互见中基于AIS数据的船舶领域

为确定船舶领域,根据琼州海峡船舶自动识别系统(AIS)数据,再现该水域内船舶航行过程.依据海上避碰规则,判断会遇船舶间避让义务关系,建立船舶避让行为和最近会遇点位置间的关系模型.利用数理统计和模糊数学方法,获得不同避让度下船舶领域的边界曲线,建立海上船舶领域模型.     

基于模糊逻辑方法的多船会遇安全态势评估

为了提高水上交通安全,减少船舶碰撞风险,基于模糊逻辑理论提出一种多船会遇安全态势感知评估方法。首先,基于船舶自动识别系统数据判断船舶会遇等典型交通场景下船舶避让优先级;然后,利用船舶相对距离、航速、船速比(本船与他船的航速比值)和相对方位(本船与他船的航向比值)等因素建立模糊评价规则,利用模糊综合评价法量化会遇态势下船舶的碰撞危险程度;最后,基于给定的风险阈值给出船舶航行安全风险预警。基于AIS数据对上海洋山深水港水域附近的多船交叉会遇和多船对遇局面进行仿真实验,实验结果表明所提出的方法能有效评估不同交通态势下船舶安全风险程度,可为智能船舶智能航行决策和安全预警提供数据支撑。     

注意力融合双流特征的局部GAN生成人脸检测算法

为解决现有局部生成式对抗网络(GAN)生成人脸检测算法在检测经过后处理的图像时性能严重下降的问题,提出一种注意力融合双流特征的局部GAN生成人脸检测算法.该算法利用双流网络分别从RGB颜色空间和YCbCr颜色空间中提取鲁棒特征,并引入注意力特征融合模块在不同网络层上融合双流特征以获得更鲁棒的特征.同时采用多层次特征融合决策提高网络对局部生成区域特征的提取和辨别能力.实验结果表明,所提算法的鲁棒性优于现有算法,尤其是针对JPEG压缩和双边滤波后处理.在FFHQ+规则子集上与次优算法相比,该算法在3种强度的JPEG压缩和双边滤波上的平均准确率分别提高了1.88%和2.64%;在FFHQ+不规则子集上与次优算法相比,该算法在3种强度的JPEG压缩和双边滤波上的平均准确率分别提高了2.85%和1.60%.     

基于改进GAN算法的电机轴承故障诊断方法

提出一种基于改进GAN(生成对抗网络)的滚动轴承故障诊断方法,以振动信号作为主要依据,结合连续小波变换处理非平稳信号的能力和半监督生成对抗网络(semi-supervised generation adversarial networks,SSGAN)处理和识别图像的功能,在半监督生成对抗网络的基础上引入条件模型并对损失函数进行优化,指导生成器和判别器的训练.首次将改进GAN算法应用于故障诊断领域并利用其生成模型和半监督学习能力分别解决了样本数据不足和样本标记问题.实验表明,连续小波变换与改进GAN 结合的故障诊断方法与其他主流诊断方法相比能达到较高准确率.     

基于情感分析和GAN的股票价格预测方法

股票价格具有非平稳性和波动性特点,且投资者容易受自身情感影响,投资决策行为具有非理性特征,因此股票价格难以预测.针对预测股票价格的卷积神经网络情感分析方法存在文本标记分布不平衡问题,本文提出一种基于情感分析和生成对抗网络的股票价格预测方法.首先,建立金融领域情感词典库;然后,使用基于词典的情感分析方法计算金融文本数据的情感极性和投资者每天的总体情感指数;最后,利用生成对抗网络对股市波动进行预测,其中生成器生成股票序列数据,而判别器采用卷积神经网络对生成数据和真实数据进行区分.该方法能动态地更新股票价格预测结果且误差较小.     

基于AIS数据的船桥碰撞概率评估方法研究

针对船桥碰撞风险评估中桥梁船撞概率计算问题,基于自动识别系统(AIS)数据获得桥梁船撞影响参数,以解决现有方法中没有考虑特定桥梁航区实际通航船信息的问题.基于AIS数据分析了航行船舶动态,获得了船舶位置、航速和偏航角等参数,分析了船舶交通流,并以实际的船舶交通流对AASHTO规范模型中的几何概率进行修正;基于内河流域水流变化规律对AASHTO规范模型中的偏航概率进行修正,对比分析了修正前后的结果差异.结果表明:AASHTO规范模型没有考虑通航船舶的实际航道和速度变化情况,会导致所计算的桥梁船撞概率结果误差较大;对于船舶航行情况复杂的桥区,有必要采用基于AIS数据获得的实际通航船舶信息来估计船舶在桥区的分布情况,以提高计算结果的准确性;对于水流流速变化达到3 m/s,流向角变化达到3°的流域,应考虑水流变化对碰撞概率的影响.     

