基于EM算法的有监督LVQ神经网络及其应用

针对监督LVQ神经网络存在神经元未被充分利用以及输入样本和竞争单元之间的信息被浪费等问题。通过将EM算法引入到LVQ神经网络中,提出了基于EM聚类算法的有监督LVQ神经网络(即EMLVQ网络),从而弥补了LVQ神经网络的不足且具有EM算法提取样本信息精确的优点。通过参数的简化可以得到EMLVQ算法是软竞争格式(SCS)的一种推广。最后将它们应用于说话人辨识。实验表明,EMLVQ神经网络辨识说话人取得了很好的效果。     

基于朴素贝叶斯和EM算法的软件工作量缺失数据处理方法

软件工作量数据缺失是软件工作估算的一个难题.本文在朴素贝叶斯模型和EM(expectation maximization)算法的基础上,提出了针对软件工作量数据缺失的处理方法.首先,本文介绍了数据缺失的内在机理;然后,本文提出了基于朴素贝叶斯和EM算法的软件工作量预测的方法;之后,本文提出了两种软件工作量数据缺失处理方法:容忍数据缺失方法和修复缺失数据方法;最后,本文利用ISBSG和CSBSG软件工作量数据集验证了本文所提出的数据缺失处理方法.实验结果表明:本文所提出的两种缺失数据处理方法的性能要优于MINI修复方法结合SVM的分类模型;修复缺失数据方法的预测性能要优于容忍数据缺失方法;对于两个数据集来说,其每一类别的工作量数据都来自于一个高斯组件.     

ACPH分布数据拟合的封闭形式EM算法

ACPH(Acyclic continuous phase type)分布类在[0,+∞)上的全体连续概率分布函数类中稠密,是具有通用性的概率分布类.提出采用EM(Expectation maximization)算法解决ACPH分布的数据拟合问题,给出了ACPH分布数据拟合的封闭形式EM算法,并通过6个拟合实例验证了该方法的有效性.     

弹上设备加速寿命试验中加速因子估计方法

长寿命、高可靠弹上设备产品的加速寿命试验存在小样本、失效机理复杂的问题,难以通过传统的统计方法对其加速因子进行估计,为此本文基于特征寿命的概念,充分继承弹上设备产品各组成部件的可靠性预计方法以及阿伦尼斯(Arrhenius)加速试验模型,采用由底层数据向上层结构综合的思想,提出一种整机受试产品的加速因子估计方法,并推导给出受试产品的贮存寿命综合预计模型。以弹上某型气压高度表产品为例,完成具体的贮存寿命加速试验方案设计与分析,并给出故障判定及处理准则,以此验证本文方法的工程适用性。     

一种滤波反投影算法的加速方式

提出了滤波反投影（filtered back projection, FBP）算法的基于被动式射线驱动和预插值的反投影策略。首先对滤波后的投影采用线性插值预插值到更加精细的间隔上,然后对每个角度下的滤波投影用被动式射线驱动法反投影,得到重建图像。反投影时为了减少求取投影地址时三角函数的运算,将三角函数值事先求得并存到查找表中,需要时调用。反投影时采用简单的最邻近插值法插值,以节省插值时间。仿真实验表明,这种方法可以有效提高反投影速度。     

加速寿命试验中多应力加速模型综述

针对加速寿命试验发展的瓶颈问题——加速模型的确定,将国际上已提出的具有代表性的多应力加速模型进行了具体介绍和分析。从模型提出的方法及其适用性出发,特别讨论了Fallou等人提出的适用于电子绝缘器件的各种温度电应力加速模型,以及由美国马里兰大学Barker等人提出的适用于简单印制电路板的温度振动应力加速模型。最后通过各种模型的对比以及模型与实际情况间差距的分析,指出了现有多应力加速模型存在的缺陷及其发展趋势。     

基于EM算法的水下目标辐射噪声模型参数估计

对水下目标辐射噪声的混合高斯模型进行参数估计时,针对极大似然函数很难求解的问题,研究了一种使用海洋环境噪声统计信息的期望值最大算法(EM算法).在对Bouvet和Schwartz水下目标辐射噪声信号和海洋环境噪声模型研究的基础上,修正了传统的EM统计算法,以降低计算的复杂度,提高迭代收敛速度.仿真结果和实船信号实验数据的一致性,表明基于EM算法的混合模型参数估计方法,使得参数估计复杂度降低,运算量明显减少,估计性能较好,具有很好的应用价值.     

