基于核函数的混沌序列局域线性预测方法

针对局域线性预测方法本质上是用较简单的非线性函数来预测高度非线性的混沌时间序列的不足,提出了一种基于核函数的局域线性自适应预测算法。该算法利用包含了相空间中邻近点之间的相对距离信息的核函数,将相空间中的邻近点投影到更高维的非线性核空间,在高维(甚至无穷维)的核空间用线性自适应算法预测混沌时间序列,相当于在原混沌相空间用高度非线性的函数预测高度非线性的混沌时间序列,可获得更好的预测结果。给出了应用该方法的具体步骤,通过仿真实验证明了该算法的有效性。     

虚拟制造中的光顺性分析及其建模仿真算法

产品的光顺性分析在虚拟制造中占有重要的地位,但目前还没有对曲线曲面光顺性进行定量分析的方法,通过定义曲线曲面的光顺度,给出了一种对曲线曲面光顺性进行定量分析的方法。依据光顺度的定义,提出了一种基于光顺度的约束优化光顺算法,该算法也可以通过不同的约束条件来调节光顺情况。通过仿真建模实验,可知本算法有较好的实验结果。     

基于网格划分的混合优化算法

提出了用于求解大规模优化模型的基于网格划分的混合算法。该算法引入了空间划分和收缩的思想,在求解过程中首先应用全局优化算法确定优解信息,其次使用网格划分和合并将解空间快速划分和收缩为多个子空间,然后用局部优化算法在模型的极值点附近搜索,可以很快地收敛到极值点。仿真结果表明该算法在搜索效率、应用范围、解的精确性和鲁棒性上都体现了良好的性能。     

一种基于网格密度与空间划分树的聚类算法

基于密度的聚类是聚类分析中的一种,其主要优点是发现任意形状的聚类和对噪音数据不敏感.文章提出了一种新的基于网格密度和空间划分树的CGDSFF(Clustering based on Grid - Density andSpatial Partition Tree)聚类算法.其创新点在于,将数据空间划分成多个体积相等的单元格,然后基于单元格定义了密度、簇等概念,对单元格建立了一种基于空间划分的空间索引结构(空间划分树)来对数据进行聚类.CGDSPT算法保持了基于密度的聚类算法的上述优点,而且CGDSFF算法具有线性的时间复杂性,因此CGDSPT算法适合对大规模数据的挖掘.理论分析和实验结果也证明了CGDSPT算法的优点.     

基于法向夹角的点云数据精简算法

随着三维扫描技术的不断发展,获得的点云数据规模也日益庞大。存储、处理或显示这些数据都将消耗大量的时间和计算机资源,因此需要对点云数据进行精简。提出一种基于法向夹角的点云数据精简算法,通过对不同的点云数据使用本算法和传统方法进行实验,表明该算法能够在移出冗余数据的同时,在特征区域保留更多的细节。     

基于模糊邻近关系的结构聚类

在有序粒度空间理论的基础上,提出了基于模糊邻近关系的结构聚类分析理论和方法.首先,给出了依据距离的一致聚类的概念,提出了模糊粒度空间的一致聚类特征;其次,给出了模糊邻近关系结构聚类的粒度表示,并获得了基于模糊邻近关系结构聚类的快速算法;进而,提出了获取最佳聚类的新方法,并且这一方法是全局最优的;最后,给出了通过两个模糊邻近关系的交运算获取结构聚类融合的方法.为复杂系统结构分析研究提供了一整套理论工具和方法.     

基于深度强化学习的云作业调度及仿真研究

针对复杂瞬变的多用户多队列多数据中心云计算环境中作业调度困难的问题,提出一种基于深度强化学习的作业调度方法.建立了云作业调度系统模型及其数学模型,并建立了由传输时间、等待时间和执行时间三部分构成的优化目标.基于深度强化学习设计了作业调度算法,给出了算法的状态空间、动作空间和奖赏函数.设计与开发了云作业仿真调度器,完成作...     

