非均匀类簇密度聚类的多粒度自学习算法

针对非均匀类簇密度聚类问题,从商空间粒度理论出发,提出一种多粒度自学习聚类算法 (multi-granularity self learning clustering algorithm, MSCA)。算法通过构造聚合树结构和定义粒度函数对问题逐层求解,并在每层聚合过程中根据聚合区间以自学习的方式动态确定聚合粒度,解决了传统聚类算法从非均匀类簇密度数据中无法得到不同层次的聚合特征且参数对经验依赖性过高的问题。理论和实验表明,MSCA算法可以发现任意形状类簇,有效处理噪声,并能发现关键聚合层,具有较好的计算复杂性。     

用离散小波变换对格网DEM数据压缩中的关键技术

DEM数据具有不稳定、相关性差的特点,用离散小波变换对格网DEM数据进行压缩处理时,其边界问题将更为突出,主要表现在边界失真非常严重.这种现象不可避免地导致重建DEM数据精度的损失严重.为了最大限度地减弱边界问题的影响、提高压缩比,在进行格网DEM数据压缩时,作者将二维离散小波变换的边界问题转换为一维离散小波变换的边界问题,大大减小了边界失真区域,提高了重建DEM数据的精度.进而,用相应的算法进行了DEM压缩实验, 结果表明:可获取高压缩比且高精度的重建DEM数据.     

时间序列曲线盒维数的一种快速算法

盒维数是应用最为广泛的维数之一,它在信息处理、预测等领域都有成功的应用。目前,对盒维数的计算主要采用网格法,但该算法需处理分形集合在网格中的计数问题,所以计算机处理起来很不方便。针对一维时间序列,提出了在不同间隔时间内寻求最大离差的方法,避免了集合的计数问题。应用该算法在上证指数的时间序列曲线的盒维数的计算表明上证指数存在着长程正相关。Ｗｉｅｎｅｒｆ过程曲线的盒维数的计算同样表明该算法是可行和有效     

基于排队论的一个物流模型

利用排队论研究了一个物流模型. 货物到达货运站形成一复合泊松过程.每辆货车每次装载货物数量必须刚好为$N$.求得了系统稳态存在的充分必要条件,利用补充变量法求得了任意时刻货运站内的平均货物量以及货车刚到达货运站时货运站内待运的平均货物量.最后给出了一个数值实例.     

相似信息优先的复杂装备费用测算模型

针对横截面数据的复杂装备费用预测问题,由于主要参数比较相似的装备系统其研制费用往往趋同,提出了横截面数据的“相似信息优先原理”。分析新研装备与以往装备的相似度,按照指标信息的相似度区分横截面信息的优先次序。用归一化的相似度作为加权最小二乘法的权重,通过实例建立相似信息优先的回归模型,并与其他方法的结果对比,结果表明本文的方法具有更高的预测精度,相似信息优先的多元回归模型充分反映了相似信息的规律。     

数字化功能样机的多学科设计优化与仿真

高效精密化、智能集成化、虚拟数字化是现代产品设计的发展方向。提出了一种将多学科设计优化方法融于产品的数字化设计过程，智能集成化设计复杂产品数字化功能样机的多学科综合设计模式。针对汽车实例，构建了多学科自动化设计优化平台，给出了集成优化分析流程，实现了多性能集成全分析与优化仿真，基于整车虚拟测试，验证了该模式的有效可行性。     

自行火炮履带板疲劳寿命预测仿真研究

履带板的疲劳寿命是自行火炮维修保障体系中急缺的指标.由于履带板的载荷历程难以测试和载荷作用部位难以确定,疲劳寿命预测很难进行.通过ATV建立自行火炮行走系虚拟样机并构建数字化等级路面进行仿真,虚拟测试出履带板各载荷分量的历程并通过推断载荷分量的作用机理确定其作用部位.将有限元静应力分析结果导入MSC.Fatigue进行仿真分析,得到了履带板的疲劳寿命.同实际寿命对比,仿真寿命具有较高的可信性.提出的方法对于其它机械系统构件的疲劳寿命评估也有借鉴意义.     

基于免疫遗传算法的双向车辆调度问题实现

在对双向车辆路径问题(DVSP)简要叙述的基础上建立了DVSP数学模型.针对DVRP,构造一种的免疫遗传算法来求解DVSP,提出了一种自然数编码方法、交叉算子的自适应机制.并将求解结果与其它启发式算法比较.比较结果表明,该算法对于求解DVSP问题具有较好的性能和更好的鲁棒性.     

自然计算——人工智能的有效实施模式

对自然计算理念给出统一的框架描述,并以反馈式神经网络和群体智能算法为例加以具体论述.在所定义模型框架下,自然计算领域内算法中的相关智能体群表现出一种相对统一的智能计算模式.     

基于全局变形模板的快速车道检测算法

车道检测算法的研究是室外移动机器人基于道路区域或边界信息自动导航的首要环节。根据实际应用需要,识别算法应能满足鲁棒、实时的要求。提出的基于全局模板的快速车道检测算法,根据驾驶员视觉处理经验,总结出道路边界识别的先验知识,在所选取的二次曲线道路形状模型基础上,推导出图像上车道的总体模型,利用道路图像的灰度特征,结合优化算法改变模板参数,实现对车道的跟踪。对实际路面图像的试验结果表明,该算法在多种环境条件下,都能很好地识别车道,具有很强的鲁棒性。同时,与传统的跟踪算法相比,该算法降低了计算损耗,更好地满足了实时性的要求。