基于PSO的小样本特征选择优化算法研究

针对神经网络进行小样本数据训练时出现文本表征精确度低及特征过拟合,易造成权值全局最优和局部最优的不平衡现象,提出一种基于粒子群的双向长短期记忆网络(Bi-PSO)算法,利用Bi-LSTM对序列数据中长短期距离依赖信息的能力,对文本特征矩阵进行最小残差化处理得到降维矩阵,并通过粒子群算法获取降维矩阵中特征向量的全局最优和局部最优权重,最终进行权重类间、类内距离的迭代计算获得最优特征子集.仿真实验表明:Bi-PSO算法在文本特征拟合精度上得到了提升,算法精确度比Bi-LSTM平均提高了2.225%,在处理样本数目为200～600小样本数据集时拟合效果良好.     

目标综合识别系统中的多级分层属性融合方法研究

根据目标属性信息的层次化特征,提出了一种用于目标综合识别系统的多级分层属性融合方法。依据目标属性信息的内在关系,对其进行分类和分级,然后基于由高级属性推导低级属性的原理对由各种信源获得的属性信息进行预处理,最后使用DSmT的规则对同级属性信息进行融合。计算示例表明,该方法可以融合由异类信源获得的不同等级上目标属性信息,并且在高冲突的证据条件下依然有效。     

混合新生地图信息的随机有限集同步定位与地图创建方法

在密集杂波和地图特征数目多的水下环境中,针对水下机器人同步定位与地图创建(SLAM)方法存在地图特征点位置和数目以及机器人自身位置估计精度较低的问题,提出一种改进的随机有限集SLAM方法,即混合新生地图信息的随机有限集SLAM方法,该方法在概率假设密度滤波(PHD)的预测阶段,将上一时刻之前已探测到的地图信息中靠近机器人位置的地图特征加入到观测信息中,作为预测阶段的新生地图信息集合,通过增加先验信息以提高地图特征位置和数目估计精度,改善预测阶段先验信息不足的问题.仿真实验将所提方法与传统RB-PHD-SLAM方法进行比较,当机器人回到已探测过的区域时,所提方法明显改善了地图特征位置和数目的估计精度.     

中国襀翅目昆虫DNA条形码技术研究

DNA条形码技术在物种快速鉴定与种群遗传分化等方面发挥着重要作用,但目前基于DNA条形码技术针对中国襀翅目昆虫的研究尚未见报道.本研究利用生物信息学方法在基因数据库中获取中国襀翅目DNA条形码序列42条.通过碱基组成分析发现,条形码序列具有A和T碱基偏好性,同时具有较多的保守序列位点.基于DNA条形码序列的系统进化分析表明,DNA条形码在种级和属级水平具有较好的鉴定能力,为进一步利用DNA条形码技术全面研究中国襀翅目昆虫奠定了基础.     

融合多特征的老挝语人名地名命名实体识别

本文依据老挝语人名地名语言学中句法与词法的相关特征,使用不同的算法进行特征间的实现与融合,形成特定的老挝语人名地名命名实体识别模型。首先,依据老挝语地名特征,将有限个省份和国家词语组建成词典。其次使用Word2vec在较大规模的老挝语训练语料中,训练具有上下文语义特征信息的词向量,依据老挝语人名地名的构词特征使用BLSTM进行词语字符级向量训练,将字符级特征向量和词向量组合拼接成组合向量。将老挝语地名做状语后置的句法特征,通过One-Hot算法进行向量化,和组合向量进行融合。再将完整的特征向量输入到最后一层CRF中进行命名实体识别训练,融合了多特征的老挝语命名实体识别模型,模型识别人名地名的准确率、F值得到4%左右的提高。     

基于生成对抗网络的船舶航迹预测模型

为提高复杂交通局面下的船舶航迹预测精度,提出一种基于生成对抗网络的船舶航行轨迹预测模型(Generative Adversarial Networks with Attention and Interaction, GAN-AI)对多艘船舶轨迹同时进行预测。通过编码器对船舶轨迹时空序列进行编码,设计交互模块对多艘会遇船舶的相对位置和相对速度等信息进行抓取和分析,设计注意力模块将船舶自身运动信息和群体交互信息融合后输入解码器对轨迹进行预测。利用舟山港历史轨迹数据进行验证,试验结果表明:GAN-AI模型相较于Seq2seq、朴素GAN和Kalman预测模型分别提升了20%、24%和72%的预测精度,对提高船舶交通服务(Vessel Traffic Service, VTS)系统安全管理水平、判断船舶交通风险程度具有重要意义。     