基于密度的计算机兵棋推演数据快速聚类算法

针对计算机兵棋推演数据的特点,提出了一种基于密度的快速聚类算法-基于密度的快速空间聚类算法(quick density based spatial clustering of applications with noise, QDBSCAN),目的是通过聚类检测孤立点,快速定位地面部队兵力部署上的缺陷。QDBSCAN算法在基于密度的空间聚类算法(density based spatial clustering of applications with noise, DBSCAN)算法的基础上做了相关改进:在邻近度度量上提出了最短可行路径的概念,使聚类更符合计算机兵棋的规则;动态设置密度参数;采用提出的代表对象选择方法来减少对对象邻域的判断次数;按区域对数据进行分组以缩小聚类规模。实验表明,QDBSCAN算法的性能在数据规模较大的情况下,明显优于DBSCAN算法。     

毫米波共形相控阵雷达导引头波束形成

针对毫米波圆锥台共形相控阵天线阵列低副瓣波束形成,提出了基于最优非均匀子阵划分及最优子阵激励的低副瓣波束形成方法.该方法利用多目标进化算法,先通过对整个扫描波束空间进行空间采样并形成空间采样点的天线辐射方向图,然后引入两个多目标函数对这些空间采样点的天线辐射方向图进行低副瓣约束,可获得指定扫描空间内任意角度的低副瓣波束形成.通过多目标进化算法优化子阵结构及其激励能够有效抑制辐射方向图副瓣电平.仿真实验证明该方法有效.     

基于构造物特征点的矢量数据化简算法

在进行公路矢量数据化简时,采用已有算法,一些构造物可能会在转换低比例尺时被不正确地化简掉,影响应用的正确性.提出了一种基于构造物特征点的二级矢量数据化简算法,根据空间位置提取高速公路中的构造物点,进行一级化简,构成构造物特征点,以每个特征点作为分割点,将整个曲线划分为若干子曲线,在每个子曲线中采用Douglas-Peucker算法进行二级化简,最后进行子曲线合并,并设计了一种多比例尺矢量数据组织的构建方法.实验表明该数据化简算法能够有效化简数据,并且保存完整的构造物特征点,选取的多级比例尺能够满足应用的需求.     

概率天气预报的K近邻非参数估计仿真模型

基于模式识别和相似预报思想，提出了一种制作概率天气预报的K近邻非参数估计仿真模型(简称KNN-M)。该模型包括历史样本数据库、近邻子集搜索程序、近邻子集优化算法和预报量估计技术。利用该模型进行了降水和云量的概率预报试验，独立样本检验结果表明，该模型预报稳定性好，预报准确率较高，具有较好的业务应用前景。     

自适应带宽中值偏移视频图像分割研究

一种新的非参数估计算法一一基于交叉置信区间（ICI）规则的自适应带宽中值偏移（ABMS）算法应用到视频图像平滑和分割过程中，以有效去除图像的噪声和微纹理信息并保留图像中物体的轮廓结构特征。在中值偏移算法中应用ICI规则和采样点估计器确定自适应带宽参数，得到中值偏移向量并实现图像中的象素聚类。与此同时，融合图像块运动特征，抽取视频运动对象。实验和仿真结果验证了该方法的有效性。     

基于蒙特卡罗模拟的直觉正态云多准则群决策方法

定义了直觉正态云模型,提出了基于直觉正态云的多准则群决策方法.该方法将不同决策者给出的不确定决策信息看作是直 觉正态云中部分云滴的集合,以此对云的参数加以估计.同时,为了比较决策者对不同方案的偏好,设计了直觉正态云发生算法,并 利用该算法通过蒙特卡罗模拟生成各方案综合表现云的云滴样本并进行统计,按统计结果来对各方案综合评价云进行排序.最后实 例说明了该方法的可行性和有效性.     

