二分类数据的分类结果可视化算法

针对在某些应用领域对二分类数据分类结果可视化的需求，以及现有无监督可视化算法无法提供分类结果的相关信息的问题，提出了二分类数据分类结果可视化算法——支持向量可视化（SVV），该算法是在无监督的自组织神经网络（SOM）的可视化功能的基础上，结合监督学习的支持向量机（SVM）的二分类算法，得到能够直观地显示高维数据、二分类数据分类边界以及数据与分类边界距离的二维映射图，提高了分类结果的可解释性．以SOM可视化算法以及Smnmon算法为参照，用2组可分性不同的样本集进行仿真分析，验证了该算法的有效性和可行性。     

基于流形学习的图像检索研究进展

基于内容的图像检索是当前研究的热点,然而由于“语义鸿沟”问题而限制其检索能力的提高．而流形学习可以利用图像数据库中的数据,以及和用户交互的反馈信息获得用户的语义概念,从而提高检索性能．本文鉴于流形学习在图像检索中表现出的有效性,分析了近几年将流形学习应用到基于内容图像检索中的算法,从归纳和转导角度将相关内容分为两个类别,针对每个类别总结分析了相关算法,并总结了有待进一步研究的问题．     

基于自权值线性判别分析算法的图像处理研究

鉴于传统的线性判别分析(LDA)算法未考虑数据从高维空间嵌入到低维子空间中样本之间的相似性,导致该算法在处理非高斯分布数据时不能取得较好的效果,为此,本文提出了一种改进的自权值线性判别分析算法。改进的模型通过将样本对之间的距离分布转换为样本点之间的权值以区分样本之间的差异性,使模型考虑数据从高维空间嵌入到低维子空间中隐含的局部流形结构,进而提高模型处理非高斯数据的能力。通过人工合成数据和真实数据对改进的模型进行实验验证,表明改进的自权值算法在一定程度上可以改善传统LDA在处理非高斯数据上的降维性能。     

基于遗传粒子群算法的船舶航迹融合研究

研究利用遗传算子对粒子群算法进行优化设计,建立了基于遗传算子的粒子群算法多源数据融合模型。该模型克服了粒子群算法在训练过程中容易陷入局部极值的缺陷,得到了更高的学习精度和更快的收敛速度。利用多传感器检测到的目标船舶航迹点数据进行了融合验证,MATLAB仿真结果表明,基于遗传算子的粒子群算法融合模型融合后的目标船舶航迹点比各传感器单独检测到的目标船舶航迹点数据更加精确,更适用于船舶航迹的跟踪及预测。     

流形学习算法概述

流形学习是一种非监督学习算法,流形学习算法的目的是挖掘嵌入在高维数据空间中的低维光滑流形,本文在论述流形学习算法诞生及研究现状的基础之上,指明流形学习算法的研究重点:流形本征维数估计、有监督学习、样本外学习能力、特殊流形降维,并指出流形学习的研究意义。     

铸造缺陷对铸钢节点钢结构力学性能的影响

为了研究铸钢件中铸造缺陷的等级大小、位置分布对其静力性能、疲劳性能的影响，通过Solidworks软件建立了包含铸钢节点的钢桁架结构的实体模型，根据已有研究成果确定了铸钢节点上缺陷的尺寸与位置；对带有不同铸造缺陷的桁架结构进行静力加载，通过分析结构的应力分布、位移分布情况确定铸造缺陷对其静力强度、静力刚度的影响；对带有不同铸造缺陷的桁架结构进行等幅疲劳加载，通过铸钢节点的修正应力疲劳寿命（S-N）曲线求得模型的局部疲劳寿命，明确铸造缺陷对结构疲劳性能的影响. 研究结果表明:当铸钢节点的不同位置含有相同大小的铸造缺陷时，不同模型的应力极值最大相差11.7%，不同模型的疲劳寿命相差两个数量级；当铸钢节点的同一位置含有不同大小的铸造缺陷时，不同模型的应力极值最大相差1.7%，不同模型的疲劳寿命相差一个数量级；以上两种情况对结构整体和局部的位移分布均没有明显影响；当铸钢节点中铸造缺陷的分布发生变化时，不同模型间应力极值的变化率为8.8%，不同模型的疲劳性能均劣于只包含单个铸造缺陷的模型.      

