基于遗传学习算法的船舶航线保持自适应控制器的设计

基于遗传学习算法的船舶航线保持自适应控制算法 ,选择了具有偏航距离加权约束的广义最小方差性能指标进行自适应控制器的设计 ,所设计的控制器不仅适合于航向保持自动操舵 ,而且适合于航线保持自动控制 .     

船舶自动舵的研究

给出了用适应式ＰＩＤ及Ｈ∞鲁棒控制算法实现的船舶自动舵的研究结果；自动舵具有保持航向和航迹功能；适应式ＰＩＤ算法是根据船舶流行时的天气、海况、负载及航偏角大小改变ＰＩＤ比例、积分、微分系数以适应船舶航行需求；Ｈ∞鲁棒控制算法是藉助ＭＡＴＬＡＢ软件包的鲁棒控制工具箱，应用Ｈ∞控制理论的Ｓ／Ｔ／ＫＳ混合灵敏度问题设计船舶航向保持控制器；航迹算法采用自动航行方式以使船舶始终航行在计划航线的允许偏差带内；     

船舶航向保持的非线性逆推鲁棒控制算法

为提高控制器的鲁棒性能,针对非线性船舶航向保持系统,将简化的逆推算法与闭环增益成形算法相结合,设计出非线性鲁棒控制器.以大连海事大学实习船“育鲲”号为例进行仿真.结果表明,该算法能够使船舶无超调无静差地跟踪设定航向,调节时间为200 s,控制效果良好,且控制器对模型摄动具有一定的鲁棒性.该算法设计过程简单,物理意义明显.     

航向保持系统简捷非线性鲁棒控制

为克服船舶航向保持控制系统中传统Backstepping设计方法易产生静差及设计过程过于复杂等不足,提出一种把带积分项的Backstepping方法与闭环增益成形算法相结合的简捷非线性鲁棒控制器设计方案.理论分析和系统仿真结果均表明,通过该方案设计出的控制器可使船舶航向零误差渐近稳定,同时设计过程简捷,控制器结构简单且具有较强的鲁棒性.     

基于面积保持的Douglas-Peucker改进算法的多边形化简

面状数据的化简是空间数据多尺度表达和制图综合必须处理的关键问题,有些面状的地理要素要求简化前后面积保持一致,并且不破坏原来的拓扑关系.因此必须对原有的线化简算法做适当的改进.提出对要化简的多边形根据其与相邻多边形的邻接关系,对邻接线段分别化简,以保持原来的拓扑关系;并在采用Douglas-Peucker算法化简时,加入面积平衡的约束条件,构造"平衡线",使化简前后保持面积一致.通过对实验数据化简结果的分析,改进的算法能很好保持化简前后面积及拓扑的一致性,但较Douglas-Peucker算法化简结果,其化简率较小一些.     

基于侧推力最小原则的船舶动力定位控制

针对动力定位船舶的位置保持作业,基于侧推力最小原则,设计了艏向控制器和位置保持控制器.根据单摆在势场中的运动原理,利用滑模技术分别针对船舶的纵荡和艏向设计控制器,以使船舶与设定点保持固定距离,并且艏向始终正对环境力.研究了非线性无源状态观测器,对船舶的高频运动进行滤波并对船舶的运动速度进行估计,将状态反馈问题转换为输出反馈问题.仿真结果表明:该控制器无横向力输出,且转艏力矩很小,证明了该控制器的有效性.     

基于判别信息的近邻保持嵌入降维方法

针对传统近邻保持嵌入算法(NPE)侧重保持样本的局部结构,而没有考虑样本类别信息的不足,提出判别局部近邻保持嵌入算法DLNPE.该算法利用样本点的局部结构构造新定义下的类内类间散布矩阵,并以此作为判别信息引入目标函数.在6个真实数据上进行实验,证明了所提算法的有效性.     

