GSVM优化问题的一种新的光滑函数法

提出求解广义支撑向量机(GSVM)优化问题的一种新的光滑函数法,克服了已有算法收敛速度慢且计算结构复杂的缺陷。首先利用最优化理论的KKT互补条件,将GSVM转化为无约束优化问题,然后给出了基于Newton型迭代的光滑函数的迭代方法。给出了这种光滑函数的有关性质、迭代算法的迭代格式及其收敛性。通过理论分析及数值实验证明了该算法对初始点不敏感,且收敛速度快、数值稳定。从而验证了算法的可行性和有效性。     

AN SQP METHOD BASED ON SMOOTHING PENALTY FUNCTION FOR NONLINEAR OPTIMIZATION WITH INEQUALITY CONSTRAINT

1 IntroductionIn tabs paper, we consider the following nonlinear optbostion problem:where j: Re - R, g: Re - Re are continuously ~ntiable functinns. SoP method forproblem (1) generates a sequence of points which converges to a K--T point of problem (1)through the following iterate formulaxk 1 = x* adds (2)adhere da is the solution of the following quadratic Prograrxuning problemin which Bh is a sylnlnetric positive deflate lllatris and A* is a stepsise obtained by some lineseaxch to redu…     

分段状态约束非线性预测控制数值算法研究

针对含分段状态约束的非线性预测控制问题,在状态约束隐式法基础上提出了一种改进的快速数值算法。通过平滑处理将分段状态约束转化为与目标函数相同的正则形式,转化后的状态约束连续可微,从而可以由相同Hamiltonian方法计算目标函数和状态约束函数对控制参数的一阶导数。仿真结果表明,状态转换法能够求解双足机器人非线性预测控制问题。与惩罚函数法相比,状态转换法寻优时间短,数值最优解是所有约束范围的内点,从而证明了该方法的有效性。     

光滑支持向量机多项式函数的研究

为了找到多项式光滑支持向量机(polynomial smooth support vector machine,PSSVM)中性能更好的光滑函数,将正号函数变形并展开为多项式级数,得到一类光滑函数。证明了这类函数的性能,它既能满足任意阶光滑的要求,也能达到任意给定的逼近精度。用Newton-Armijo算法求解相应的PSSVM模型,实验结果表明,随着多项式光滑函数阶数的提高,逼近精度和相应PSSVM模型的分类性能也相应提高。     

存在通道误差情况下的多普勒解模糊方法

提出了一种存在通道误差情况下对多通道数据先均衡后解多普勒模糊的方法.通过对均衡函数进行平滑滤波消除了动目标和噪声对于多通道均衡的影响,对经过均衡的多通道数据利用改进的方法计算滤波权向量,然后利用波束形成实现多普勒解模糊.将该方法应用于实测数据中,取得了良好的效果,验证了其有效性.     

一种求支持向量机光滑函数的新方法

光滑函数在支持向量机中起着重要作用.用插值函数的方法曾导出了一个求光滑函数的递推公式,然而,用该递推公式求光滑函数还很繁琐.针对该问题,用积分的方法得到了求多项式光滑函数的一个新递推公式.算例表明,用新递推公式求光滑函数比原递推公式简单得多,为研究支持向量机的光滑函数提供了一种新方法.     

A NEW CONJUGATE GRADIENT METHOD AND ITS GLOBAL CONVERGENCE PROPERTIES

1.Intr0ductionConsidertheunconstrainedminimizationproblemminf(x),xER",(1)wheref:R"-R1isacontinuouslydifferentiablefunction.Inthispaperwerestrictourselvestostudyingtheconjugategradientmethodoftheformwherex1isagiveninitialp0int,dkisthesearchdirection,crkistllesteplengtllalongdk,gk=g(xk)isthegradientoffatxkandPkisasuitablescalar.Thewell-knownibrmulasforgkaretheFletcherandReeves(FR)formulaReceivedN0vemberRevisedMarchl4,l997.*Thisresearchissupp0rtedbytheNati0nalNa1lraIScienceF0undationofChi…     

A new approach of available transfer capability incorporating wind generation

The approach of available transfer capability (denoted as ATC) incorporating wind generation has been paid very high attention since the development of wind generation. Based on the maximum function, this paper presents an ATC model. The characteristic of the new model is twofold. First, it considers wind turbines connected to power system and static security of power system simultaneously. Second, it is a system of semismooth equations and can be solved easily. By using the smoothing strategy, a smoothing Newton method is adopted for solving the proposed new ATC model. Numerical simulation results of the IEEE 30-bus and 118-bus system show that the new model and algorithm are feasible and effective. The impact of wind turbines connected to power system on ATC is also analyzed.     