基于自适应尺度LE的轮廓编组算法

在图嵌入框架下，以编组线索的聚类来实现轮廓编组的方法，不仅可以有效地将局部特征和全局特征结合起来，而且更加符合人类视觉感知以流形存在的特点．本文在分析相似度矩阵对样本结构表示意义的基础上，提出了一种基于自适应尺度LaplacianEigenmap的轮廓编组算法．该算法能够根据编组线索多维特征的不同局部统计特性，自适应地改变相似度计算模型中的尺度因子，使相似度矩阵更准确地反映编组线索数据集的结构特性．在此基础上通过降维实现编组元的聚类，从而得到轮廓编组的结果．实验证明，该算法对于局部统计特性差异较大的编组线索有着良好的适应性，尤其对于有遮挡的感知目标，表现出比图分割方法更为优越的性能．     

细菌觅食机制粒子群优化算法

针对基本粒子群优化算法易陷入局部极值的缺陷,提出了一种细菌觅食机制粒子群优化算法.其基本思想是在粒子群优化算法中引入细菌觅食行为机制,提高PSO算法跳出局部极值的能力,借以改善PSO算法的寻优性能.采用标准测试函数的实验结果表明,该算法在收敛速度和求解精度方面均有显著改进.     

基于分布式算法的FIR数字滤波器的FPGA实现

根据基于查找表结构的分布式算法的基本原理,提出了基于分布式算法的有限脉冲响应数字滤波器（FIR）的实现方法．用FPGA设计并实现了一个32阶低通有限脉冲响应数字滤波器．利用有限脉冲响应数字滤波器线性相位的特性减小了电路规模,采用分割查找表的方法减小了存储空间,采用并行分布式算法结构和流水线技术提高了滤波器的速度．对滤波器性能进行了分析．     

基于双层模型的高速铁路车站能力计算与评估

铁路系统中固定设备与活动设备的各种相互作用的效果最终都体现在时间维度。本文根据高速铁路客流特征规律及车站基础设施的拓扑结构,从服务旅客市场需求的角度出发,定义时段内车站的列车服务-需求意向集合？（t@s-train service-demand intention set,t@s-TSDIS）,又以集合？中列车元素完成运行所需基础设施占用时间为度量标准,提出总体层-局部层的双层模型体系与算法流程表,并计算和评估高速铁路车站能力。在总体层列车占用车站股道时序已知的条件下,构造了资源树冲突图（RTCG）及两个算法（algorithm1与algorithm2）和进行了局部层冲突检验与进路选择优化。优化的目标是完成时段内集合？中列车元素对基础设施占用时间最小。实例应用于某高速铁路车站ψ,验证了模型体系与算法流程的有效性。     

局部阴影光伏发电系统中基于改进PSO的MPPT控制

光伏发电系统在局部阴影条件下,传统的最大功率点跟踪算法（maximum power point tracking,MPPT）容易陷入局部寻优,无法跟踪到全局最大功率点. 针对这一问题,本文提出了一种基于自适应学习因子粒子群算法的最大功率跟踪方法. 该方法在普通粒子群算法的基础上不断改变学习因子和权重系数,以提高算法收敛的速度和精度. 将其应用于局部阴影条件下的光伏发电系统最大功率点跟踪中,并在RT-LAB实时仿真平台中以两个接受不同光照强度的光伏阵列为例进行实时仿真验证. 仿真结果表明,两峰情况下本文所提出的自适应学习因子粒子群算法能够在0.298 s左右跟踪到全局最大功率点,普通粒子群算法需要约0.615 s,而扰动观察法陷入了局部最大功率点,本文所提算法能够有效提高系统的收敛速度和精度并且适用于多峰情况. 最后设置仿真算例验证本算法适用于光照突变的情况.      

基于灵敏度分析的大跨桥梁结构有限元模型优化研究

本文给出了一种基于灵敏度分析的大跨桥梁结构有限元模型优化方法。具体步骤如下：（1）通过竣工资料建立有限元模型;（2）利用成桥试验技术报告确定目标函数与修正参数;（3）采用灵敏度分析方法确定修正参数与目标函数的关系,将结构的有限元模型优化问题转化为数学模型的优化问题;（4）采用线性加权法将多目标优化转化为单目标优化问题,并利用二次规划法进行优化求解;（5）用优化后的结果代入有限元模型计算。采用上述方法对金塘大桥主通航孔桥的结构有限元模型进行优化,结果表明：优化后的计算响应值与实测响应值的误差控制在5%以内,验证了上述方法的实用性。     

一种基于社交网络的民航新旅客成长性预测方法

对于一个高效的客户关系管理系统而言,预测客户成长性是必不可少的环节．本文尝试根据新旅客的短期历史出行数据对其未来价值成长性进行预测．为了克服新旅客历史出行记录稀少而导致无法准确预测的缺陷,提出了一种基于旅客社交网络的预测方法．首先根据旅客历史出行记录构建旅客同行网络;然后分另lj从旅客个体和旅客关系的角度构建多种分类特征,用来进行旅客成长性预测;最后提出了一种结合个体预测与关系预测的组合预测模型,以达到准确预测的目的．在某航空公司的真实数据集上进行实验,证明了本文提出的方法对民航新旅客未来价值成长性的推断是有效的．     

Online sequential extreme learning machine based multilayer perception with output self feedback for time series prediction

This study presents a time series prediction model with output self feedback which is implemented based on online sequential extreme learning machine. The output variables derived from multilayer perception can feedback to the network input layer to create a temporal relation between the current node inputs and the lagged node outputs while overcoming the limitation of memory which is a vital part for any time-series prediction application. The model can overcome the static prediction problem with most time series prediction models and can effectively cope with the dynamic properties of time series data. A linear and a nonlinear forecasting algorithms based on online extreme learning machine are proposed to implement the output feedback forecasting model. They are both recursive estimator and have two distinct phases: Predict and Update. The proposed model was tested against different kinds of time series data and the results indicate that the model outperforms the original static model without feedback.     

