基于多属性分块决策的 5G 切换算法

为了解决5G异构网络在切换过程中单一处理切换参数的片面性问题,提出了一种适用于5G的新的切换算法,该算法基于多属性分块决策（modular multi-attribute decision making,M-MADM）理论,把切换参数分为2个模块,采用TOPSIS与层析分析相结合的方法选择最优网络QoS（network QoS,NQ）模块,其次利用模糊逻辑得到用户偏好（user preference,UP）模块,再对最终满意度（degree of satisfaction,DS）模块作一次模糊处理,选择最优结果执行切换。仿真结果表明,M-MADM算法与传统算法相比,可减少时延,降低切换失败率,并能快速准确地切换至最优网络,提高用户满意度。     

低轨卫星移动通信中调制分类器的研究与设计

利用小波变换对低轨卫星移动通信中常见数字调制样式的分类方法进行了研究,提出了以相邻码元间相位差为特征量的不同调制数调相信号的分类算法,研究了以小波变换产生的阶梯波为特征量的不同调制数调频信号的分类算法和调频调相信号之间的分类算法,最后利用这些算法对其分类器进行了设计,通过MATLAB仿真证明,所设计的分类器,在低信噪比下对低轨卫星移动通信中常见的调制信号有较好的分类效果.     

基于多级分类器的自由手写数字在线识别

设计了一种用于手写字符在线识别的多级分类器模型。在该模型中,通过对四个独立的分类算法进行集成,将脱机方法与联机方法,神经网络方法与传统方法有机地结合起来构成一个完整的手写字符在线识别系统。理论分析和实验结果表明,该集成系统比单一系统具有明显的优越性。     

基于AutoCAD ASI的弹簧绘图与管理

介绍利用绘图软件ＡｕｔｏＣＡＤ的Ｃ语言开发系统ＡＤＳ（ＡｕｔｏＣＡＤＤｅｖｅｌｏｐｍｅｎｔＳｙｓ－ｔｅｍ）和数据库接口ＡＳＩ（ＡｕｔｏＣＡＤＳＱＬＩｎｔｅｒｆａｃｅ）开发出的弹簧绘图和管理模块,该模块利用数据库技术,开发方法体现了现代ＣＡＤ的技术思想,具有直观、方便和实用的特点．     

三单元同构/异构MSC串联折纸结构的实验分析

为了探究多单元同构/异构折纸超材料非常规的几何与力学特性,设计并制作了三单元同构/异构(MSC)串联折纸结构并进行拉伸实验,得到结构力-位移曲线．通过离散积分获得结构势能-位移曲线,通过中心差分获得刚度-位移曲线．对三种曲线进行多项式拟合,给出本构模型的近似解析表达式．结果表明：三单元异构MSC串联折纸超材料的单元遵循刚度小先变形原则,并且展开过程中存在四个稳定构型;三单元异构结构的构型切换拥有可编程性;当结构中存在同构单元时同构单元变形顺序存在一定随机性;折纸超材料本构近似解显示出强非线性,拥有刚度可变的特点．研究结果不仅可以为该结构在工业方面的应用提供设计依据,而且还可以将结果推广到拥有任意同构/异构单元数量的串联折纸超材料,推动多单元折纸超材料研究领域的发展．     

结合可信度和DS证据理论的ECOC多类分类研究

针对多类目标识别问题,利用三符号纠错输出编码作为将多类分解为若干个二类问题的结构框架,用改进的证据理论作为融合策略,将每一个二分器的输出作为证据之一进行融合;同时对分类器的可信度进行估计,并将得到的信任度量值融入证据中,从而提高多类分类的正确率。实验中分别对UCI数据集和三种一维距离像数据集进行测试,结果表明本文提出的基于分类器可信度的多类目标识别方法能有效地提高复杂环境下多传感器目标识别的正确率。     

高光谱遥感图像最大似然分类问题及解决方法

利用最大似然分类器对高光谱遥感图像分类时,由于波段数目多、波段间的相关度大,使协方差矩阵的行列式近似于奇异,因而导致了不合理的分类结果。本文调整了波段协方差矩阵对分类的影响。改进了最大似然分类判决函数,利用改进后的判决函数进行分类,试验证明这种方法是有效的。另外,根据图像特征和经验对图像进行波段选择,也是改善高光谱遥感分类效果的有效途径。     

基于事件驱动间歇控制的离散复杂网络有限时间同步

研究了一类基于间歇控制的离散时间异构复杂动态网络有限时间有界同步问题。首先,设计了一个基于事件驱动的间歇控制机制。在该机制下,控制器是否工作取决于Lyapunov函数轨迹和预设的工作区域。与现有的间歇性控制方案相比,该方法中控制器的工作/休息时间是非周期的且不可预测的。其次,提出了有限时间有界性的概念,并利用类整定时间函数来衡量控制性能。通过求解不等式约束的优化问题,进一步得到有限时间有界同步的类整定时间。最后,通过数值仿真实验验证了该结论的准确性和有效性。     

多特征和神经网络相融合的体育视频识别

为了提高体育视频识别的精度,提出一种多特征和神经网络相融合的体育视频识别模型(MF-RBFNN).分别提取反映体育视频的静态和动态特征,然后采用RBF神经网络对静态和动态特征分别分类,并将初步识别结果构造基本概率指派,运用证据理论对初步结果进行融合,得到体育视频识别结果.结果表明,相对于对比模型,MF-RBFNN提高了体育视频识别精度,是一种有效的体育视频识别方法.     

视频异常行为识别与分级预警系统

参考格灵深瞳分级评价体系并引入迟滞比较器相关思想,结合最近邻与SVM双层分类器学习,建立了针对目标入侵、目标高速运动、目标遗留物与人群聚集逃离、人群打架斗殴、人群骚乱六种常见目标异常行为的自动分类与分级预警系统。1提出并实现了一套较完备的异常行为分级预警系统;2在行为分析之前以人群密度与能量为特征引入最近邻分类器实现个体行为与群体行为的预分类;3通过引入迟滞比较器实现高速运动行为的稳定预警;且该方法具有一定普及意义。分别在标准库和自行拍摄的视频上进行实验验证。实验证明,该系统能够稳定实现对上述六种普遍异常行为的分类分级预警,实现了群体分析与个体分析、检测与识别、分类与预警的一体化。