小样本条件下SCGAN+CNN低分辨雷达目标一步识别算法

现有低分辨雷达目标识别方法,通常采用先特征提取、再进行目标分类的两步识别算法,这种算法存在识别率难以提高和方法泛化性不足的问题,对此,提出一种增强条件生成对抗网络（strengthening condition generative adversarial network,SCGAN）+卷积神经网络（convolutional neural network,CNN）的低分辨雷达目标一步识别算法。该算法利用CNN自动获取采样数据深层本质特征,无需特征提取,实现对目标的一步识别。为进一步提高小样本条件下的识别效果,基于CGAN理论来提高样本在特征空间的覆盖程度,并对CGAN的判别器进行改进,在损失函数中增加混叠惩戒项,通过SCGAN生成不混叠的生成样本来更好地训练CNN,提高其在小样本条件下的识别能力。仿真对比实验校验了一步识别算法较传统两步识别算法的优越性,以及SCGAN+CNN的低分辨雷达目标一步识别算法在小样本条件下的有效性。     

鲸鱼优化相关向量机的网络控制系统变采样周期调度

针对资源受限的网络控制系统,提出一种基于鲸鱼优化相关向量机的变采样周期调度算法。通过网络监测模块获取网络带宽与数据传输时间数据,建立鲸鱼优化相关向量机的预测模型,实现对网络带宽及数据传输时间的预测。采用模糊推理计算系统各回路通信带宽的分配权重,进而结合通信带宽及数据传输时间的预测值对各闭环回路的采样周期进行计算,完成采样周期的实时调节。仿真结果表明,在资源受限条件下,所提算法保证了系统的稳定性与控制精度。     

基于SAMME+ResNet的多相码信号识别方法

针对传统多相码信号识别方法在低信噪比情况下分类精度不高、类识别率不均衡和识别方法不具有通用性的特点,提出了一种利用集成学习中的多类指数损失函数逐步添加模型(stagewise additive modeling using a multi-class exponential loss function, SAMME)算法和残差神经网络(residual neural network, ResNet)的多相码信号识别方法。通过仿真实验对5类多相码信号进行了分类识别,验证了模型的有效性,分析了不同数量基学习器对模型的影响,最后与传统分类方法进行了对比。仿真结果表明,在信噪比低于6 dB的情况下,所提方法相对于单个残差网络提高了约10%的分类精度,同时缩小了类之间识别率的差距,相对于常用的分类方法也有很大的优势。     

基于水资源合作的水资源短缺区域水资源优化配置

为提高水资源短缺区域的水资源利用效率,实现区域水资源初始配置后的有效再配置,提出三阶段水资源短缺区域水资源优化配置方法：阶段1,利用高效的“优先规则”构建部门间水资源合作清晰联盟的用水收益支付函数,对联盟成员水资源共用、获益方式进行了合理刻画;阶段2,基于Choquet积分形式的模糊合作博弈、阶段1中的清晰联盟支付函数,构建部门间水资源模糊联盟支付函数;阶段3,基于上述成果,构建水资源短缺区域水资源优化配置模型,求解得到用水部门最优水资源合作联盟,并将求得的最优模糊联盟视为大联盟,通过求解其核仁解获得最优模糊联盟的收益分配。以京津冀区域水资源优化配置问题为例,算例结果表明：①基于Choquet积分形式模糊合作博弈的三阶段水资源优化配置模型能够最大化区域整体用水收益水平,实现水资源短缺区域中的水资源优化配置,并使区域中用水部门有机会分得更多的获益;②本文模型无需引入模糊Shapley值等分配方法作为约束条件即可求得最优联盟,模型不影响不同收益分配方法分配结果的有效性;③采用将最优模糊水资源合作联盟视为大联盟,并求联盟收益的核仁解的方法分配最优联盟收益,无论最优联盟的核心是否为空,都能保证联盟收益分配结果满足个体理性和集体理性要求,即能保证最优联盟中各成员不会“叛逃”最优联盟、联盟稳定存在,且保证获得的分配方案为确定分配值而非分配区间。即本问题中该分配方法优于Shapley值、模糊最小核、弱最小核方法。所构建的水资源短缺区域水资源优化配置模型及最优水资源合作联盟收益分配方法对水资源短缺区域的水资源优化配置问题有较好的适用性,能够为我国京津冀区域等水资源短缺区域的水资源优化配置工作提供参考。     

多任务模糊聚类驱动的多任务TSK模糊系统模型

该文提出了一种多任务Takagi-Sugeno-Kang（TSK）模糊系统建模方法.首先给出了一种新的多任务模糊c均值聚类算法,能够有效提取所有任务之间的公共信息和每个任务的私有信息,进而利用所得的聚类中心构建多任务TSK模糊系统的前件参数.其次设计了一种具备多任务协同学习机制的后件参数优化方法,可以优化多任务TSK模糊系统的后件参数.最后基于优化的前后件参数,构建出具体多任务模糊聚类方法驱动的多任务TSK模糊系统模型（multi-task fuzzy c-means based multi-task TSK fuzzy system,MTFCM-MT-TSK-FS）以用于实际应用.分别在合成和真实数据集上进行实验,结果验证了该模型的有效性.     

基于模糊控制理论的燃料电池汽车能量管理策略研究

首先针对采用燃料电池与蓄电池为能量源的燃料电池汽车,梳理了燃料电池及蓄电池的建模机理;之后基于T-S模糊模型设计了模糊逻辑控制器,并在MATLAB/Simulink软件平台上搭建了该控制器的仿真模型;最后借助ADVISOR仿真软件对所设计的控制器进行了验证。仿真结果表明:所设计的模糊逻辑控制器能合理地进行双能源的功率分配,符合设计预期。     

一种基于多任务学习的多模态情感识别方法

为了通过设置辅助任务学习到更具有情感倾向性的视频和语音表示,进而提升模态融合的效果,提出一种基于多任务学习的多模态情感识别模型,使用多模态共享层来学习视觉和语音模型的情感信息.在MOSI数据集和MOSEI数据集上的实验表明,添加两个辅助的单模态情感识别任务后,模型可以学习到更有效的单模态情感表示,并且在两个数据集上的情...     

基于图像理解舰船打击效果评估数学模型

研究了基于图像理解的舰船打击效果评估中数学模型的建立问题,提出了舰船打击效果评估的两种模式,讨论了打击效果评估知识库建立问题,给出了打击效果评估的数学模型,并解决了打击效果评估中单项功能打击效果评估与整体效果评估的关系问题,用统计决策理论实现知识库的智能维护,将知识库的智能维护变为一个简单的二次规划问题。