粒子滤波算法研究现状与发展趋势

<正>作为现代非线性滤波最为关注的一类滤波方法,粒子滤波算法近年来的研究取得了引人注目的成绩,不仅推动了控制科学、信息科学、航空航天和电子技术的快速发展,同时也对人工智能、机器学习、信息处理、     

基于Fibonacci采样的数据预处理方法研究

提高神经网络(NN)的收敛速率和预测精度一直是人工智能领域的一个挑战性问题,尽管许多研究人员已在研究中使用小批量数据训练神经网络获得了较好的效果,但是这些方法并不够灵活.针对这个问题,该文提出了一种新的数据预处理算法即Fibonacci采样算法.根据Fibonacci数列规则绘制一个新的训练数据序列,这不仅可以恢复小批...     

基于PC的水轮机组多通道振动数据采集系统设计

提出了一个基于PC的水轮机在线多通道振动数据采集系统的设计方案．对数据采集系统的特点进行了分析,采用中断＋FIFO的方式对多通道振动信号连续采集,并通过插值算法进行二次采样,得到了准同步整周期信号．在此基础上,用数字滤波算法去除了信号干扰,并对采集系统的精度进行了检验,结果表明,通过二次采样所得的信号与同步整周期采样的信号基本一致,可以满足振动监测的需要．     

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。     

多精英采样与个体差分学习的分布估计算法

提出了基于多精英采样和差分搜索的分布估计算法EDA-M/D (Estimation distribution algorithm based on multiple elites sampling and individuals differential search)。EDA-M/D利用多精英个体独立采样生成子代来提升算法全局搜索能力,利用精英群体分布的σ²约束采样半径,实现种群从全局搜索逐步过度到局部搜索。当精英群体停滞时,劣势个体借助精英群体的μ和种群历史最优解进行差分搜索,帮助种群跳出局部最优解。通过多精英采样与差分搜索的自适应协同实现种群宏观信息与个体微观信息的有机融合。实验结果表明EDA-M/D在稳定性和搜索能力方面均表现出明显的优势。     

基于ICP算法的非合作目标特征点云配准优化

针对视觉测量中非合作目标无法提供合作信息从而引起的位姿测量问题,采用ICP(Iterative Closest Point)算法配准不同时刻获取的点云降采样数据来完成目标的相对位姿测量。利用运动恢复结构算法获取了目标当前时刻的点云数据并比较了基于阈值匹配与光流匹配的特征点匹配算法,利用三角测量法对提取到的特征点进行重建,同时将点云数据进行降采样处理,根据降采样后的点云数据计算出不同时刻目标的相对位姿关系。实验表明当物体发生旋转运动时,对降采样数据利用ICP算法计算得到的目标绕坐标轴旋转角度最大误差不超过0.11º。     

基于改进RRT*算法的移动机器人路径规划

为解决渐进最优快速扩展随机树(RRT*)算法在特殊环境下(如狭窄通道)路径规划存在的内存占用多、规划效率低等问题,提出了一种基于目标约束采样和目标偏置扩展的改进R RT*算法.首先,在采样上引入目标偏置策略,并对每次采样进行位置约束,使采样的目标导向性更强.然后,在新点扩展上摒弃了已有算法单纯朝着采样点扩展的思路,通过...     

地下水采样常见问题分析及其对策研究

采集具有代表性的样品是地下水监测数据真实、准确的前提,根据监测目的、监测项目和监测井状况选取合适的器具和方法是地下水样品具有代表性的重要保证。该文梳理了地下水监测技术规范中常用采样方法,分析了地下水监测中采样工作存在的问题,并对提升地下水样品代表性的对策进行了探讨。     

机械化学法合成纳米氧化锌研究

采用机械化学法合成了纳米ZnO粉体,利用DTS,XRD,FT IR,TEM等检测手段对纳米ZnO粉体进行表征;结果表明:经过PAA-NH4分散处理的ZnO粉体的分散性良好,粒径分布范围窄,在60~80 nm范围之间;XRD分析确认本实验所得粉体为纤锌矿结构的六方相ZnO,其纯度高,结晶度好.     

基于蚁群聚类的不平衡数据过采样方法

针对不平衡数据集的低分类准确性,提出基于蚁群聚类改进的SMOTE不平衡数据过采样算法ACC-SMOTE.一方面利用改进的蚁群聚类算法将少数类样本划分为不同的子簇,充分考虑类间与类内数据的不平衡,根据子簇所占样本的比例运用SMOTE算法进行过采样,从而降低类内数据的不平衡度;另一方面对过采样后的少数类样本采用Tomek ...