基于滑模观测器的船用永磁推进电机位置辨识研究

针对传统滑模观测器永磁同步电机转子位置辨识存在特征频次交流扰动的问题,分析了开关管死区效应、导通压降和电流采样调理精度等非理想逆变对辨识反电动势和转子位置的影响,提出了一种基于内嵌陷波器的同步旋转坐标系锁相环技术,抑制了辨识反电动势中特征频次扰动信号对转子位置辨识值的影响,并给出了新型锁相环参数选择确定的原则和依据。仿真结果表明该算法可以有效削弱逆变非理想特性对转子位置辨识结果的影响,验证了本文理论分析的正确性和所提策略的有效性。     

雷达与AIS目标位置信息融合方法的研究

研究了利用AIS播发的目标位置等信息 ,在雷达上进行目标点迹 (位置 )关联与合并的融合方法。建立其数学模型 ,并进行计算机仿真验证 ,其结果显示出该方法可以有效地提高目标的位置精度与可靠性。     

融合双HOG特征和颜色特征的目标跟踪

目标跟踪是计算机视觉中一个极具挑战性的任务,应用于图像处理、模式识别、自动控制等不同领域.许多跟踪算法都获得了良好的效果,但复杂的运动场景会影响目标跟踪的性能.文中提出一种融合双HOG特征和颜色特征的方法,用于视觉目标跟踪,通过构造双HOG特征和颜色直方图特征,并进行融合,减少运动场景变化对目标跟踪的影响.首先,提取当前帧目标区域的HOG特征,并分割为HOG1和HOG2,利用判别相关滤波器对两个特征分别进行滤波处理,选择出最优的特征;然后,利用颜色直方图提取当前帧目标区域的颜色属性特征;最后,融合双HOG特征和颜色特征,获得特征响应图,在响应图中寻找最大值位置,即预测出的新目标位置.在OTB-2013、OTB-2015基准数据集上与其他6个算法对比,实验结果显示,该方法在处理背景杂乱、平面外旋转和形状变化等目标跟踪方面具有良好性能.     

一种多传感器航迹融合算法的仿真分析

充分利用目标的位置、速度信息进行航迹融合 ,在一定条件下能够改善目标的航迹精度。本文对基于互协方差的航迹融合算法进行了仿真分析 ,并对航迹融合模型的稳定性进行了探讨。由于传感器精度的差异 ,不同精度传感器融合会产生不同结果 ;在对模型及其稳定性分析基础上 ,给出了传感器融合的限定条件和适用场合     

分析预测理论在空间位置探测数据处理中的应用(Ⅰ)--空间位置探测数据处理问题和关键技术

这组系列文章将介绍作者研究提出的分析预测理论,以及该理论在目标空间位置探测数据处理问题中的应用.从宏观上讲这种应用几乎平行于传统方法地给出了一整套全新的空间位置探测数据理论和算法.从微观上看,这种应用还具有一些传统方法没有的特点,例如可以对目标运动的模式进行识别(因此确保我们以与目标运动模式相同的或类似的模拟方程对目标进行滤波,从而获得精度更高的预测值),可以给出目标在未来时刻的真实值的范围为我们进行数据关联提供更好的判据,可以解决一维和两维探测数据的融合问题,可以对不同探测精度的数据进行点迹融合等.另外该系列文章研究的工作与传统的工作有较大的互补性.该系列文章首先给出空间位置探测数据的处理问题的定义,并从中抽象出关键技术.在接下来的系列文章中将讨论解决这些关键技术的思路以及关键技术的分解,理论数学模型,分析预测理论,分析预测处理方法的解的存在性证明,相关算法等.其核心有,目标运动模式的识别技术(模拟方程的选择问题),模拟方程参数的选择技术,运动模式发生改变的识别技术,航迹聚类技术,航迹和点迹聚类技术,航迹融合技术,不同探测精度和维数的点迹融合技术,位置预测的评估技术等.最后给出仿真实验数据和结果,与传统方法对比的仿真实验数据和结果,以及分析和统计互补使用等问题.     

一种采用SOM架构的信息过滤系统语义扩展方法研究

论述一种基于自组地图(SOMSelf-Organizing Maps)架构的信息过滤系统语义扩展方法,利用系统本体对海量文本信息系统特征词之间的关联关系进行建模,计算文本信息的特征向量作为自组地图的输入,为用户实现一种直观的信息导航视图.相应实验结果表明,利用本体系统改善特征词权重的计算有效提高文本信息特征向量的分类和标示精度,减少系统的语义重复性,同时自组地图为用户提供的结果信息可以帮助其更为直观精确的定位到需求信息.     

