面向不平衡数据集融合Canopy和K-means的SMOTE改进算法

针对SMOTE算法和随机森林可较好解决不平衡数据集的分类问题但对少数类样本分类效果还有待提高的问题,融合Canopy和K-means两种聚类算法,设计了C-K-SMOTE改进算法。先后利用Canopy算法进行快速近似聚类,再利用K-means算法进行精准聚类,得到精准聚类簇,最后利用SMOTE算法增加少数类样本数量,使数据趋于平衡。选取公开数据集KEEL(knowledge extraction on evolutionary learning)数据库中的不平衡数据集,结合随机森林分类模型进行了实验验证,实验表明C-K-SMOTE算法可有效平衡不平衡数据集。     

基于Simulink/VRML的自主水下航行器编队控制仿真

针对多自主水下航行器编队协同控制问题，建立了基于Leader-Follower编队的数学模型，设计了编队控制律，并从理论上证明了控制律的稳定性。为了直观地表达自主水下航行器编队控制的效果，利用MATLAB的Simulink/VRML工具箱构建了水下航行器的编队控制的可视化仿真模型。仿真结果表明，提出的编队控制算法是有效的，所构建的仿真平台直观地表达了自主水下航行器的编队效果，该仿真模型易于扩展，且可以验证其它编队控制算法。     

MATLAB下6自由度AUV的VRML建模及仿真

传统航行器的控制仿真研究是用仿真曲线来校验其控制模型的正确性,而利用虚拟现实技术不仅可以校验模型的正确性,还能实现比较好的人机交互,并将水下作业的仿真过程及其仿真环境直观的表现出来。为了研究水下航行器的可视化仿真,介绍了在MATLAB环境下自主水下航行器的VRML建模问题,运用VRML构建水下航行器运行的虚拟场景,并在Simulink仿真环境下利用MATLAB虚拟现实工具箱实现对水下航行器视景仿真的应用。