Variable Selection via Generalized SELO-Penalized Cox Regression Models

The seamless-L_0(SELO) penalty is a smooth function that very closely resembles the L_0 penalty, which has been demonstrated theoretically and practically to be effective in nonconvex penalization for variable selection. In this paper, the authors first generalize the SELO penalty to a class of penalties retaining good features of SELO, and then develop variable selection and parameter estimation in Cox models using the proposed generalized SELO(GSELO) penalized log partial likelihood(PPL) approach. The authors show that the GSELO-PPL procedure possesses the oracle property with a diverging number of predictors under certain mild, interpretable regularity conditions. The entire path of GSELO-PPL estimates can be efficiently computed through a smoothing quasi-Newton(SQN) with continuation algorithm. The authors propose a consistent modified BIC(MBIC) tuning parameter selector for GSELO-PPL, and show that under some regularity conditions, the GSELOPPL-MBIC procedure consistently identifies the true model. Simulation studies and real data analysis are conducted to evaluate the finite sample performance of the proposed method.     

基于多观测向量块稀疏的MIMO雷达非理想正交波形成像

基于稀疏恢复的多输入多输出(multiple input multiple output, MIMO)雷达波形分离方法,能够代替匹配滤波,提高MIMO雷达非理想正交波形分离效果,对目标高分辨成像。但由于目标像稀疏性较弱,多观测向量(multiple measurement vector, MMV)稀疏恢复算法的效果有限。通过调整感知矩阵发掘目标像的块稀疏性,提出了一种基于块稀疏的MMV稀疏重构算法来提高成像质量。首先采用改进的复合三角函数(improved composite trigonometric function, ICTF)作为平滑函数近似l₀范数,然后将其扩展到基于块稀疏的MMV模型,最后通过自适应调整正则化参数提升算法稳健性。通过实验验证了该算法在不同稀疏度、不同信噪比下的重构性能,仿真分析了其应用于MIMO雷达对多散射点目标模型的成像效果。仿真结果表明,所提算法能够更好地提高成像质量。     

基于多观测向量块稀疏的MIMO雷达非理想正交波形成像

基于稀疏恢复的多输入多输出(multiple input multiple output, MIMO)雷达波形分离方法,能够代替匹配滤波,提高MIMO雷达非理想正交波形分离效果,对目标高分辨成像。但由于目标像稀疏性较弱,多观测向量(multiple measurement vector, MMV)稀疏恢复算法的效果有限。通过调整感知矩阵发掘目标像的块稀疏性,提出了一种基于块稀疏的MMV稀疏重构算法来提高成像质量。首先采用改进的复合三角函数(improved composite trigonometric function, ICTF)作为平滑函数近似l₀范数,然后将其扩展到基于块稀疏的MMV模型,最后通过自适应调整正则化参数提升算法稳健性。通过实验验证了该算法在不同稀疏度、不同信噪比下的重构性能,仿真分析了其应用于MIMO雷达对多散射点目标模型的成像效果。仿真结果表明,所提算法能够更好地提高成像质量。     

多径信道下ZP-OFDM信号的时域参数盲估计

针对低信噪比多径信道下,零前缀正交频分复用（zero prefix orthogonal frequency division multiplexing, ZP-OFDM）信号时域参数估计精度低的问题,提出了一种改进的ZP-OFDM信号时域参数盲估计方法。该方法首先计算信号的功率自相关函数,并利用小波消噪及平滑滤波对其进行预处理,通过检测峰峰值距离的方法完成符号总长度的估计。然后计算单位符号总长度数据的幅度平方值并对其进行小波分解与重构,设定门限提取一个零前缀估计值。最后通过多段数据联合估计确定最终的零前缀估计长度。仿真实验结果表明,在低信噪比多径信道条件下,提出ZP-OFDM信号的时域参数盲估计方法具有良好的估计性能。     

一种机载GPS高速率定位数据输出算法

为满足高动态环境的需要 ,提出了一种适用于机载全球定位系统 (GPS)高速率定位数据输出的算法。该算法先对GPS数据进行抑制随机误差的预处理 ,再用三次样条函数进行插值或逼近 ,通过样条函数的表示 ,实现任意速率的输出。该方法可以在事后处理中弥补GPS数据输出速率低的不足 ,由于利用了载机运动特性的先验信息 ,因此输出参数精度比传统的插值方法要高。仿真结果表明了本算法的正确性和有效性     