基于RBF神经网络的超市客户保持预测模型研究

利用RBF神经网络数据挖掘算法建立了超市客户保持预测模型,在MATLAB开发环境下进行程序设计和仿真分析,并与BP算法进行对比,完成了超市客户保持预测的任务,分析了该算法的优越性.     

增益系数未知条件下不确定船舶航向保持鲁棒λ调节控制

为更有效处理船舶航向保持系统中一般不确定性,即系统漂移不确定和控制增益系数未知,通过构建考虑预设镇定边界的Lyapunov能量函数,结合自适应Backstepping方法,提出一种具有预设镇定边界的鲁棒λ调节控制.该算法中自适应参数只需在控制误差超出镇定边界时进行在线调节,符合船舶控制工程需求.以大连海事大学"育龙"轮为研究对象进行仿真试验,结果验证了该算法的有效性.     

一种新的边缘保持自适应平滑算法

在图像去噪时,存在着一个如何兼顾降低噪声和保留细节的难题,为此本文提出边缘保持自适应平滑算法——灰度最小方差区域的均值去噪.该算法提高了图像平滑过程中边缘检测的方向性,在9个方向上对边缘细节进行检测类聚,具有较强的方向性和自适应性.利用该算法进行仿真试验,结果表明,与已有的去噪算法相比较,该算法较好地解决了边缘信息保持和去噪的矛盾,去噪效果也明显增强.     

传感器网络空间关键字近似Top-k查询算法

提出了一种基于节点剪枝的Top-k査询算法.定义集合支配区域与剪枝规则,根据用户查询位置的变动,按照给定的剪切规则,对传感器网络节点进行剪枝处理,将符合规则的节点预先筛除,运用统计学抽样理论,设计了空间关键字近似Top-k查询算法.在2个真实数据集上进行验证.实验结果表明,该算法能够满足传感器网络环境中用户的需求,并且相比于边界距离增量算法(IBD)与基于改进的MW-Voronoi区域的空间关键字查询算法(MSK-uvr),其网络通信开销较低.     

基于GPU的对称正定稀疏矩阵复线性方程组迭代算法

提出一种基于图形处理器（GPU）的对称正定稀疏矩阵复线性方程组迭代算法. 首先, 采用基于GPU的共轭梯度法和双共轭梯度法, 实现GPU上的矩阵向量乘操作, 并充分优化相应的算法步骤; 其次, 实现基于GPU的对角元预处理、 不完全Cholesky分解和对称超松弛3种预处理方法, 提出一种基于GPU的求解三角方程组并行算法; 最后, 实验分析各种预处理方法的优劣. 实验结果表明, 该算法较CPU串行迭代算法与经典的直接法速度提升较大, 最高可达到76倍的加速比.     

Frequent Trajectory Patterns Mining for Intelligent Visual Surveillance System

A frequent trajectory patterns mining algorithm is proposed to learn the object activities and classify the trajectories in intelligent visual surveillance system. The distribution patterns of the trajectories were generated by an Apriori based frequent patterns mining algorithm and the trajectories were classified by the frequent trajectory patterns generated. In addition, a fuzzy c-mcans (FCM) based learning algorithm and a mean shift based clustering procedure were used to construct the representation of trajectories. The algorithm can be further used to describe activities and identify anomalies. The experiments on two real scenes show that the algorithm is effective.     

基于粒子群优化算法的支持向量机研究

基于粒子群优化算法提出了一种通过优化支持向量机模型参数,建立更佳的支持向量机数学模型的方法. 针对双螺旋分类问题,分别利用基于粒子群优化算法所建立的支持向量机分类器和标准支持向量机分类器进行了仿真实验,利用所建立的评价体系对仿真实验所获得的实验数据进行了评估,评估结果表明基于粒子群优化算法的支持向量机分类器明显优于标准支持向量机分类器,其分类结果表明基于粒子群优化算法的支持向量机分类器提高了分类结果的准确性,同时也验证了基于粒子群优化算法的支持向量机分类器在数据分类中的有效性.      

