一种基于马尔可夫链的高维离群点挖掘算法

提出了一种基于马尔可夫链的离群点检测(outlier detection algorithms based on Markov chain, MRKFOD)算法。该算法把基本数据集看作一个加权无向图,数据集中的每个数据表示一个节点,用每条加权边表示节点之间的相似度;形成一个邻接矩阵,把邻接矩阵当作马尔可夫链中的概率转移矩阵;寻求概率转移矩阵的主要特征向量;把每个节点的主要特征向量值作为每个数据的离群度。实验结果表明,该算法与其他高维离群点挖掘算法相比,在效率及有效处理的维数方面均有显著提高。     

基于粒子群优化技术的点匹配算法

点匹配问题一直是计算机视觉、模式识别、医学临床诊断领域的一项重要的基础性工作。本文提出了一种基于粒子群优化算法的准确、快速和鲁棒性的点匹配方法。该方法首先确定两个特征点集的点匹配问题的能量函数，通过最小化该能量函数可以同时得到点集之间的匹配矩阵和映射参数，利用粒子群优化算法求解变换参数，实验表明，该算法适用于点匹配，具有操作方便、可靠性好、不易陷入局部极值等优点。     

改进的频域盲分离排序不确定性消除算法

讨论了频域盲源分离算法中的排序不确定性问题.根据相邻频点上同一个信号的频谱幅度相关大于不同信号频谱幅度相关的特点,提出了一个改进的基于相邻频点幅度相关性的排序不确定性消除算法.在两个相邻频点上构造一个幅度相关矩阵,再根据相关性大小将幅度相关矩阵转换为转王矩阵.该方法可以实时处理卷积信号频域盲源分离算法的排序不确定问题,在对每个频‘点进行独立分量分析的同时确定各分量的顺序.该算法效率高、鲁棒胜好.仿真实验表明了算法的有效性.     

基于视觉的近距离编队对偶四元数相对位姿估计算法

针对近距离编队飞行中位姿估计问题,提出了一种新的点到区域匹配航天器间视觉相对位姿估计算法。给定主星表面上的点集及与之匹配的从星摄像机像平面图像凸区域,结合对偶四元数及凸优化数学工具,充分利用对偶四元数描述坐标系变换的简洁性,建立了对偶四元数凸优化位姿估计模型,估计出主星与从星之间的相对位姿参数。该算法不仅利用对偶四元数较传统四元数描述坐标系变换的优势,而且采用凸优化方法可大大降低传统位姿估计方法中需要精确的点到点匹配的要求。仿真结果证明,该算法能满足近距离编队相对位姿估计精度要求,具有较好的鲁棒性,对目前航天任务中航天器间视觉相对位姿估计具有重要参考价值。     

少控制参数的分层式骨干粒子群优化算法

针对传统粒子群优化易于早熟的缺点,提出一种少控制参数的改进骨干粒子群优化算法.该算法利用关于粒子全局和个体极值点的高斯分布更新粒子的位置,无需设置惯性权重和学习因子等控制参数;利用混沌扰动策略产生粒子的全局极值点,提高了粒子群的多样性;为改善算法的全局探索能力,依据收敛速度动态分配每个粒子的变异概率,设计了一种自适应跳离算子;为均衡算法的局部开发和全局探索能力,给出了一种分层式粒子更新公式.最后,将所提算法用于多个典型测试问题,并与三种典型算法进行对比,实验结果证明了它的有效性.     

基于项目集格及位图索引的频繁项目集发现算法

以格论及位图索引技术为基础给出了一个新的频繁项目集发现算法.1)该算法利用有向图进行一次性数据预处理,在预处理过程中将数据库预先存贮为每个结点都用一个域来记录其支持度的项目集格,从而把复杂的频繁项目集的发现问题转化为图搜索问题,提高了频繁项目集发现过程的效率.2) 支持度计算是关联规则发现中I/O及计算开销都非常大,算法引入了位图索引技术,提高了项目集支持度的计算速度.存储完整位图需要较大空间,针对该问题算法对位图进行了分块管理并对其进行了有效的编码压缩;不仅可以有效地对原始位图进行有效压缩,另外也可以在较大程度上提高支持度的计算效率.最后,对算法进行了计算实验与分析.     

