一种新的结合奖励机制的ETLBO算法

通过对原ETLBO(elitist teaching learning based optimization)算法引入一种新的奖励机制, 提出一种新的结合奖励机制的ETLBO-reward算法, 并基于该算法提出一种简单自适应的精英个数算法RETLBO reward, 该算法保留了传统算法参数少、 易实现、 收敛快等优点, 进一步提升了传统算法的收敛能力. 对6个连续非线性优化问题的测试结果表明, 这两种算法均具有良好的性能, 求解效率较原ETLBO算法有明显提升.     

HDSL系统中基于信道辨识均衡器的设计

介绍了ＤＭＴ－ＨＤＳＬ系统的原理及其实现方法，提出了针对ＤＭＴ调制技术的一种基于信道辨识的自适应均衡方法，计算机仿真实验证明了该方法是简单和有效的．     

真空冷冻干燥设备的先进控制系统

对应用于宇航，军事，医药，营养保健食品等领域的真空冷冻干燥设备ＺＬＧ－３０等，用ＯＭＲＯＮ ＰＬＣ／４０Ｐ及单片机８０３２／ＥＵ８１８Ｐ１５构成手动，自动控制系统进行了硬件配置及软件设计；并针对不同冻干物料的工艺要求，采取ＤＲＡ算法和临界比例法两种自适应，自整定控制方法，解决了被控对象主控参数－温度的滞后等问题，实现稳定，可靠的自动化冻干过程。     

空时自适应处理典型方法综合性能评估

对典型空时自适应处理方法的综合性能进行了评估，主要从误差鲁棒性、运算量、采样要求、自适应方向图、频响图、实现复杂度几个方面进行了比较与分析，为实际工程实现和发展新的空时二维自适应处理器作参考。     

自适应融合的长期目标跟踪算法

为了完成复杂场景中的长期视觉跟踪任务,解决尺度变化、外观变化和跟踪失败等问题,提出了一种双模型融合的长期跟踪算法.首先,将稀疏核相关滤波模型和颜色模型得到的跟踪响应进行自适应融合,构成更具鲁棒性的跟踪结果;然后,利用响应最大值来判断目标跟踪是否成功,并通过随机抽样学习用于在跟踪失败情况下重新检测目标的CUR滤波器,实现长期跟踪.在大规模基准数据集上的实验结果表明,算法在效率、准确性和鲁棒性方面优于现有相关跟踪算法.     

基于客户满意度的车辆路径问题的混合蝙蝠算法

车辆路径问题对现实有着良好的指导意义,自提出以来便吸引了企业界和学术界的广泛关注。然而,传统车辆路径问题仅仅将车辆行驶里程最短作为目标,忽视良好的客户体验对于企业的重要性。考虑客户满意度这一目标,建立以客户满意度和车辆行驶里程最短为目标的多目标优化模型,根据车辆路径问题的具体特征,改变基本蝙蝠算法的编码方式。为克服基本蝙蝠算法求解精度低、易陷入局部最优的缺陷,加入贪婪随机自适应启发式算法提高求解精度,引入病毒进化机制以增强蝙蝠算法跳出局部最优的能力。算例分析表明:病毒进化混合蝙蝠算法相比于基本蝙蝠算法,在求解精度上有较大幅度提高,是一种有效求解车辆路径问题的方法。     

狭缝滤波对自适应光学校正性能影响的实验验证

搭建了一个光栅光谱仪系统,并在系统中集成了一套自适应光学系统,用于验证狭缝滤波对单阶Zernike像差的校正影响。实验结果表明,相对于传统的自适应光学校正方法,考虑狭缝滤波的影响可以降低自适应光学系统的校正要求,且闭环校正的迭代次数并没有明显增加,为自适应光学校正方法提供参考。     

基于自适应池化的行人检测方法

基于卷积神经网络的行人检测器普遍采用图像识别网络,通常会引起多池化层导致小目标行人特征信息丢失、单一池化方法导致行人局部重要特征信息削弱甚至丢失等,针对以上问题,基于最大值池化和平均值池化方法,提出了一种自适应池化方法,结合通用目标检测器Faster R-CNN,形成了有效的行人检测器,达到增强行人局部重要特征信息、保留小目标行人有效特征信息的目的。对多个公开的行人数据集进行大量实验,结果表明,与传统的卷积神经网络行人检测器相比,所提方法将行人检测漏检率降低了2%～3%,验证了方法的有效性。新方法改进了卷积神经网络结构,在无人驾驶领域具有一定的参考价值。