采用多分类器集成方法的带钢表面缺陷图像识别

现有带钢表面缺陷在线识别系统中单个分类器对部分缺陷识别率不高,并且对训练样本依赖性较大;针对这一问题,提出了一种基于并行多分类器集成技术的带钢缺陷图像识别方法.该方法选择LVQ神经网络、RBF神经网络和支持向量机作为基分类器,应用加权投票法对基分类器进行集成,从而实现基分类器能力互补.实验表明,采用多分类器集成的带钢表面缺陷图像识别方法可以更准确地对带钢常出现的边缘锯齿、焊缝、夹杂、抬头纹等缺陷进行识别,能够得到相当或优于任何单个分类器的分类精度,总体识别率达到96%以上.     

多源信息融合的配电网重复多发性停电在线监测与预警技术

针对配电网重复多发性停电问题,基于面向服务架构的多源停电信息融合技术,分析影响配电网重复多发性停电风险和停电分级预警的因素,并结合德尔菲法建立指标评价体系,分别得出各个因数指标的评分标准和权重,建立配电网重复多发性停电风险和停电分级预警模型。针对某实际停电实例进行了分析,得出重复多发性停电综合概率值和分级预警级别,为治理重复多发性停电提供了一种新思路。     

代数体函数涉及重值的奇异方向

利用型函数的方法研究了代数体函数奇异方向，证明了满足条件limr→log^2r^T(r,w)=∞的有限代数体函数涉及重值的Borel方向的存在性．结果是对文献[4]中结论的推广；同时，还精细了文献[3]中得到的结果。     

基于遗传算法的类零相关多相码设计

距离高分辨多输入多输出（multiple input multiple output,MIMO）雷达体制下,目标回波可能跨越多个距离单元,因此要求发射信号在主瓣附近具有较低的自相关旁瓣和互相关。针对这一问题,提出了一种基于遗传算法的类零相关多相码设计方法。该方法选择具有零相关特性的零相关码集为初始群体,然后针对零相关码的特性,对遗传算法的交叉和变异操作进行了优化设计。通过把相关信号能量向远离主瓣的区域挤压,获得的多相码在主瓣附近具有较低的自相关旁瓣和互相关。最后,计算机仿真验证了该方法的有效性。     

基于灰关联度的多目标规划新求解算法

针对多目标规划的求解问题,提出了一种新的基于灰色关联度的求解算法, 该算法将多目标规划模型的多个目标函数理想值组成一个理想目标向量。在相同的约束条件下,基于目标函数向量与理想目标向量之间的灰色关联度而构造一个实值偏好函数。通过最大化这个实值偏好函数,可把多目标规划问题转变为单目标规划问题,并给出了基于遗传算法的求解步骤。通过实际算例表明,该算法正确有效,且相对于线性加权和法、平方加权和法和理想点法而言,具有较好的综合距离均衡性能。     

基于依赖型算子的不确定语言多属性群决策法

研究了属性权重以实数形式给出、属性值以不确定语言变量形式给出的多属性群决策问题。基于不确定语言变量的运算法则,给出了一种基于不确定语言变量及其运算法则的新算子：依赖型不确定语言有序加权几何 (dependent uncertain linguistic ordered weighted geometric, DULOWG) 算子。与该类算子相关联的加权向量依赖于被集结的不确定语言变量,并且对错误或有偏见的不确定语言变量赋予较低的权重来减轻不公平性对评价结果的影响。提出了一种基于ULWGM算子和DULOWG算子的不确定语言多属性群决策方法,并进行了实例分析。     

MIMO雷达子阵级m-Capon方法研究

针对多输入多输出（multiple input multiple output, MIMO）雷达虚拟阵列孔径大,典型的降维空时自适应处理（space time adaptive processing, STAP）方法--m-Capon法无法适用的问题,对子阵级m-Capon法进行了研究,并与相应的相控阵雷达3-Capon方法进行了比较。计算机仿真结果表明,处理器维数相同时,子阵级3-Capon方法性能明显提高,但非主杂波区误差鲁棒性差;子阵级1-Capon法在非主杂波区性能明显提高,但主杂波凹口太宽。在实际应用中,可综合运用两种方法对主杂波和非主杂波区分开处理,为工程实现提供可靠依据。     

多元散射校正和逐步回归法建立黑土有机碳近红外光谱定量模型

采用全谱建立近红外校正模型,计算工作量大且冗余信息多。通过特定方法筛选特征波长有可能得到更好的定量校正模型。逐步回归法在波长选取方面起到了重要的作用。多元散射校正技术（Multiple scatter correction,MSC）可以有效剔除由样品颗粒大小、装填密度、湿度等不同引起的散射影响,有效提高光谱的信噪比。以我国东北黑土为研究对象,采集了136个土壤样品3699cm^-1-12000cm^-1范围的近红外光谱,利用多元散射校正技术对近红外原始光谱数据进行预处理,评价MSC的去噪效果,并利用多元线性回归法建立了土壤有机碳含量与校正光谱优选波长点处吸光度之间的关系模型,评价多元逐步回归法优选波长的有效性。结果表明,多元散射校正技术有效降低了散射的影响,提高了相关光谱的信噪比,模型决定系数从0．598提高至0．681。基于手动挑选波长建立的模型决定系数高达0．956,预测样品集模型预测值与实测值之间的相关系数为0．823。手动挑选波长建立的SOC模型预测能力优于基于逐步回归方法建立的定量模型,利用逐步回归分析法优选波长还需要进一步研究。图7,参26。     

基于多模型方法的自适应卡尔曼滤波

针对一类观测噪声统计特性未知的离散时间系统设计一种多模型自适应卡尔曼滤波器。基于多个不同的固定观测噪声协方差阵建立多个固定模型卡尔曼滤波器,将多个固定模型卡尔曼滤波器和一个常规自适应卡尔曼滤波器共同组成多模型自适应卡尔曼滤波器。针对每一个滤波器建立一个基于输出误差的指标切换函数,每一个采样时刻将指标切换函数取得最小值的滤波器的状态估计值切换为系统的当前状态估计值。仿真结果表明,与常规的自适应滤波器相比,此方法可以极大地改善滤波器的滤波效果。     

基于模型概率的多模型融合定轨建模及仿真

针对实际定轨系统中存在的不确定性和非线性性,提出了一种基于模型概率的多模型融合定轨方法.通过多个线性模型的组合来逼近卫星定轨复杂非线性时变过程,将卫星状态的最优估计与多模型融合方法相结合,利用残差的大小来设计性能指标函数,给出了两种模型概率的表示形式,并建立了多模型融合估计相应的算法.仿真结果表明,与单一模型定轨方法相比,该方法不仅能大大提高卫星定轨精度和可靠性,而且还可以最终辨识和估计模型参数的真值,且对外界环境发生的变化有很强的自适应能力.