一种用于模式识别的多色Voronoi图

提出了一种新的Voronoi图———多色Voronoi图 ,并证明了它的一些重要性质。多色Voronoi图是在Voronoi图的构造过程中 ,根据数据集的特性给Voronoi图染色的结果。用多色Voronoi图概念设计的模式分类器(MCVC)是一种非线性多类别最优分类器 ,可以解决线性可分和线性不可分问题 ,同时MCVC对新增加的训练样本具有快速局部学习能力 ,这种局部学习能力克服了神经网络方法常出现的过学习问题 ,很类似于人对概念的学习。将多色Voronoi图概念用于支撑矢量机的构造中 ,进行支撑矢量的预选取 ,可以提高支撑矢量机的学习速度     

滞后校正对系统瞬态响应的影响

一般认为对于单输入—单输出线性定常系统,进行串联滞后校正能减小系统的稳态误差,而基本上不改变系统的瞬态响应。本文通过理论推导和仿真实例表明上述结论是不全面的。事实上,串联滞后校正不仅对系统的稳态性能产生影响,而且有时会显著地延长系统的调整时间,同时还会改变系统的最大超调量。     

MSVM在汶马高速公路隧道围岩分级中的应用

通过分析国内外的多种围岩分级方法,结合SVM理论与隧道开挖现场实际情况,建立一种快速、准确的隧道围岩分级方法。采用岩石坚硬程度、岩体完整程度、岩体结构、节理风化状况、地下水状况、嵌合程度和地应力状况作为隧道围岩分级评价指标。采用一对一法构建多类分类器,将大量经过专家修正过的隧道围岩分级数据作为多分类SVM的训练学习样本,采用高斯核函数进行计算,结合汶马高速公路隧道施工期围岩分级实践,建立了多分类SVM隧道围岩分级模型,实现不同条件下的围岩分类的合理识别。汶马高速公路隧道围岩分级实际应用表明,该模型能快速、较为准确地进行公路隧道围岩分级。     

基于生成对抗网络的细胞形变动态分类

提出了一种基于生成对抗网络的细胞形变动态分类方法,以活细胞视频中的细胞形变动态为对象,引入分类器辅助的生成对抗网络结构同步训练生成对抗网络和分类网络,通过生成对抗网络产生的数据提高了原本分类网络分辨细胞形变动态的性能.首先,细胞动态图像被用于将活细胞视频中的时间维度进行压缩,使其从视频域映射到图像域以方便生成对抗网络的构建.其次,基于分类器辅助的生成对抗网络结构,将分类网络的分类信息作为辅助信息来改善生成对抗网络对多类样本的生成,同时生成网络生成的多类样本可以反过来优化分类网络对于细胞动态形变的分类性能.在构建的活细胞视频数据库上,可以验证提出方法能有效地捕获细胞视频中的空时细胞形变动态,并且其分类的性能优于其它主流方法.     

基于二维离散小波的生成图像鉴别方法

针对传统基于神经网络的计算机生成图像鉴别方法中存在鉴别难度大和准确率低的问题, 提出一种采用基于小波变换的计算机生成图像鉴别方法. 首先在进行图像多维小波特征提取时, 通过一次分解二维离散小波变换提取图像小波特征, 根据图像小波特征进行n级小波分解提取图像多维小波特征向量; 然后通过三维变换域波去噪算法（BM3D）提取计算机生成图像噪声特征; 最后采用支持向量机(SVM)分类器对计算机生成图像进行鉴别, 通过SVM分类器对图像多维小波特征和噪声特征进行分类, 以解决两种特征融合形成线性不可分的高维特征问题, 从而实现计算机生成图像的准确鉴别. 实验结果表明, 该方法在鉴别计算机生成图像时具有更高的准确性和稳定性.     

半监督技术和主动学习相结合的网络入侵检测方法

针对当前网络入侵具有多样性和易变性, 单一方法很难获得理想网络入侵检测结果的问题, 为提高网络入侵检测正确率, 有效拦截各种网络入侵, 提出一种将半监督技术与主动学习相结合的网络入侵检测方法. 首先, 采集网络入侵数据, 提取网络入侵特征, 并采用半监督技术根据特征对网络入侵数据进行聚类处理; 其次, 采用主动学习算法对聚类后的数据进行训练, 构建网络入侵检测的分类器, 并引入蚁群算法对构建网络入侵检测的分类器进行优化; 最后, 采用标准数据集对网络入侵检测方法进行仿真测试. 测试结果表明, 该方法解决了当前入侵检测方法存在的缺陷, 提升了网络入侵检测正确率, 漏检率和误检率明显少于经典网络入侵检测方法, 同时缩短了网络入侵检测时间, 改善了网络入侵检测效率, 能更好地保证网络通信和数据传输安全.     

具有部分先验信息的贝叶斯分析法在模式分类中的应用

针对模式分类中高置信度的先验概率分布难以设定的问题,提出了一种新的应用贝叶斯分析进行模式分类的方法。该方法首先求得已知先验信息和各个可能的分类决策对先验概率分布的约束集,然后通过对他们进行比较确定待分类模式的类别。实例表明该方法能够有效地缩小待分类模式的可能类别集,从而为分类系统的下一步精确分类提供便利。     

应用加权无波动无自由参数耗散差分格式求解平板振荡叶栅流场

引入双时间方法,计算了某三维平板振荡叶栅的非定常流场.在虚拟时间步上用LU-SGS隐式方法做时间推进,对流项采用空间三阶的加权无波动无自由参数耗散差分(WNND)格式离散.湍流模型采用低雷诺数q-ω模型.计算得到了叶栅不同叶高处的升力系数频谱、非定常压差系数以及叶尖处不同振动时刻的熵等值线.对3个叶高处的升力系数频谱分析表明,流场存在显著的振动诱发的非线性扰动,其频率高于升力系数基频.叶尖处不同振动时刻的熵等值线图显示了大振幅下流场强烈的非定常属性.     

DC/DC升压变换器自适应-PID串级控制系统仿真研究

为获得良好的电压控制性能,抑制模型非最小相位特性的影响,可使DC/DC升压变换器工作在电流控制模式下,采用串级结构的控制器,组成串级控制系统。系统的外环采用基于参数估计的自适应控制算法,以电容电压为被控量;内环则采用一种特殊的PID控制算法,以电感电流为被控量。此种自适应-PID串级控制器不但可使被控系统获得良好的动态特性,而且不需确知负载电阻、电容、电感、输入电压等参数的信息,对参数变化有着很强的鲁棒性。对DC/DC升压变换器的仿真结果表明,上述控制方案是可行的。     

A Target Recognition Approach to Projecting HRR Profiles onto Subspace

Abstract: A array of the azimuthally averaged range-profile vectors and the inter-class and intra-class divergence matrixesare constructed iwth many frames of the high resolution range profiles which result from radar echoes of airplanes. Takingthe methods of whitening transformation and SVD produces a system of subspace vectors for target recognition. Where-upon, a template library for target recognition is built by the projection of a class-mean vector made from the radar dataonto the subspace for recognition. By Euclidean distance, a comparison is made between the above projection and eachtemplate in the library, to decide which class the target belongs to. Finally, simulations with the experimental radar dataarte given to show that the proposed method is robust to variation in azimuth and immune to additive Gaussian noisewhen SNR≥5dB.