l^1鲁棒辨识的快速算法

根据“时间宽度”思想,得到了ｌ＾１中有噪声时的时间宽度的上、下界函数,对两上具体的先验集,构造了确定最大降低系统不确定度的系统输入规划模型,并给出了混合遗传进化算法。     

l1鲁棒辨识渐近性态的研究

基于ｌ１拓扑空间的局部紧性，研究了ｌ１鲁棒辨识的渐近收敛性质，据此提出了一个具体的辨识算法，并讨论了辨识误差的ｌ１范数度量界     

一种鲁棒的稀疏信号重构算法

针对稀疏信号重构性能不稳定的问题,结合半阈值迭代算法,提出了一种鲁棒的稀疏信号重构算法。该算法首先对随机信号采用半阈值迭代算法进行重构,以获得初步的重构信号,然后改变迭代初值和参数初值进行新的迭代计算,同时增加一个新的循环终止条件,在保证算法稳定性与收敛速度的同时,使迭代结果跳出相对误差较大的局部极小点而收敛于误差较小的点成为可能,提高了重构信号的成功率。对该算法进行了信号重构和图像重构2个方面的实验,结果表明,与半阈值算法及相关算法比较,无论是对高斯信号、符号信号还是自然图像信号,该算法重构信号的成功率都有明显提高,较半阈值算法平均提高了约30%~40%,表现出较强的鲁棒性。     

带有双误差项线性回归模型的鲁棒参数估计

一般的参数估计往往对分布的偏差很敏感,对于带有一个误差项的系统,鲁棒参数估计方法能较好地解决这一问题.这里基于极小极大方法,给出了带有两个误差项线性回归模型的鲁棒参数估计.     

确保状态估计性能的极小极大鲁棒Kalman滤波器

本文讨论了一类具有不确定噪声的连续时间线性系统的极小极大鲁棒Ｋａｌｍａｎ滤波器的设计方法．本文在给定允许偏离度的条件下，给出了确保估计误差性能指标的不确定噪声相关矩阵扰动上界，并在此界限内采用最坏情况下的最优滤波器实现对状态估计，不仅能极小化不确定下的最坏性能，而且还能确保估计误差性能指标的偏离度在给定的允许范围内．     

双背景模型的快速鲁棒前景检测算法

针对前景检测中的光照变化问题,提出一种基于双背景模型的快速鲁棒前景检测算法.通过建立简单的快慢双背景模型,提高前景检测的效率.结合视频时间感知信息和光照补偿措施,增强算法对光照变化的鲁棒性,提高前景检测精度.在具有光照变化的公开数据集上进行测试,实验结果表明:所提出的算法不仅对光照变化有较强的鲁棒性,同时,具有极快的处理速度.     

鲁棒多目标优化问题的约束标量化方法

【目的】研究带约束多目标优化问题的鲁棒有效解和鲁棒弱有效解的标量化性质。【方法】利用K?bis等人提出的鲁棒标量化方法将带约束的确定性多目标优化问题推广到鲁棒多目标优化问题,在此基础上建立了多目标优化问题的鲁棒有效解和鲁棒弱有效解的标量化结果,并利用具体例子对主要结果进行解释。【结果】将带约束的确定性多目标优化问题推广到鲁棒多目标优化问题,引入了一类带鲁棒松弛和剩余约束的标量化问题,得到了鲁棒标量化问题的有效解和弱有效解的标量化结果。【结论】得到的结果是对最近的一些研究工作的改进与推广。     

鲁棒RLS波束形成算法

分析了多径传播环境下,信号方向向量的偏差和采样样本数目的变化对自适应波束形成算法性能的影响,提出了一种鲁棒RLS波束形成算法·该算法具有收敛速度快,抗扰动性强,误差小的特点·采用鲁棒RLS波束形成算法不但降低了波束形成器对于信号方向向量的偏差的敏感程度,而且可以保证阵列输出的信干噪比(SINR)接近最优值,仿真实验验证了所提算法的有效性·实验结果表明即使在强扰动或偏差存在的情况下,采用鲁棒RLS算法可使系统具有良好的SINR,而且可以改善加权向量的归一化偏差·     

基于快速鲁棒互相关算法的图像拼接系统

本文介绍了一种全新、快速、顽健(鲁棒)、遍历的图像拼接算法——快速鲁棒互相关算法.该方法利用图像间的互相关性进行鲁棒配准.它利用快速傅里叶变换在频域范围内分析处理速度、时间耗费量等指标,因此具有运算迅捷的特点.特别是在匹配大尺寸图片时,快速鲁棒互相关算法的运算速度与传统互相关算法相比具有明显的优势,是直接鲁棒匹配算法运算速度的几千倍.     

一种动态过程辩识的鲁棒BP算法

提出一种ＢＰ网络的鲁棒算法,该算法克服了ＢＰ网络收敛速度慢,不具有抗强干扰的缺点,并用于动态系统辩识,仿真结果表明了算法的有效性。     

Improved MFCC-Based Feature for Robust Speaker Identification

The Mel-frequency cepstral coefficient (MFCC) is the most widely used feature in speech and speaker recognition. However, MFCC is very sensitive to noise interference, which tends to drastically degrade the performance of recognition systems because of the mismatches between training and testing. In this paper, the logarithmic transformation in the standard MFCC analysis is replaced by a combined function to improve the noisy sensitivity. The proposed feature extraction process is also combined with speech enhancement methods, such as spectral subtraction and median-filter to further suppress the noise. Experiments show that the proposed robust MFCC-based feature significantly reduces the recognition error rate over a wide signal-to-noise ratio range.     

一类鲁棒辨识算法的研究

提出了一种新的基本参数模型估计的辨识算法,该算法不仅辨识出一个参数点还辨识出每个参数的误差界。它将噪声界代入辨识,并在辨识过程中依据误差,动态修正辨识收敛速率及方向,以期获得满意的辨识性能。     

多响应近似线性回归模型的Minmax稳健设计

研究多响应变量近似线性回归模型的Minmax稳健设计问题．以响应变量均方误差阵的迹tr（MSEM）为准则,对回归方程系数采用广义最小二乘估计,进而利用最小二乘法得到最优逼近函数．从而将Huber（1975）的方法和Wiens（1990）的结果推广到多响应变量场合．最后考察了一个特例,即当回归变量问可能存在交互作用时的双响应二元曲面线性回归模型,得到了与Wiens（1990）较一致的结果．     

样条函数与稳健估计在线路线形识别中的应用

利用不同线形的曲率特性采用三次样条函数与稳健估计相结合的方法进行线形类别的识别 ,即首先利用三次样条逼近实际的轨迹 ,由样条函数绘制里程曲率图 ,对里程与曲率数据进行分组稳健平差 ,进而计算不同组直线的交点 ,该点的里程即为不同线形要素交点的里程 ,从而达到线形识别的目的 .还阐明了利用曲率进行线形识别的局限性 .     

短语快速识别法在英语阅读教学中的应用研究

通过探究英语学习者阅读速度慢、阅读理解正确率低的原因,寻求一种行之有效的阅读方法来帮助他们尽快达到英语阅读速度与阅读理解正确率高的要求,即短语快速识别法在英语阅读教学中的应用研究。实验结果表明,短语快速识别法可有效纠正阅读者逐字识别的不良阅读习惯,扩大视幅,从而帮助其提高阅读速度及阅读理解正确率。