一种获取未建模复杂过程近似极值点的算法

为了求得未建模复杂过程在输入空间的某一子空间内,输出量极值点分布情况,针对未建模多输入单输出(MISO)复杂过程提出一种通过实验记录数据获取近似极值点的算法。即通过对多元函数极值定义的扩展,给出复杂过程近似极值点的定义,基于近似极值点的定义提出根据实验记录数据求取未建模MISO复杂过程近似极值点的算法和实现算法时要注意的问题。最后通过对一个二维非线性函数描述的过程的数字计算,得到与理论分析相同的极值点分布的结果,表明算法的有效性。     

决策表的属性重要性与离散化

运用 Rough集理论处理决策表时 ,要求决策表中的值用离散数据表达。文中形式化描述了离散化问题 ,研究了决策表的属性重要性 ,提出计算条件属性重要性的新方法 ,然后给出基于属性重要性的决策表离散化算法。该算法按照属性重要性从小到大的顺序对每个属性进行离散化 :从可辨别矩阵中得到冲突样本 ,将冲突样本的属性值作为断点的上下界 ,用所有这样的断点化简后得到的断点集对该属性进行离散化处理。     

基于负曲率极值点的零件识别与检测技术研究

在机器人柔性自动装配中,零件的识别与定位是一项极为重要的技术。提出了一种新的基于点到弦的距离累积算法,以实现零件轮廓曲线上负曲率极值点的检测,并在此基础上利用短切规则实现目标轮廓的分解与特征参数的提取。首先,用平面几何区域的面积来近似平面点到弦的距离累积积分,得出了距离累积积分与曲线曲率之间的关系,利用距离累积积分来检测平面离散曲线的负曲率极值点。然后,利用短切规则对零件轮廓进行分解,获取零件的几何特征,实现零件的识别与检测。试验和仿真结果说明了该方法的有效性。     

基于新最速下降算法的自适应波束形成

针对阵列信号处理中自适应波束形成技术的抗干扰问题, 提出一种基于新的最速下降法的波束形成算法。新的最速下降法将多元二次凸优化问题转换为一元二次问题, 通过循环迭代的方式使求出的极值点向高维凸优化问题的极值点逼近, 最终使结果收敛到最优解。将这种算法应用于自适应波束形成, 提高自适应波束形成的收敛速度、抗干扰能力和低快拍下工作的能力。经过仿真验证, 与基于最小均方算法以及改进最小均方算法的波束形成方法进行比较, 所提出的波束形成算法具有抗强干扰、收敛速度快、能在低快拍条件下工作的优点。     

医学体绘制的一种快速光线投射算法

针对医学体数据场的直接体绘制(DVR)的加速算法进行了讨论。基于体绘制的多种加速技术,利用格雷厄姆求凸壳算法和与平面簇求交算法对体数据场和投射光线进行裁剪,结合多边形的扫描线转换和投射光线的离散化、体素化,改进了光线投射算法。     

基于TDOA/AOA混合的高精度室内可见光定位算法

为了提高室内三维空间的定位精度,提出了一种基于联合到达时间差与到达角度(time difference of arrival/angle of arrival,TDOA/AOA)信息的混合定位算法。由于构建的目标函数具有非凸性,采用传统定位算法在目标函数求解过程中会出现局部最优解的问题。因此,针对该问题,将目标函数转成二次约束二次规划问题,通过引入半定松弛(semi-definite relaxation,SDR)方法将目标函数转换为二阶锥规划(second order cone programming, SOCP)问题,寻找全局最优解。其次,针对SOCP无法对凸包外的目标进行有效定位的问题,在该算法的基础上引入了惩罚项,使松弛后的约束条件进一步逼近原始约束条件,解决了定位过程中的凸包问题。数值仿真结果表明:在10 m×10 m×3 m的三维定位空间内,选取40×40个测试点,平均定位误差为1.39 cm,可实现室内三维空间高精度定位。与传统的混合定位算法相比,均能够获得较高的定位精度。     

基于T样条拼接的彩椒果实可视化研究

彩椒果实表面具有沟痕深、凹凸性强等特征,难以获取曲面造型所需控制点。为克服以上缺点,提出利用T样条无缝拼接的方法进行彩椒果实几何建模。首先根据形态特征将彩椒分为若干片段,利用三维扫描仪获取各片段三维数据点,然后应用NURBS曲面分别建立各个片段的模型,最后使用T样条的无缝拼接算法将各片段组合为完整的彩椒模型,并在VC++和OpenGL平台得到了真实感较强的彩椒果实可视化模型。实验表明,该方法不仅能够拼接片段之间的缝隙,还能极大地增加模型的真实感。     