基于共同属性和标签共现的标签消歧算法

为了提高基于标签的个性化推荐技术的准确率,提出了一种基于共同属性和标签共现的标签消歧模型,对已有的基于聚类的标签消歧算法进行改进,针对不同的标签语义问题分别采用不同的方法,缓解了原算法不能识别不同语义的问题。对于多义词语义问题,使用同义词模型进行消歧;对于近义词、同义词语义问题,使用近、同义词模型进行消歧,并将该模型应用于个性化推荐算法。利用公共数据集MovieLens Latest Datasets进行了个性化推荐实验。实验表明,当用户推荐项目数量递增时,推荐算法的准确率和召回率都有提高,能有效消除标签中存在的歧义。     

基于预处理的点到点最短路径计算方法

基于经典的Dijkstra算法,研究采用预处理的点到点最短路径算法。通过引入双向Dijkstra和基于reach的预处理方法形成新的RE算法,并利用C++编程设计算法程序,将新算法应用于交通工程领域。利用EFSS数据结构搭建考虑交叉口和路段延误的交通网络,检验新算法的适用性和效率,结果发现RE算法与Dijkstra算法相比,搜索速度有大幅提升且能保证路径查询的正确性,RE算法在大规模网络上优势更为显著,查询时间约为Dijkstra算法的10%。     

运动估计算法设计及FPGA实现

为进一步提高编码效率,在研究菱形算法的基础上,采用了“十字”形运动估计算法,设计了硬件电路,并用FPGA（Field-Programmable Gate Array）实现了算法．结合算法的特点,设计了整体框架结构,提出了一种高度并行、紧凑流水线的FPGA实现方案．用Verilog HDL硬件描述语言设计了编码,在QUARTUS Ⅱ集成开发环境下,进行了仿真验证,并写入FPGA芯片,实现了“十字”形运动估计算法．经测试表明：该设计方案搜索高效、逻辑简洁,对比全搜索法占用硬件资源较小．可广泛应用到移动视频通信、远程无线监控等领域．     

基于往返时延的网络拓扑推断

为了减少拓扑推断中采用单向性能参数需要多个节点合作的限制,提出了一种基于往返时延的拓扑推断算法,设计了网络拓扑推断中的往返时延测量方法,基于往返时延的拓扑推断不需要时钟同步及目标节点的配合.从理论分析了基于往返时延推断网络拓扑结构的可行性和正确性,并通过NS2进行了仿真实验.仿真结果表明,基于往返时延的推断算法能够较准确地推断网络的拓扑结构,与基于单向性能参数的拓扑推断算法相比,基于往返时延的拓扑推断算法受到的限制较少.     

基于遗传规划的GSBAR学习算法

基于相似关系的广义近似推理方法(GSBAR)需要一个能根据案例数据来确定其函数参数的算法,即GSBAR学习算法。提出了基于遗传规划的GSBAR学习算法,论述了GSBAR学习算法的定义、学习算法任务的简化以及学习算法的组成部分和基本步骤。学习算法的运算实例表明:GSBAR学习算法能够以较大概率搜索到合适的函数参数。GSBAR学习算法提供了根据案例数据来确定GSBAR方法中关键函数的能力,从而使得GSBAR方法具有更好的适应性。     

多输入多输出干扰信道中的功率分配方法

针对分布式迭代干扰协调(DIIA)算法没有充分利用信道对称性的问题,在收发信机干扰协调矩阵的基础上级联预编码矩阵,并分别对不同的数据流分配不同的功率,提出了考虑功率分配的分布式迭代干扰协调(PA-DIIA)算法.对于最大信干噪比(Max-SINR)算法也设计了考虑功率分配的最大信干噪比(PA-Max-SINR)算法.仿真结果表明:PA-DIIA算法与PA-Max-SINR算法在低分配功率下能获得更好的性能;在多数据流与高分配功率下PA-Max-SINR算法是次优的,此时选取PA-DIIA算法可获得更好的性能.