Weibull分布对数线性加速模型的可靠性估计方法

针对Weibull分布产品的多应力加速试验,提出采用对数线性加速模型描述多个应力和产品寿命之间的定量关系,建立了Weibull分布对数线性加速试验的可靠性分析模型。鉴于似然函数的高度非线性和非单调特性,采用遗传算法得到了加速模型参数的极大似然估计,可以实现不同应力之间可靠性特性参数的相互转换。仿真算例验证了所提方法的有效性。     

加速收敛的人工蜂群算法

针对人工蜂群算法(artificial bee colony algorithm, ABC)存在的收敛速度慢、易陷入局部最优的缺点,提出了一种改进算法。首先,设计新的选择策略和交叉策略,使群体快速向最优解靠近;然后,鉴于控制侦查蜂行为的参数难于确定,且对算法性能影响较大,提出了基于反向学习的变异策略代替侦查蜂行为,同样达到避免陷入局部最优的效果。通过对10个标准测试函数的仿真表明,改进算法几乎都可以得到各测试函数的全局最优解,而且收敛速度快、鲁棒性好。改进性能明显优于现有人工蜂群算法。     

基于正交试验和元胞自动机模型的加速并行遗传算法

针对标准遗传算法中存在早熟收敛、后期收敛速度慢以及解精度低的问题,结合正交试验设计和元胞自动机模型,提出了一种改进的加速并行遗传算法(APGA)。APGA利用正交试验设计确定较好的初始种群,利用元胞自动机模型固有的并行计算能力设计并行遗传算法,借助元胞信息的动态性和多元性实现正交加速过程。仿真结果表明,APGA能够有效地防止早熟收敛,可以极大地提高遗传算法的搜索效率和解的精度。     

双参数精确罚函数求解约束优化问题的拟牛顿算法

对于含约束不等式的最优化问题,给出了一种双参数罚函数形式和这种罚函数的精确罚定理,提出了一个求解这种罚函数无约束优化问题的拟牛顿算法,研究了它的收敛性,数值实验表明了该算法是可行的.     

汽车驱动防滑遗传PI控制半实物仿真

应用遗传算法设计了驱动防滑控制系统的参数自整定油门位置及驱动轮制动压力增量PI控制器。论述了其设计过程,建立了调试控制算法的半实物仿真器,针对典型附着路面进行了半实物仿真研究。结果表明:控制算法能自动识别路面附着变化,有效抑制驱动轮过度滑转,改善汽车的加速性。     

Video segmentation using multiple features based on EM algorithm

Object-based video segmentation is an important issue for many multimedia applications. A video segmentation method based on EM algorithm is proposed. We consider video segmentation as an unsupervised classification problem and apply EM algorithm to obtain the maximum-likelihood estimation of the Gaussian model parameters for model-based segmentation. We simultaneously combine multiple features (motion, color) within a maximum likelihood framework to obtain accurate segment results. We also use the temporal consistency among video frames to improve the speed of EM algorithm. Experimental results on typical MPEG-4 sequences and real scene sequences show that our method has an attractive accuracy and robustness.     

一种利用弹体轴向加速度测量值解算弹道的方法

提出了一种可用于弹道修正弹药弹道预测,利用弹体轴向加速度测量值结合2-d质点弹道方程进行弹道解算的方法.根据2-D质点弹道模型,分析了弹体轴向加速度与弹丸速度变化率之间的关系.建立了利用弹体轴向加速度测量值进行弹道解算的数学模型.利用靶场试验数据对这种方法进行了验证,解算弹道诸元与实测值基本吻合.最后分析了弹体轴向加速度测量误差对弹道解算精度的影响,发现加速度传感器零位偏置误差对解算精度影响显著.     

基于快速牛顿法的自正交变换域(N-SO-TRLMS)算法研究

提出一种能够较好改善剩余误差性能的低复杂度自正交变换域(N-SO-TRLMS)改进算法,该算法基于快速牛顿算法的思想,降低了SO-TRLMS算法中近似变换对输入逆矩阵的估计误差;理论推导了改进算法的误码率解析表达式,分析了剩余误差和运算复杂度;静态和动态干扰环境下的仿真结果表明:改进算法在保持快速收敛特征的前提下,表现出较小的剩余误差和较强的鲁棒性。     

快速计算分层粗糙面散射的FBM/SAA算法

为快速获取分层粗糙面的电磁散射特性,提出一种结合前后向迭代算法（forward-backward method, FBM）与谱积分加速法（spectral accelerate algorithm, SAA）的快速算法（FBM/SAA）,该算法的计算量和内存均与粗糙面离散剖分产生的未知量同量级（O(N)）。建立了分层粗糙面上关于未知电流分布的电场积分方程并采用矩量法（method of moment, MoM）将其离散为矩阵方程;在用FBM对矩阵方程进行迭代求解过程中,采用SAA技术加速计算矩阵和矢量乘积以快速求解;将FBM/SAA应用于三层媒质分层粗糙面的双站散射系数的计算,计算结果与传统MoM和FBM相一致,证明了算法的有效性;分析了粗糙面参数不同情况下算法的收敛性,比较了传统MoM和FBM/SAA所耗费的CPU时间。结果表明,在计算较长分层粗糙面的散射时,FBM/SAA具有明显优势。     

求解电大目标散射问题的累进迭代方法

在矩量法(MOM)的基础上,采用混合场积分方程(CFIE)结合累进迭代的数值方法(PNM)研究了电大尺寸目标电磁散射问题。目标被分成一些小区域,因此缩小了所需要求逆的矩阵的大小并且减少了计算时间。数值模拟计算了理想导电的圆柱,矩形柱的表面电流分布。所得的结果和一般分域基矩量法的结果以及圆柱的理论计算结果吻合得很好ss,说明了本文方法的有效性。