基于自适应惩罚的潜变量高斯图模型结构学习

采用自适应惩罚似然方法解决含潜变量高斯图模型的结构学习问题.模拟结果表明,自适应惩罚显著优于非自适应惩罚,可有效降低估计偏差,更准确地估计给定潜变量时观测变量间的条件独立性关系.     

基于声透镜粒子群算法的自适应噪声对消算法

在复杂的语音获取应用环境中,麦克风阵列接收的信号难免会产生方向、幅度和相位的模糊问题。提出了一种基于声透镜粒子群算法的自适应噪声对消算法。通过声透镜波束形成技术采集语音信号,将粒子群算法应用于自适应噪声对消中解决获取信息模糊问题。Matlab计算机仿真结果表明本算法与传统自适应噪声抵消算法相比具有更好的噪声抵消能力和性能,信噪比大大提高,且可以有效解决语音数据的模糊问题。     

一种改进的无模型自适应控制优化方法

针对一类复杂非线性系统提出了一种改进的无模型自适应控制(improved model-free adaptive control, IMFAC)方法,该方法通过对传统无模型自适应控制(model-free adaptive control, MFAC)方法控制器输出准则函数引入系统输出变化量来改善系统的动态性能。分析了IMFAC方法的稳定性和收敛性,并针对IMFAC方法中5个参数整定困难的问题,提出了基于灰狼优化(grey wolf optimization, GWO)算法的控制器参数优化方法(G-IMFAC)。对于GWO适应度函数中3个优化指标权重的最优分配问题,通过计算各个优化指标的信息熵来确定其权重。最后通过仿真模拟对比了G-IMFAC方法与传统MFAC方法及IMFAC方法的性能,结果表明G-IMFAC方法具有更小的超调量和更短的调节时间,进一步提高了系统的控制性能。     

用自适应的遗传算法求解双准则三维运输问题

采用鲁棒性比较好的遗传算法,并利用自适应的杂交和变异概率求解了双准则三维运输问题,最后通过实验验证该方法可产生适合需求的解.     

基于改进Sobel算子的多仪表图像边缘检测算法

为了解决Sobel算子在多仪表图像检测中存在的边缘定位精度不高、提取边缘较粗以及对噪声敏感等缺点,提出了一种改进算法。首先在原有水平和垂直模板的基础上新增6个方向模板,提高了边缘定位精度,使其适用于纹理结构复杂的图像。然后根据图像的具体特征自适应确定阈值,有效去除图像的伪边缘。最后结合数学形态学的灰度腐蚀理论,对检测到的边缘进行细化处理。不仅能获得细化效果较好的边缘,同时可以有效的抑制噪声。实验结果表明:改进后的算法对图像噪声干扰有较强的抑制能力,提取的边缘定位准确、结构细腻。     

基于神经网络的模型参考自适应逆飞行控制

针对飞行安全控制问题,结合动态逆方法和神经网络理论,提出了一种基于改进BP神经网络的模型参考自适应逆控制方法,应用到飞行控制系统中。该方法在控制器中引入神经网络算法,在经典BP神经网络控制算法的基础上,使用遗传蚁群算法优化神经网络参数,在线调整网络的权值和阈值,避免了传统梯度下降法的缺点,提高了自适应算法的效率,达到了抗干扰的目的。从而改善了飞机飞行稳定性和操纵性。在波音747—100/200飞机模型上仿真实验表明了该方法的可行性和鲁棒性,能够保障飞行安全。     

基于uCOS-II的模糊自适应温度控制系统设计

针对车间温度控制系统具有非线性、滞后性和时变性等特点,提出了一种改进型的模糊自适应PID控制器。该控制器通过在线调整学习速率因子和PID参数增量,并结合积分分离思路,实现PID参数的自适应调节。仿真结果表明该控制器优于传统PID控制和传统模糊自适应PID控制。控制系统采用PIC24F作为主控芯片,结合操作系统uCOS-II的实时性、可靠性以及模糊自适应控制的非线性、时变性等特点,通过实验成功的实现对温度准确控制。     

改进的免疫遗传算法在图像非线性增强中的应用

利用一种改进的免疫遗传算法自动寻找图像非线性增强函数的最佳变换参数,达到图像增强的效果。该算法基于人工免疫原理,采用针对图像质量评价效果的新适应度函数(包括方差、信息熵、紧致度、信噪改变量以及像素差别五要素),提出一种基于浓度和适应度的自适应式选择机制,保证抗体的多样性,提高个体的适应度和防止种群的退化,提高收敛速度。另外引入免疫算子,在保留原算法优良特性的前提下,有选择、有目的地利用待求问题中的一些特征信息或先验知识来抑制其优化过程中出现的退化现象。实验表明,该算法具有较高的自适应性,即避免了陷入局部极小,加快了收敛速度,且增强质量评价明显提高。     

自适应切换策略对VoWLAN性能改进的研究

为了保证服务质量,IEEE 802.11工作组指出因特网语音服务的切换时延不应该超过50 ms。本文提出了一种自适应切换策略：信令分组的传输发生在控制信道上,从而缩短了信令分组的接入时延;数据信道上的因特网语音分组具有高于数据分组的接入优先权,保证了因特网语音业务的实时性;而且,切换时移动台在选择目标接入点时结合了信号强度和当前负荷来完成,避免了接入点负荷过大,造成网络性能下降。仿真结果显示,该策略在保证切换时延不超过规定门限值的同时,资源利用率比现有的快速扫描算法提高了9%左右,业务成功接入率提高了10%。     

基于量子粒子群优化算法的PID参数控制

针对传统PID算法参数最优或接近最优确定较为困难,提出一种量子粒子群(QPSO)优化PID参数的算法,并用平方误差矩积分函数作为适应度判据,以克服PID算法自适应能力较差及遗传算法(GA)优化效率不高,其局部搜索能力较弱的缺陷。并使用伺服电动机数学模型进行仿真,结果表明量子粒子群优化PID参数速度快,避免早熟缺陷,同时表明了所提出算法的有效性和所设计控制器的优越性。