基于OBB层次结构碰撞检测的改进算法

方向包围盒（Oriented bounding box：OBB）的构造以及包围盒的相交测试的计算量都比较大，严重影响了在模拟、仿真的应用，尤其是有变形物体的场景。引入近似凸包的思想提出一种快速构造方向包围盒算法，很大程度上减少了构造方向包围盒（0BB）层次结构的顶点数，改进后的算法在降低构造层次结构时间的同时，对方向包围盒的紧密性代价几乎没有影响，在有些时候还提高了包围盒的紧密性。在包围盒相交测试方面，提留了一种基于筒单羽以爱的相交须刿方击，该算法在检测过程中省去了大量包围盒的相交测试计算，提高了相交测试的速度。最后将两种改进算法联合的碰撞检测框架与常用的基于均值和协方差矩阵的包围盒构造和基于分裂轴的算法进行比较，证明了算法具有高效性。     

基于融合Dijkstra的凸壳算法的舰载机机库调运规划

为解决舰载机在特殊的机库环境中调运路径规划问题,提出了一种融合Dijkstra方法的凸壳算法。首先,建立了飞机机库调运的数学模型以及相关基础模型,为算法应用提供基础。其次,给出了利用凸壳算法进行路径规划的执行机制,并利用其建立了飞机调运可行路径有向图。然后,利用Dijkstra方法对该可行路径有向图进行最短路径求解,最终给出最优路径。最后,将该方法应用于库兹涅佐夫号航母飞机机库调运。结果表明,该方法原理正确,且能够较好地给出最优路径。     

基于混合流量预测的虚拟网络拓扑重构方法

目前在构建虚拟网络时, 为满足用户动态变化的带宽需求, 虚拟网络控制平台通常把虚拟链路带宽设置为流量最大值, 一定程度上造成了资源浪费。针对这一问题, 提出一种基于混合流量预测的虚拟网络拓扑重构方法, 利用基于参数优化选择的混合流量预测算法对下一周期的网络流量进行预测, 根据流量预测结果进行拓扑重构, 在避免出现乒乓效应的同时节省更多带宽资源。为了提高流量预测算法的精度与效率, 首先采用小波分解方法将流量数据分解为高频的细节时间序列和低频的近似时间序列, 然后利用基于粒子群优化的相空间重构方法, 对该时间序列进行特征提取构建训练样本。之后分别采用混沌模型对细节时间序列进行训练预测, 采用极限学习机(extreme learning machine, ELM)神经网络对近似时间序列进行训练预测。仿真结果表明, 所提的流量预测算法在保证预测精度的同时, 运行时间更短, 预测效率更高, 进而保证了拓扑重构方法可以节省更多的带宽资源。     

ON THE STRICT EFFICIENCY IN A LOCALLYCONVEX SPACE

1.IntroductionInreference[11,theconceptofstrictefficiency)anewkindofproperefficiency,wasintroductedinvectoroptimizationinarealnormedspace.ThisefficiencyisshowntohavemailydesirablepropertiesandbeanextensionofthesuperefficiencyinthesenseofBorwein[2].Inthispaper,wecontinuethestudyofstrictefficiency.WeeXtendthestrictefficiencyinnormedspacestothecaseinlocallyconvexvectorspaces.Themainpurposeofthepreselltpaperistogiveascalarchaxacterizationofstrictefficiencybyusingakindoffunctional(so--called"base…     

面向高分辨率遥感影像敏感目标识别的局部特征描述算法

提出了一种用于高分辨率遥感影像中敏感目标识别的局部描述算法--归一化像素分布直方图局部描述子。首先提取目标边缘,将目标边缘上每一像素点依次作为坐标原点构建“对数-极坐标”坐标系,规格化所有像素点的像素值,利用当前坐标原点以外的目标边缘像素点的分布来构建局部描述子。用提出的局部描述算法对敏感目标提取局部特征,构建敏感目标局部特征数据库。同时对待识别目标提取局部特征后与敏感目标局部特征数据库中的特征使用一种“分步匹配”的策略进行匹配,完成目标识别。     

具闭凸集约束选址问题的简捷算法

对具闭凸集约束的建造发电厂，仓库，炼油厂，飞机维修厂，商业大厦等的选址问题，原有的算法或当在迭代过程中遇极点时不能继续进行，或算法形式复杂，针对较Fetmat场址问题更一般的单场址问题，给出一种具有全局收敛性的简捷算法，该算法本质上属梯度法，但克服原先梯度法在遇极点时迭代不能继续的缺陷，且一般不需做线性搜索，同时算法具有较快的收敛速度。