直接用于定位,必将降低室内定位的精度。考虑定位区域内接收的不同RSSI信号值具有相关性,采用RSSI差分改正的方式提高定位精度。误差改正数的计算与定位是本算法的关键,直接决定了定位的准确率。而选择不同数量与不同位置的参考点都将影响误差改正数的结果。泰森多边形能构建整体角度最大化的多边形网络,并在空间信息领域具有广泛的应用。为此,运用泰森多边形的空间邻接性质选择用于误差改正数计算的参考点,设计定位区域坐标改正数和RSSI向量元素改正数的计算方法,得到共用误差,并应用到指纹数据的校正与定位。最后,在Eclipse编程环境下,配合PostgreSQL/PostGIS空间数据库与Mybatis数据库映射工具,开发了实验原型系统,并对提出的融合差分改正的算法进行实验测试,从实验结果得出相较于未差分改正前,定位准确率有一定的提高。     

单载波高速相干水声通信技术研究

对单输入单输出系统(SISO)和单输入多输出系统(SIMO)单载波高速相干水声通信中时域判决反馈结合二阶数字锁相环路均衡技术进行了研究.采用低信噪比下鲁棒的稀疏水声信道估计算法(DAMP)估计信道,利用信道估计结果设计均衡器前馈、反馈阶数和均衡器初值,提高了系统鲁棒性.在厦门港进行了10km距离高速水声通信实验,结果表明:在厦门港10km距离,接收信噪比均值约为6dB的环境下,4kbit/s通信数据误码率均小于2%,传输图片清晰.结合多通道处理,误码率可降低到10-4数量级以下,提高了系统鲁棒性.     

基于分数阶Fourier变换的多载波Chirp中远程水声通信技术

线性调频(Chirp)信号由于其独特的脉冲压缩特性,作为一个宽带信号在水声通信中拥有窄带信号所不能替代的优势,具体表现为时宽带宽积增益所带来的抗多普勒扩展性能,以及时频域的能量聚集性能,有利于抵抗频率选择性衰落.利用Chirp信号在其分数阶Fourier变换(fractional fourier transform,FrFT)的最佳分数阶变换域的冲激特性,使用二进制正交键控的调制方式,提出了一个用FrFT作为解调方法的多载波Chirp水声通信方案.该系统的特点是充分利用Chirp信号的性质,省去均衡环节,大大简化通信系统接收端结构,同时保证足够的强壮性.通过在计算机仿真、实验室水池实验以及海洋实验验证了该方案的性能.在通信距离为10km,平均水深为18m的浅海水声环境中,系统的通信速率为553bit/s时,系统的误码率达到了10-4量级.     

基于形态学运算的种子轮廓自动获取方法

为解决传统手工初始化种子轮廓影响肝脏分割算法稳定性的问题,提出了一种基于形态学运算的自动种子轮廓获取方法.根据序列CT图像中肝脏的灰度特性和结构特性,利用线性灰度变换、阈值滤波、中值滤波及对比度增强对肝脏CT图像进行预处理操作,进而通过形态学腐蚀运算快速准确获取肝脏自动分割需要的种子轮廓.实验结果表明,该自动种子轮廓获取方法可以快速、准确地定位出肝内种子轮廓,保证种子轮廓不会因操作人员不同而发生位置变化.     

基于单波束测距声呐的水下机器人避障仿真研究

针对多波束声纳体积大,成本高的局限,利用单波束声呐的探测波束依次旋转,依次获取自主式水下航行器(autonomous underwater vehicle,AUV)前方的左、中、右3个区域的障碍物距离信息.通过设计合适的环境障碍状态与有效的避障行为集合,并利用强化学习选择适合AUV自主避障的障碍状态-行为组合.仿真实验表明,根据单波束传感器提供的障碍物信息,通过强化学习获得的状态-动作组合,可以保证AUV躲避前方90°开角的障碍物,达到安全航行的要求.     

基于深度学习进行动作模仿的舞蹈机器人

为了增强智能机器人的人机交互性,探索了人类对图像的认知理解过程在机器人上的实现方案.以舞蹈机器人作为研究对象,将舞蹈的视频信息作为输入,利用深度学习方法对视频中的人体姿态进行估计,得出人体的关键点位置坐标;再利用机器人逆运动学计算求解得到机器人各关节角度值,调整下半身关节角度值来保持机器人的平衡.最终在优必选Alpha ebot人形机器人上进行了实验.结果表明该系统可通过分析RGB图像对画面中的动作进行模仿,提高了机器人舞蹈的灵活性与交互性.