一种新的水平集停止项函数选取方法研究

现今的停止项采用的全局阈值法很难使经典水平集算法得到较准确的分割效果。为此,构建了一个新的停止项函数,该函数在梯度较小时为一个常数,超过某个阈值后为单调递减函数,直至到某个梯度时递减为零。这保证了采用该函数的水平集方法能够实现在同质区加速演化,在边缘区停止演化的目的。实验结果表明,采用新的停止项函数能够使水平集方法获得更好的分割结果。     

一类快速模糊支持向量机

由H.P.Huang、C.F.Lin等人和T.Inoue,S.Abe等人提出的两类模糊支持向量机是两种类型的改进支持向量机,分别克服了过学习问题和减少了多类问题分类时存在的不可分区域。如何处理异常数据和加速训练大规模数据集是支持向量机中的急需解决的两个问题。针对这两个问题,提出了一类将两类模糊支持向量机集成的快速模糊支持向量机。训练时,根据每类数据与其类中心的距离,定义隶属函数,以加大对容易被错分样本的惩罚,利用合适的参数λ选取了每类数据中隶属度值较大的边缘数据构造模糊支持向量机,测试时,利用1-a-1和模糊支持向量机的决策函数判定未知样本的类别。含有异常数据的两类问题和机器学习数据集中手写数字识别的多类问题的实验结果,验证了提出的快速模糊支持向量机减少了训练时间同时提高了学习机的推广能力。     

一类非均匀采样系统最小二乘迭代辨识

阐述了非均匀多率采样方案,利用提升技术推导出非均匀多率采样系统的提升状态空间模型,进一步获得了对应的输入输出表达.针对辨识模型信息向量中存在未知中间变量的困难,基于交互估计理论与迭代搜索原理,提出了非均匀多率系统的最小二乘迭代辨识方法.最后进了仿真比较研究,以说明提出算法的优点.     

临近空间慢速平台SAR结合运动补偿的SCFT算法

针对临近空间慢速平台SAR轨迹运动偏差的空变性进行了分析.在二维频率域利用系统传输函数(STF)和变尺度傅里叶变换(SCFT)处理算法有效补偿了距离迁移和关于快时间波数的高阶相位,指出在运动补偿过程中,可将轨迹运动偏差分解成空不变项和空变项.在二雏频率域,结合一阶、二阶运动误差补偿的方法,提出了临近空间慢速平台SAR结合运动补偿的SCFT处理算法.最后,通过计算机仿真,验证了本算法的正确性.     

复杂系统脆性理论的风险分析

复杂系统的崩溃,主要是由于某些子系统受到内外界的干扰引发了各子系统之间的脆性联系,从而导致了整个复杂系统的崩溃.分析复杂系统脆性被激发的过程,从而得到引起整个系统崩溃的各个因素的集合;根据复杂系统的脆性风险与引起复杂系统崩溃的各个因素发生的概率、对系统造成的后果之间的联系,定义复杂系统脆性风险熵函数,并根据熵函数的性质找到控制风险熵的策略.将控制策略应用到煤矿瓦斯爆炸事故系统的脆性风险控制中,成功地对其进行了控制.     

计算机生成兵力的目标选择研究

根据CGF目标选择的模糊性特点,介绍了一个基于模糊集理论的目标威胁分析算法和基于效用理论的目标选择算法。基于模糊集理论的威胁分析能准确反映和描述实际战场环境下信息的模糊特性,算法通过隶属度函数计算得出不同威胁因素的隶属度值,然后通过层次分析法综合各威胁因素隶属度值获得每个目标的威胁程度。基于效用理论的目标选择算法通过效用函数综合考虑了目标的威胁程度和与之交战的期望效益两方面因素,能很好地模拟实际作战兵力的目标选择过程。     

自适应小生境克隆选择算法及其仿真研究

为了对多模态函数寻优,基于免疫克隆选择算法原理,提出了自适应小生境克隆选择算法(ANCSA).小生境决定位段会随着优化对象的维数及可行域的变化而自动调节,从而形成不同的小生境,每个小生境都具有免疫记忆功能.通过对四个典型的多模态函数仿真,并和相关算法进行比较分析,结果表明ANCSA在解决多模态函数优化问题时具有较强的自适应性和收敛性.     

单车型确定性动态车辆调配问题

给出了单车型确定性动态车辆调配问题的定义,引入网络图描述该问题.建立了问题的线性规划模型,鉴于线性模型的缺点,利用函数逼近技术构造一个特殊的线性函数来近似目标函数中未来时段部分,从而建立起问题的时空分解模型,把问题从时间和空间上分解为多个单时段单节点问题,并根据单时段单节点问题特点设计简单的排序求解方法.最后,给出了模型的完整求解过程,从而使问题得到有效地解决.     

基于遗传编程的火电厂主汽温系统建模研究

遗传编程是基于自然进化理论的一种全局最优智能搜索技术,将它应用于系统辨识,可以实现同时辨识系统的结构和参数,并且得出的辨识结果是显示的。提出了一种新的多目标遗传编程算法,将进化的目标设定为偏差的平方和、表达式的复杂程度和最大动态偏差的综合最小。应用该算法辨识火电厂主汽温系统,仿真结果说明该算法是有效的,并且比常规遗传编程算法优越。     

一类径向基神经网络干扰观测器轨迹线性化控制

利用径向基神经网络(RBFNN)的逼近能力,研究了基于径向基神经网络干扰观测器(RDO)的鲁棒自适应轨迹线性化控制(TLC)策略,以解决空天飞行器复杂飞行条件下系统不确定及干扰的控制问题。分析了系统存在不确定性时轨迹线性化控制方法性能降低甚至失效的原因,设计了自适应调节律,并采用Lyapunov方法严格证明了在该自适应调节律作用下闭环系统所有误差信号最终有界。仿真结果表明,较当前TLC方法的控制性能,新方案在空天飞行器系统上具有更优异的控制性能和鲁棒性。