基于半监督极限学习机的隧道内车辆RSSI定位方法

为了提高公路隧道突发事件的判别效率，实现道路交通状态全天候监测，以智能公路上泛在无线传感网络为基础，研究了基于信号强度指示值(RSSI)的网联车辆定位问题；考虑到隧道内车辆的连续运动特性，提出了一种带有局部线性嵌入(LLE)算法的半监督极限学习机(SSELM)实现RSSI指纹定位；离线阶段利用LLE对少量已标记位置的RSSI样本和大量无标记样本进行降维处理，辨识表征目标位置信息的高维数据对应的低维流形，再基于改进的半监督学习拟合降维后的RSSI与位置的映射关系；在线阶段将实时采集的RSSI数据进行流形降维后，输入校准好的SSELM中估计目标位置；采用无迹卡尔曼滤波平滑估计位置。试验结果表明:相比于已有半监督学习算法，提出的方法在不同车辆行驶速度和部署间距下均能取得较优的定位性能；当已标记数据占比(减少了50%~90%)、未标记数据数量(0~1 000个)和检测器部署间距(10~25 m)等关键指标变化后，本文方法的定位性能仍然保持最佳，其平均误差最低为3.09 m；计算复杂度上，当已标记数据为30%，即仅采集96个参考点样本时，其平均定位误差为3.8 m，训练时间低至8.7 s。可见，带有局部线性嵌入算法的半监督极限学习机在稀疏或密集传感器部署环境中，对不同行驶速度的车辆均能提供理想的定位性能，且训练时间短、样本依赖性低，是进行隧道内网联车辆辅助定位的一种有效方法。      

粗集决策与聚类分析的改进模型

通过分析粗集理论与聚类分析的内在联系，从理论上探讨了两者的融合机理，并给出了相关的数学证明．考虑到粗集决策难以构造决策表的缺陷，采用聚类分析构造等价关系扩展信息表，提出了等价聚类的概念。建立了基于聚类分析的粗集模型；考虑到聚类分析权重确定存在的问题，采用粗集理论的属性约简思想，解决聚类分析中的权重和冗余性问题，建立了基于粗集理论的聚类分析模型，从而解决了原有模型的不足．     

基于车路协同的车辆定位算法研究

为解决道路交叉口车辆由于定位信号缺失或者延迟引起的车辆定位偏差较大的问题,提出了基于车路协同的协同地图匹配算法（cooperative map-matching,CMM）. 首先利用扩展Kalman滤波（extended Kalman filter,EKF）融合GPS与车载航位推算系统（vehicular dead reckoning,DR）信息作为协同地图匹配的预先定位;然后基于短程通讯技术实现车辆信息的交换与共享,在电子地图的基础上,利用道路约束实现车辆进一步定位. 为了验证算法的有效性,搭建了模拟真实场景的仿真环境进行实验. 研究结果表明:采用EKF融合GPS/DR数据的交叉口车辆定位平均偏差为9.09 m,相比GPS 的14.31 m,定位偏差减小30.87%;采用CMM算法的交叉口车辆,当参与CMM车辆数为7时,平均位置偏差为4.5 m,参与CMM车辆数为10辆时,平均位置偏差为2.75 m,相比EKF定位偏差减小69.74%.      

Topological Expression Model of Satellite Gear Mechanism

By investigation of the topological characteristics of the kinematic structure of Satellite Gear Mechanism (SGM) with graph theory, the graph model of SGM is analyzed, and a topological expression model between input and output of SGM is established based on systematic design point. Meanwhile, the mathematical expression for SGM is deduced by integrating matrix theory and graph theory; thus, the topological characteristics of the kinematic structure of SGM can be converted into a matrix model, and the topological design problem of SGM into a matrix operation problem. In addition, a brief discussion about the measures for identification of isomorphism of the graph mode is made.     

不规则物流园区功能区块布局模型与算法

物流园区功能区块的合理布局对于降低物流成本、提高物流作业效率有重要意义.传统的研究主要建立在假定物流园区是矩形的理想情况下,本文基于栅格数据结构,构建了以运输成本最小为目标的不规则物流园区功能区块布局的集合划分模型,并引入了栅格图像矢量化技术,用于提取布局形成后的图像拓扑结构,获得路网信息,然后设计了基于割树技术的变邻域搜索算法进行求解.最后以某物流园区为例,通过MATLAB编程计算得出布局方案,验证了本文模型和算法的有效性.