基于NURBS和GOBL-ACDE的航迹规划算法

针对复杂地形条件下无人机低空突防动态航迹规划实时性及精确性的问题,提出了基于广义反向学习的自适应约束差分进化(generalized opposition-based learning adaptive constrained differential evolution, GOBL-ACDE)算法,结合非均匀有理B样条(non-uniform rational B-spline, NURBS)平滑策略,提高了多威胁复杂地形下动态航迹规划的精确性、高效性及适航性。首先,构建航迹规划任务模型,建立目标代价及约束限制函数,提出一种高度转换方法,有效提高低空突防能力;其次,将NURBS平滑策略与B样条插值以及贝塞尔曲线对比分析;再次,应用广义反向学习、自适应排序变异及自适应权衡模型,改善约束条件下算法动态性、收敛性及寻优性能;最后,通过静态与动态环境对比仿真试验,验证了所提方法在多威胁复杂地形下寻优精度高、鲁棒性强、动态性好以及可靠性优的特点,能够规划出精确、高效、适航的低空突防航迹。     

甘肃河西绿洲灌区农作物生育期降雨量的模拟分析

利用张掖市1981-1990年期间农作物生育期内降雨量的观测数据,建立了相应的模拟模型。具体的研究方法是采用五点三次平滑方法,对原始数据进行平滑处理,在此基础之上,再利用高斯函数模拟该地区农作物生育期内的降雨量。从对模拟结果的方差分析看,利用平滑方法对数据进行改造,由于消除了数据随机误差产生的影响,提高了数据的质量,从而使得模拟结果的精度有了进一步的提高,为合理开发和有效利用水资源、建立精确灌溉决策支持系统奠定了基础。     

Smoothing Non-Stationary Time Series Using the Discrete Cosine Transform

This paper considers the problem of smoothing a non-stationary time series (having either deterministic and/or stochastic trends) using the discrete cosine transform (DCT). The DCT is a powerful tool which has found fruitful applications in filtering and smoothing as it can closely approximate the optimal Karhunen-Loeve transform (KLT). In fact, it is known that it almost corresponds to the KLT for first-order autoregressive processes with a root close to unity: This is the case with most economic and financial time series. A number of new results are derived in the paper: (a) The explicit form of the linear smoother based on the DCT, which is found to have time-varying weights and that uses all observations; (b) the extrapolation of the DCT-smoothed series; (c) the form of the average frequency response function, which is shown to approximate the frequency response of the ideal low pass filter; (d) the asymptotic distribution of the DCT coefficients under the assumptions of deterministic or stochastic trends; (e) two news method for selecting an appropriate degree of smoothing, in general and under the assumptions in (d). These findings are applied and illustrated using several real world economic and financial time series. The results indicate that the DCT-based smoother that is proposed can find many useful applications in economic and financial time series.     

动态多模型指数平滑法融合的在线预测方法

针对传统预测算法实时性差、难以适应多种数据变化情况、参数无法根据数据的实时变化进行在线调整等问题,提出了一种动态多模型指数平滑法融合的在线预测算法。该算法根据历史数据的预测误差,动态调整指数平滑法的平滑系数,以及1次、2次、3次指数平滑法的融合权值,实时得到对传感器测量参数的准确预测。仿真表明,该算法在多种数据变化情况下均优于单一采用指数平滑法。     

动态多模型指数平滑法融合的在线预测方法

针对传统预测算法实时性差、难以适应多种数据变化情况、参数无法根据数据的实时变化进行在线调整等问题,提出了一种动态多模型指数平滑法融合的在线预测算法。该算法根据历史数据的预测误差,动态调整指数平滑法的平滑系数,以及1次、2次、3次指数平滑法的融合权值,实时得到对传感器测量参数的准确预测。仿真表明,该算法在多种数据变化情况下均优于单一采用指数平滑法。     

预测混合中心平滑法去噪

在信号去噪声中,要同时去除脉冲噪声和白噪声,有一定的困难本文研究了左预测和右预测,及中心平滑法,并证明了中心平滑法中的两个限制条件提出了预测混合中心平滑法去噪分析了该方法的根信号特征及统计特性并通过摸拟试验检验了该方法,试验结果说明了该方法是切实可行的.     

二维相干信号测向估计方法

针对双平行线阵列,提出了一种相干信号二维波达方向估计新方法.该方法利用双平行线阵的特点,在空间平滑法基础上通过构造新的协方差矩阵,进一步去除了信源间的相干性.相对空间平滑法计算量无明显增加,并且利用信号的方向矢量元素来直接估计信号角度.该方法不需要谱峰搜索,大大减小了运算量,具有分辨率高和估计方差小的优点.最后,通过仿真说明了该方法的有效性.