基于GRA 与KPCA 的LSSVM 物流需求预测

为降低物流需求建模中最小二乘支持向量机（LSSVM）的结构复杂性、进一步提高LSSVM对物流需求的预测精度,提出一种基于灰色关联分析（GRA）与核主成分分析（KPCA）的LSSVM预测方法.首先利用GRA找出物流需求的主要影响因素;然后利用KPCA提取主要影响因素的非线性主成分,消除因素之间的多重相关性;最后,将提取出的非线性主成分作为LSSVM的输入变量,构建物流需求预测模型,并采用改进粒子群 (IPSO)算法调整LSSVM参数.运用该方法对我国物流需求进行实例分析,结果表明,该方法有效减少了LSSVM输入变量个数,简化了LSSVM结构,并且在一定程度上提高了物流需求预测精度.     

����GRA ��KPCA ��LSSVM ��������Ԥ��

为降低物流需求建模中最小二乘支持向量机（LSSVM）的结构复杂性、进一步提高LSSVM对物流需求的预测精度,提出一种基于灰色关联分析（GRA）与核主成分分析（KPCA）的LSSVM预测方法。首先利用GRA找出物流需求的主要影响因素;然后利用KPCA提取主要影响因素的非线性主成分,消除因素之间的多重相关性;最后,将提取出的非线性主成分作为LSSVM的输入变量,构建物流需求预测模型,并采用改进粒子群(IPSO)算法调整LSSVM参数。运用该方法对我国物流需求进行实例分析,结果表明,该方法有效减少了LSSVM输入变量个数,简化了LSSVM结构,并且在一定程度上提高了物流需求预测精度。     

一种基于KPCA和Brovey变换的遥感影像融合方法

针对PCA-Brovey算法在融合多光谱遥感影像(MS)和全色影像(PAN)方面存在的空间细节特征和光谱特征不能同时得到较大提高的问题,提出一种基于KPCA-Brovey的遥感影像融合方法。利用核主成分变换(KPCA)算法的非线性光谱数据挖掘的特性,提取多光谱影像中信息量最大的3个主分量KPC1、KPC2和KPC3;然后利用Brovey算法对3个主分量和全色波段进行归一化融合运算,使融合结果中的空间信息和光谱信息更丰富。利用武汉区的Landsat5-TM和佛山区的Quick Bird影像进行实验,与PCA-Brovey方法相比,该方法在空间信息和光谱信息方面有明显提高,其中光谱信息提取率分别提高到96.6%(武汉区)和96.1%(佛山区),光谱相关系数提高到0.907 9(武汉区)和0.897 9(佛山区)。     

《西南交通大学学报》第42卷(2007)总目次

第1期(总第173期)高端视点基于分组的宽带CDMA网络呼叫接纳控制方案…………………………………………………方旭明,朱龙杰,张丹丹1基于椭圆曲线的不可否认门限代理签名方案…………………………………………………………………袁丁,范平志8基于特征向量的敏感图像识别技术……………………………………………………………………………彭强,张晓飞13基于量子遗传优化算法的图像稀疏分解…………………………………………………………李恒建,尹忠科,王建英19基于KPCA和ANFIS的色彩校正………………………………………………………………     

基于KPCA算法的高校大学生网络消费预警研究

当今各高校的学生网络消费趋势逐渐加强,为促进高校大学生形成良好且积极的消费观念并进行合理评价与校正,通过多渠道收集了在校大学生的月消费总额以及各个消费领域的金额.采用KPCA算法,建立了针对高校大学生的网络消费预警模型,通过实例分析建立了消费回归曲线,将结果与PCA算法进行对比.结果表明:该模型较PCA算法表现出更显著...     

Kernel Factor Analysis Algorithm with Varimax

Kernal factor analysis （KFA） with vafimax was proposed by using Mercer kernel function which can map the data in the original space to a high-dimensional feature space, and was compared with the kernel principle component analysis （KPCA）. The results show that the best error rate in handwritten digit recognition by kernel factor analysis with vadmax （4.2%） was superior to KPCA （4.4%）. The KFA with varimax could more accurately image handwritten digit recognition.     