基于特征优化生成对抗网络的在线交易反欺诈方法研究

为了降低在线交易欺诈数据的不平衡性对欺诈检测效果的影响,提出了一种基于特征优化生成对抗网络的在线交易反欺诈方法。该方法建立了WGAN网络包括生成模型和判别模型,对数据进行Key特征选取,在数据生成过程中进行Gumbel-softmax技巧采样输出,优化生成数据质量和提高训练稳定性;交替训练判别模型和生成模型直至模型收敛;接着将收敛的生成模型作为样本生成器生成少数类样本对原始数据进行平衡处理;利用平衡处理后的数据训练分类模型并进行模型评估。通过实验证明,该方法生成数据的效果优于SMOTE及其变种方法。     

一种高速多体船的纵向减摇预测控制方法

针对高速多体船在航行中纵摇和升沉运动幅度过大,以及减摇附体有严格的输入约束问题,提出一种有限时间观测器和单步预测控制相结合的纵向减摇方法.首先,建立由T型水翼和压浪板作为减摇附体的高速多体船控制模型,分析升沉运动和纵摇运动的耦合性,将控制模型分解为降维的单入单出模型和耦合量2项.其次,设计有限时间扩张观测器在线快速估计纵摇和升沉运动的时变耦合项,实时前馈补偿.在此基础上,针对补偿后的纵摇及升沉的运动模型,提出局部单步预测控制以提高系统的减摇性能,保证减摇附体满足约束.最后,将反馈预测控制量和补偿耦合量进行综合,通过减摇附体制分配矩阵得到T型水翼和压浪板的攻角.通过仿真验证该算法的有效性,结果表明升沉减少40%～50%,纵摇减少50%～65%.     

融合自上而下和自下而上注意力的图像描述生成

随着互联网的普及,每天都有海量的图片被传入互联网中。为了能更好地利用这些图片的价值,图像描述生成技术应运而生。提出一种融合自上而下和自下而上注意力的图像描述生成模型。在工作时,该模型分别利用预训练的ResNet101和Faster R-CNN(regions with convolutional neural network)提取输入图片的全局特征和局部特征,并利用自上而下和自下而上注意力分别计算两种特征的权重;利用门控循环单元(gate recurrent unit, GRU)提取一句话中单词之间的上下文语义信息;利用长短期记忆网络(long short-term memory, LSTM)解析图像特征和语义信息并生成描述语句。在训练时,首先以监督学习的方法,训练出基于编码器-解码器框架的一个基础模型;然后再以结合生成式对抗网络和强化学习的方法,在相互对抗中得到不断优化的策略函数和不断完善的奖励机制,从而使生成的句子更加准确、自然。本文模型在COCO数据集上进行训练和测试,最终在评价指标BLEU@1(bilingual evaluation understudy@1)上达到0.675...     

基于组稀疏卡尔曼滤波的多步轨迹预测方法

提出一种基于组稀疏卡尔曼滤波的机动轨迹多步预测方法。首先引入组稀疏编码,通过一次学习建立简单的多步线性回归预测模型,克服了传统方法未能充分利用历史数据而导致预测精度降低的问题;再利用最小角回归算法来计算该模型的稀疏系数,进一步改善模型系数估计的准确性;然后改进了卡尔曼滤波算法,并结合上述组稀疏编码算法,来确保预测结果的精确性;最后通过与传统BP、长短时记忆网络和组稀疏编码方法的仿真比较,验证了所提方法的有效性。     

考虑轨迹预测补偿的履带车辆滑动参数估计方法

由于履带与地面之间的相互作用力复杂,因此为履带车辆建立精确的模型较为困难.该文提出了一种基于轨迹预测补偿的双重无遗Kalman滤波(DUKF)的履带车辆滑动参数实时估计方法.上层无迹Kalman滤波(UKF)利用历史轨迹信息对滑动参数进行初步估计,将初步估计的滑动参数输入基于履带车辆瞬时转向中心(ICR)的车辆模型进行...     

一种基于MAS的分布式控制系统模型

提出了一种基于多 Agent的分布式计算机控制系统的模型 ,分析了该模型逻辑结构和工作原理 ,并通过实例介绍了一种软硬件 Agent的系统开发方法 ,用于分析和设计该系统中的控制单元。利用多 Agent系统的特点 ,将系统划分为若干职能 Agent,各 Agent之间采用黑板方式通信 ,使得控制系统具有良好的开放性与可重构性。该模型在分布式铁路信号计算机控制系统的设计和实施中得到了成功应用     

多时间尺度下变体生成式对抗网络的股价预测

股价预测能为公司经营、投资决策和市场监管提供重要依据。【目的】为了避免特征提取不足与预测不准等问题,我们构建了多时间尺度下变体生成式对抗网络对股价涨跌方向进行预测。【方法】首先以双向长短期记忆网络构造生成器,以卷积神经网络构造判别器;然后分别对生成器与判别器在多时间尺度数据上进行博弈训练,提取长期与短期特征后将结果拼接;最后获得预测模型。【结果】选取沪深300指数、建设银行与陕西煤业股价为样本进行实证分析,试验发现沪深300指数涨跌预测准确率达到59.63%,个股数据验证表明本文模型具有一定的稳定性与优越性。【结论】本模型能提高预测股价涨跌的准确率,丰富了金融数据分析方法。     