基于物联网结构的船舶监控中心多源定位数据研究

在船舶物联网结构中,每个船舶的位置信息都能够通过通信系统进行交换,从而每个船舶都能够知道自己在航道中的位置,最大程度上避免发生碰撞事故。因此本文在物联网结构的基础上,采用多源融合的技术,对船舶的定位导航信息进行融合处理,使定位数据的精度更高、获取成本更低,并以多源信息融合技术作为基础,重点对船舶的GPS或北斗导航信息进行处理,采用卡尔曼滤波算法,实现信息的噪声过滤,另一方面也采用物联网实现数据的集中处理,降低了处理成本。     

大数据环境下船舶交通客流量实时预测模型

针对当前船舶交通客流量实时预测方法受到冗余数据的影响,导致预测结果精度较差,因此提出大数据环境下船舶交通客流量实时预测模型。从进、出站客流均值和极值两方面,分析船舶交通客流量时间序列特征,引入决策表简约信息属性,剔除冗余数据,构建船舶交通客流量实时预测模型,分析正常和异常船舶交通客流量转换方程,了解短期内客流量变化情况,简化实时预测模型,确定时间序列中各个元素权重系数,实现船舶交通客流量实时预测。实验结果表明,该模型预测的客流量与实际客流量一致,预测结果精度较好。     

船用离心泵故障SOM网络诊断方法

为了实现对船用离心泵的实时在线智能故障诊断,进行了基于SOM网络(自组织特征映射神经网络)的船用离心泵故障诊断方法研究.在分析船用离心泵典型故障及特征的基础上,建立故障模型,提取故障特征向量并建立学习样本;设计和组建了SOM神经网络,将SOM网络的抽取输入信号模式特征的能力应用于故障诊断;通过网络训练建立了 SOM网络输入与输出属性间良好的非线性映射,实现了将特征向量输入网络来诊断故障.经实验验证,该方法具有良好的准确度和适应性.     

基于对象的多波束背散射图像底质分类

针对传统多波束背散射图像底质分类中基于角响应特征分类分辨率低、基于像素统计性特征分类抗噪性低的问题,提出一种基于对象的多波束背散射图像底质分类方法。首先,采用通用背散射处理流程形成辐射畸变改正后的地理编码背散射图;然后,利用简单线性迭代聚类算法（SLIC）对背散射图像进行分割,获得内部均一、边界清晰的对象块;最后,对每个对象块提取其统计性特征,构建特征向量,并以K-means++为分类器实现底质类别划分。该方法提高了底质分类的可靠性,取得了86.96%的分类精度。     

信息融合理论和技术在舰载S&D系统中的应用研究

应用信息融合理论和技术研究舰载S&D(Search & Detection)系统中多传感器雷达的多机动目标跟踪问题,可极大地增强系统跟踪目标的能力,改善和提高系统的跟踪精度.仿真结果表明,使用的几种融合算法都可大大提高系统跟踪精度,同时还可提高系统的可靠性.     

基于深度学习的多声源并行化声纹辨别方法

随着大数据时代的到来,快速而有效地辨别声纹已经成为智能感知领域的重要需求,而传统神经网络和单拾音器系统的辨别精度不高,样本数据量大,其运算速度严重制约了系统的实时性.文中方法通过拾音阵列获取目标声源的位置和时频域信息,利用GPU并行构造掩蔽函数,实现信号数据级融合,强化目标语音特征,然后将多通道的MFCC(mel-frequency cepstral coefficient)声纹参数进行特征级融合,输入深度信念网络(deep belief network,DBN)进行训练和识别,同时使用CUDA(compute unified device architecture)平台对DBN的训练过程进行了并行优化.该方法能在多声源环境下全面地提取目标声纹,有效提高声纹辨别准确率,缩短数据训练耗时,保证了系统实时性.该方法为大数据环境下语音信号高性能处理提供了一种实现方式.     

基于异类传感器的数据融合系统

运用各种有源和无源探测设备在内的异类多传感器集成提供多种观测数据,同时通过不同传感器之间的关联来提高数据精度,可以得到关于目标的更多特征信息,从而为身份识别、态势估计提供更多的依据.基于异类传感器的数据融合系统实现了雷达、ESM等异类传感器的数据关联与融合.仿真结果表明:系统能提供更高精度的数据,获得目标的更多特征信息,并可对目标实施有效识别.     

舰船网络中移动脆弱节点自定位技术研究

针对传统技术受到外界干扰因素影响,导致节点定位精准度差的问题,采用信道跟踪融合技术对移动脆弱节点自定位进行研究。根据舰船网络拓扑结构,设计分簇信道,使节点信息以数据形式发送给簇头,分析被攻击节点动态属性。设定节点主要参数集,研究被攻击节点位置,计算不被攻击节点出现概率,研究移动脆弱节点组合方案,使用坐标融合方法确定节点位置。通过实验对比结果可知,采用信道跟踪融合技术定位精准度最高可达到90%,在舰船通信诊断中具有实用性。