基于均匀圆阵伪协方差矩阵的单快拍测向方法

传统的单快拍测向算法只适用于具有Vandermonde形式的阵列流型, 均匀圆阵的阵列流型不具有Vandermonde矩阵结构, 因此大部分基于线阵的伪协方差矩阵的构造方法无法直接适用于均匀圆阵。针对该问题, 从侦察方的角度对波达方向(direction of arrival, DOA)估计算法进行了研究, 改进了伪协方差矩阵的构造方法, 提出了一种基于均匀圆阵的单快拍测向算法。通过与模式空间前后向平滑(mode forward-backward spatial smoothing, MODE-FBSS)算法的对比仿真, 验证了算法的有效性, 证实了所提方法的性能优于MODE-FBSS算法。     

二维GTD模型参数估计的PQ-FB-2D-ESPRIT算法

二维基于旋转不变技术信号参数估计(2D-estimating signal parameter via rotational invariance techniques, 2D-ESPRIT)算法是估计几何绕射理论(geometric theory of diffraction, GTD)模型参数的一种经典算法,但在信噪比较低的条件下, 2D-ESPRIT算法的参数估计精度明显下降,噪声鲁棒性较差。针对这一问题,提出一种极化平方前后向平滑2D-ESPRIT(polarized-quadratic-forward-backward 2D-ESPRIT, PQ-FB-2D-ESPRIT)算法,有效地提高了算法的噪声鲁棒性与参数估计性能。改进算法利用目标散射回波数据的极化信息,并通过对协方差矩阵平方处理和前后向空间平滑处理,提高了算法的参数估计性能与数据利用率,同时达到了去相关的效果。仿真结果表明,提出的PQ-FB-2D-ESPRIT算法的参数估计性能及噪声鲁棒性要优于经典2D-ESPRIT算法、前后向平滑2D-ESPRIT(forward-backward 2D-ESPRIT, FB-2D-ESPRIT)算法及平方FB-2D-ESPRIT(quadratic-FB-2D-ESPRIT, Q-FB-2D-ESPRIT)算法。基于不同算法估计得到的GTD模型参数对散射中心的定位精度进行比较,进一步验证了改进算法的优越性与有效性。     

基于MUSIC算法的GTD模型参数估计

将能够精确描述高频电磁散射的GTD信号模型引入MUSIC算法,并对MUSIC算法作了相应改进。利用特征分析方法的信号与噪声子空间的正交特性,使改进后的MUSIC算法既能精确估计目标散射中心位置,又能估计散射中心类型,取得了较好的效果。针对各种空间平滑预处理方法对噪声子空间与信号正交特性的影响进行了仿真,指出空间平滑预处理方法会影响噪声子空间及信号子空间结构,进而影响散射中心类型的估计,所以应对散射中心类型的最终结果进行修正。     

基于电磁矢量阵列的加权极化平滑解相干算法

针对极化平滑(polarization smoothing, PS)算法解相干源时没有利用子阵的互相关信息导致分辨率较差的问题,提出一种新的解相干源预处理方法--加权极化平滑(weighted polarization smoothing, WPS)算法。该算法利用了电磁矢量阵列6个分量组成的子阵的全部自相关和互相关信息。对接收阵列协方差矩阵的36个子矩阵做加权滑动平均,得到等效阵列协方差矩阵,以该协方差矩阵对角化为约束,推导最优加权系数的理论表达式,并分析等效信源协方差矩阵的秩,得到WPS算法最大的解相干源数为6。计算机仿真结果表明WPS算法与PS算法相比具有更高的分辨性能和估计精度。     

未知相关噪声下的广义波达方向估计算法

针对未知相关噪声情况下信源波达方向的估计,提出一种适用于均匀线阵的广义波达方向估计算法。该算法利用修正后的协方差差分算法,有效地消除了阵元间的相关噪声的影响。不同于以前的算法,提出的算法通过对接收数据的前后向空间平滑协方差矩阵进行共轭运算得到新的变换矩阵,因此修正后的协方差差分矩阵是个实部为零的厄米特矩阵,从而有效地降低了特征分解过程的计算量。本算法能解决相关噪声下,同时分辨相干与非相干信源的问题。理论分析和仿真结果均表明所提算法的有效性。