基于变预测时域的电动汽车轨迹跟踪控制

针对在不同车速下由于车辆动力学参数改变导致轨迹跟踪的误差变大的问题,研究电动汽车自适应性轨迹跟踪控制器设计.首先,基于模型预测控制(model predictive control,MPC)设计轨迹跟踪控制器,对比分析不同车速下不同预测时域对轨迹跟踪的影响;其次,通过仿真结果,发现不同车速下采用恒定预测时域,轨迹跟踪在...     

基于虚拟艇引导的无人艇轨迹跟踪模型预测控制

针对无人艇在跟踪任务前期因位置偏差过大及约束存在而导致模型预测控制器(MPC)震荡问题,提出一种由虚拟无人艇引导的MPC控制策略,引用虚拟过渡轨迹代替实际无人艇的目标轨迹,并设计转换条件决定无人艇在执行过程中何时退出该虚拟引导策略。为解决MPC稳定性问题,基于准无限模型预测控制理论,在MPC设计中添加终端惩罚函数,通过构造Lyapunov函数,证明了本文方法在有限时域内的稳定性。引入非线性干扰观测器对复杂海洋环境中的干扰进行观测,利用控制器对其进行补偿。圆形、正弦和直线三种工况的仿真实验验证了本文方法的有效性及准确性,可实现水面无人艇在复杂海洋环境下的轨迹跟踪控制。     

基于概率有向图模型的船舶进出港航路规划

为降低港口水域内的船舶航行风险,提高港口生产效率,提出基于概率有向图模型的船舶进出港航路规划算法.采用基于密度的聚类方法,对船舶进出港的历史轨迹进行分类,从而提取出船舶在港内的正常航行模式,并采用基于网格划分的方法对轨迹进行离散.以网格为节点及相邻网格为有向边,建立概率有向图模型.给定航路的起始点和目的地,动态搜索船舶可能的航行路径进行航路规划.分别选取100条进港轨迹和100条出港轨迹对模型进行验证,结果表明:模型输出的进港规划航路与船舶真实航迹间的平均航路偏差为0.18,出港规划航路与真实航迹间的航路偏差为0.28.本模型生成的航路结合了多数船舶的进出港航行规律,其适航性能满足要求.     

一种基于AC-RBF神经网络的网络安全态势预测方法

为了准确地把握网络安全发展态势,提出了一种基于自适应聚类径向基函数(adaptive clustering radical basis function,AC-RBF)神经网络的网络安全态势预测(network security situation prediction, NSSP)方法?该方法对网络安全态势样本自适应聚类,获得了神经网络隐层节点数,采用梯度下降法训练神经网络,寻找网络安全态势样本之间的非线性映射关系,利用该关系对未来时刻网络安全态势进行了预测? 仿真实验表明,相对于 K-均值 RBF 神经网络及支持向量机(support vector machine,SVM)预测模型,该方法在神经网络规模较小的情况下,不仅能够反映网络安全态势的总体趋势,而且还提高了预测精度,能够提供给网络安全管理员一个直观的网络安全态势图 ?     

基于GAN的多变量时间序列异常检测方法

近年来,生成对抗网络在多变量时间序列异常检测中得到了广泛应用。然而现有解决方案多存在一些局限性,主要限制是没有明确地捕捉多变量时间序列在时间维度和特征维度上的复杂依赖关系而导致误报。针对该问题,本文使用生成对抗网络对多变量时间序列进行建模,通过在各网络中加入一个多通道注意力层来捕捉数据时间和空间维度的重要性,以提高异常检测的准确性。此外,生成器使用解码-编码器结构,通过在训练阶段对编码器、解码器和判别器进行联合训练,使得异常检测阶段无需计算从实时空间到隐空间的最佳映射,以此提高异常检测的效率。本文在两个公开数据集上进行了实验验证,结果表明,所提方法相较于基线方法在异常检测性能上优势明显。     

基于WGAN反馈的深度学习差分隐私保护方法（英文）

针对攻击者可能通过某些技术手段如生成式对抗网络(GAN)等窃取深度学习训练数据集中敏感信息的问题,结合差分隐私理论,提出经沃瑟斯坦生成式对抗网络(WGAN)反馈调参的深度学习差分隐私保护的方法.该方法使用随机梯度下降进行优化,设置梯度阈值进行梯度裁剪,对深度学习的优化过程添加噪声实施隐私保护;利用WGAN生成与原始数据相似的最优结果,对比生成结果与原始数据的差异进行反馈调参.实验结果表明,该方法可以有效保护数据集的敏感信息并且具有较好的数据可用性.