基于k-means聚类与RBF网络的电力系统日负荷预测

针对大型工业企业电力负荷震荡剧烈,幅度大等问题,提出了借助卡尔曼滤波对“失真数据”进行实时估计,弱化陈旧数据权值的k-means聚类和径向基网络的组合预测模型,依据最小逼近误差,利用最小二乘法对RBF网络的输出权值进行优化。文中方法对电力系统不同的工况背景,使用k-means聚类算法来确定隐藏节点的数据中心和扩展常数,改善了常规RBF网络随机选择网络中心的情况,同时使电力负荷精度得以有效提高。最后,依据文中的组合模型和其它4种常用算法分别对宝钢电力系统负荷数据进行分析预测,仿真结果表明：本文方法对负荷预测效果较好。     

一种基于视频运动分析的智能码流方法

采用迭代重加权最小二乘（IRLS）方法计算连续两帧图像的光流,根据光流计算的结果估计视频监控场景的运动状态,将场景分为静止、一般运动、剧烈运动,并分别制定不同的码流存储策略,实验表明,该方法能对监控场景的常见运动行为识别并分类,具有一定的鲁棒性,应用该方法可以减少冗余视频帧对存储资源的占用,扩充敏感监控数据的存储能力。     

区域乡村住宅耐久性指标全局敏感性分析方法

为满足乡村住宅向生态宜居长寿化的方向发展,乡村住宅的耐久性需要给予足够的重视。针对指标参数对区域乡村住宅耐久性的影响分析,基于可拓学和扩展傅里叶幅度敏感性检验法（EFAST）提出了适用于区域乡村住宅耐久性能的评价模型与全局敏感性分析方法。该方法基于可拓学对乡村住宅的耐久指标进行初步筛选,得到乡村住宅耐久性能的敏感因素;将筛选出的耐久指标敏感因素通过最小二乘支持向量机(LSSVM)模型和蒙特卡洛抽样实现乡村住宅样本数量的扩增;引入EFAST方法对扩增后的乡村住宅样本进行耐久指标的全局敏感性分析,得到耐久指标敏感因素的一阶敏感度和总阶敏感度。该方法可以提高区域乡村住宅敏感性分析的精确度,得到影响因素的敏感性程度,且可以实现乡村住宅样本数量的扩增,降低实地调研成本。最后将该全局敏感性分析方法应用于区域乡村住宅分析,阐明了该方法的分析过程,并给出了我国乡村住宅耐久性能的限制因素和敏感性系数。     

多变量ARX-like系统的递阶最小二乘估计

利用Kronecker积,推导出多变量ARX-like随机系统的辨识模型,使用递阶辨识原理研制了一个递阶最小二乘参数估计算法.提出的递阶最小二乘算法比现存递推最小二乘算法计算量小.给出了为仿真例子.     

曲线合成孔径雷达中散射点三维特征提取方法

为了减少曲线合成孔径雷达(syntheticapertureradar,SAR)的成像算法计算复杂度,提出一种有效的目标三维特征提取方法。该方法基于松驰思想逐个提取散射点的三维特征,并利用散射点的距离参数与垂直于距离方向上参数(方位和高度)之间的弱耦合性将散射点位置估计解耦为顺序估计。由于采用了一系列的低维优化过程来获得所有散射点的参数估计,该方法具有较低的运算代价。仿真结果表明:该方法可以有效地对三维目标成像,且参数估计性能与其他曲线SAR成像算法相当。所以该算法在降低计算复杂度的同时并未造成性能上的损失。     

PMLSM伺服系统的特征模型与自适应迭代学习控制

针对PMLSM伺服系统的位置跟踪控制问题,提出一种基于特征模型的自适应迭代学习控制方案。由分析可知,在"id=0"的控制策略下,该系统是一个六阶线性定常系统。结合特征模型理论,给出了该系统的一阶、二阶和三阶特征模型,其特征参数沿时间轴和迭代轴均是变化的。采用遗忘因子最小二乘迭代学习辨识与最小方差控制方法,给出一种基于特征模型的带饱和限幅自适应迭代学习控制方案。仿真结果表明,提出的学习控制方案能够实现系统输出对期望位置的轨迹跟踪。     

平均差分进化算法在等效系统拟配中的应用

等效系统方法是评价飞机飞行品质的重要方法之一,最小二乘法和极大似然法在等效系统拟配中应用较为广泛,但是二者在使用时对初值有较高的要求且容易陷入局部最优解,因而导致拟配精度不高。针对这一问题,对传统差分进化算法的核心公式进行了改进,提出了基于平均差分进化算法进行等效系统拟配的新思路。此外,由于数据中存在一定比例的噪声干扰,所以分别以理想3-2-1-1信号和混入10%、30%白噪声的3-2-1-1信号作为系统输入,对比研究了平均差分进化算法和传统等效拟配方法的差异,发现平均差分进化算法具有较强抗噪声干扰能力和良好的鲁棒性,因此,平均差分进化算法应用于等效系统拟配具有较好的辨识效果,同时对于噪声的处理能力较强。     

基于k近邻和最小二乘支持向量机的Android恶意行为识别

针对单一k近邻算法(KNN)和最小二乘支持向量机(LSSVM)存在的缺陷, 提出一种基于KNN LSSVM的Android恶意行为识别模型. 先采集Android用户行为样本, 并提取相应特征组成特征向量; 再将训练集输入LSSVM中进行学习, 计算测试样本与最优分类平面间的距离, 如果该距离小于阈值, 则直接采用LSSVM恶意行为识别, 否则采用KNN算法进行恶意行为识别; 最后采用仿真实验测试KNN LSSVM的性能. 实验结果表明, 相对于单一KNN算法和LSSVM, KNN LSSVM提高了Android恶意行为的识别正确率,可以满足Android[KG*6]恶意行为的在线识别要求.     

基于遗传算法的最小一乘回归新算法

最小一乘在稳健性上比最小二乘好,使得最小一乘在工程中得到广泛的应用,但求解最小一乘的算法并不理想;本文根据最小一乘的性质,把最小一乘问题变为组合优化问题.将遗传算法用在最小一乘模型的求解上,在后面的仿真实验中得到了较好的效果.     

基于方向信息测度的约束最小二乘图像恢复方法

根据约束最小二乘图像恢复方法,设计了一种新的图像恢复方法,把图像方向信息测度的概念引入到图像恢复算法中．它的优点在于,克服了约束最小二乘恢复方法中平滑噪声的同时,边缘信息也被平滑了的缺点,能够在边缘信息保持与噪声平滑之间取得更好的折中．满足了人眼对边缘比较敏感的视觉特性要求．实验证明,这是一种较好的图像恢复方法．