A ROBUST DECOMPOSITION OF LINEAR PROGRAMMING USING A GOAL-PARTITIONING METHOD

The Dantzig/Wolfe linear programming decomposition algorithm has had important economicinterpretations as well as a widespread impact on solving large scale linear programming problem.Inthis paper we consider a similar underlying structure,where however there is only one couplinginequality or equation.With this simplification,we demonstrate how to achieve an equitable partitionof the overall coupling resource to individual subproblem constraints through a simple iterationprocedure which appears to be very efficient.     

在UBBE框架下考虑不肯定的上界的估计方法

对目前的ＵＢＢＥ模型进行了适当的推广，使在解决估计问题时可以考虑那些可能是误差上界的数值，并在此基础上提出了一种方法，能够通过对估计精度和可靠性进行合理的权衡确定所需估计值，实际案例研究结果表明所提方法能够较好地解决估计精度和可靠性之间的矛盾。     

非线性模糊直接鲁棒自适应控制的后推设计

采用模糊直接控制方法,针对一类非线性多入多出系统,提出了一种带有连续鲁棒项的鲁棒自适应控制方法.在此基础给出了高阶多入多出系统的鲁棒自适应的后推设计方法.在鲁棒项合理简化的情况下,给出了系统Lyapunov意义下的稳定性证明,简略分析了各设计参数的物理意义及其对系统性能的影响.理论分析和仿真实验均显示,本方法可以使系统全局渐近稳定,且选取恰当的设计参数可保证系统对输入信号的跟踪达到任意精度;并且由于鲁棒项的引入可使系统的设计更具灵活性.     

基于稳健关联向量回归的黑液波美度软测量

针对造纸工业碱回收蒸发工段黑液波美度不易在线实时测量的现状,提出一种基于稳健关联向量回归的软测量方法,建立黑液波美度的软测量模型,实现黑液波美度的在线测量。稳健关联向量回归方法通过最大化一个建立在稳健子集上的似然函数得到模型的参数,同时保证回归的稳健性。构造了迭代算法来计算稳健关联向量回归,在优化超参数的同时,寻找稳健子集。实验结果表明,用该方法建立波美度软测量模型不仅是可行的和有效的,而且能够克服异常点的影响。     

一种求解刚体3D运动参数的鲁棒算法

提出一种基于鲁棒统计学中位数的３Ｄ运动参数估计方法，能够有效地克服由于出格点造成的粗差，并且不需任何参数初始值，整个算法计算简便，计算机模拟显示，其估计精度是令人满意的。     

基于神经网络的眼底视杯图象分割技术

根据眼底图象中视杯的边沿特征,提出了一种基于ＢＰ神经网络的视杯分割方法,详述了这种方法的实现过程,并研究了ＢＰ学习算法的加速问题．实验证明,这种方法的分割效果较好．     

一种基于空间域和频谱域特征的图象分割方法

提出了一种基于空间域和频谱域特征的神经网络的医学图像分割方法．本方法不需要教师监督,能自动生成最优的网络输出节点,即分类数．对ＣＴ,ＭＲＩ和超声图像的分割表明本方法有效方便．     

时变不确定非线性系统的鲁棒输出跟踪

该文研究了一为具有时变参数或扰动的非线性系统的鲁棒轨迹跟踪控制问题,假定系统的标称模型是可以反馈线性化的,通过递推构造壮环系统地的Ｌｙａｐｕｎｏｖ函数,给出了该类不确定系统鲁棒输出跟踪控制器设计方案。该控制器能保证闭环系统的状态是一致有界的,且通过对控制器参数的适当选择,可使闭环系统的输出跟踪达到指定的精度要求,最后由一机器人控制系统的仿真研究表明,该文提出了控制方案具有很强的鲁棒性,控制效果是令     

商标图象库检索的多层次结构方法

基于商标图象库应用背景和具体特征,提出一种商标图象检索的多层次方法．图象预处理阶段采用人机交互方式下３种半自动方法提取商标图象各区域对象．检索首先采用字符串匹配方法和传统数据库查询技术,动态减少图象搜索范围;在图象区域规格化下,相继用最小约束矩和基于Ｈａｕｓｄｏｒｆ距离的相似性函数度量商标相似性程度,具有平移、旋转和尺度变换下的不变性和一定的抗噪声能力．实验结果表明,该方法有效和实用．     

多维位置数据最优融合方法

本文给出了一种多传感器多维位置数据融合的方法。这种方法基于多维位置数据的鲁棒估计和最小方差结合法。每个传感器用鲁棒估计得到自身数据的位置估计和方差估计,把这些估计融合为一个最优估计,即传感器系统的估计。