基于张量积样条函数的打印色彩校正

为解决设备间色彩再现不一的问题,提出了一种打印校正算法．建立了打印机色彩校正的数学模型,分析了打印特性,并通过张量积样条函数对打印机色彩的非线性进行描述,最后提出了双金字塔结构,实现了打印的快速校正．试验表明,该算法准确描述了打印机色彩的非线性,在CIELAB色彩空间的平均校正色差小于2．0,耗时不到30min,需要打印的样本数目较查找表算法降低了约10倍．     

基于KECA和MBA-NARX的多阶段间歇过程质量预测

间歇过程产品质量与过程特性或过程反应原理密切相关，为解决其过程数据呈现的多阶段性、时序性和动态性的问题，提出一种基于带外源输入的非线性自回归（NARX）神经网络进行多阶段质量预测.首先，对间歇过程数据进行K均值（K-means）聚类阶段划分和核熵成分分析（KECA）数据降维，保证输入数据阶段特征的同时提升后续预测过程的效率；然后，在各阶段内构造NARX预测模型，利用改进蝙蝠算法（MBA）优化网络的隐含层节点数，实现间歇过程在线质量预测；最后，利用青霉素仿真实验数据验证所提方法的有效性.研究结果表明：NARX神经网络开环模式具有较好的预测效果，核熵成分分析的数据降维方式更有利于后续的质量预测研究；MBA对于网络隐含层节点数的优化效率高、稳定性好，阶段划分可以一定程度上提高间歇过程的预测性能，提出的多阶段质量预测模型预测性能较高，均方根误差和平均绝对百分比误差分别达到0.02和1.20%.     

基于主成分分析的DEM粗差检测

为探讨误差的空间分布特性对数宁高程模型(DEM)粗差检测率的影响,建立了独立粗差模型和相关粗差模型,并模拟了不同粗差率(0.2%～3.0%)的数据.将随机分布的粗差加入DEM中,采用基于主成分分析的粗差检测算法进行了试验.结果表明,无论粗差是否空间相关,随粗差率增大,检测率均下降.对于独立分布的粗差,当粗差率小于1.0%时,基本可以定位所有污染数据;而对于空间相关的粗差,当粗差率等于1.0%时,检测率不足50%.可见,粗差的空间相关性及较大的粗差率均会降低基于主成分分析的粗差检测算法的检测率.     

基于核函数的学习算法

论述基于核函数的方法，包括支持向量机的分类、聚类与回归算法，基于核的Fisher判别分析、感知机和主成分分析，介绍学习算法、简化算法和多类分类等研究课题，及基于核函数方法的应用。     

交叉口机动车运动轨迹特征提取与标定

为探讨机动车在交叉口的运行特性,采用复合特征提取算法获取图像上机动车运行的轨迹特征;在多边形线性扫描算法的基础上,考虑摄像机成像畸变的影响,引入中心偏移因子,提出了考虑中心偏移的多区域扫描标定算法,将运行轨迹图像特征转化为真实的运动特征;最后,与多边形线性扫描算法的计算结果及实测数据进行了对比,结果表明:该算法能够有效地提取交叉口机动车的运行轨迹,准确地表征机动车在交叉口的相关运行特性;与实测车速相比,计算得到的机动车速度误差小于4%.      

基于图正则化和Schatten-p范数最小化的交通数据恢复

为充分利用交通数据低秩特性与局部近邻关系，准确恢复交通数据采集系统中的缺失数据，首先，应用基于核范数的低秩矩阵补全模型对交通数据矩阵进行预插补，以获得缺失值的初始估计，基于此，构建表征数据局部近邻结构的图模型；然后，提出融合图正则化和Schatten-p范数最小化的交通数据缺失值恢复模型；进一步，提出基于交替方向乘子框架的优化算法，求解缺失值恢复的最优化问题，得到最终的数据恢复结果；最后，用实际的高速公路交通流量和速度数据比较多种方法的恢复误差，同时给出所提方法的参数敏感性分析. 实验结果表明:在完全随机缺失、随机缺失和混合缺失模式下，缺失率为10% ~ 50%时，相比于局部最小二乘、概率主成分分析和低秩矩阵补全等方法，基于图正则化和Schatten-p范数最小化的算法恢复误差降低了3.02% ~ 28.49%.      

磁流变半主动座椅悬架建模及振动特性分析

磁流变阻尼器力学模型及控制电流逆模型对半主动控制系统的控制精度具有重要影响.采用正弦及余弦型魔术公式，基于骨架曲线与滞回分离的建模方法，建立改进的磁流变阻尼器动态阻尼力模型；采用基于Sobol序列的差分-禁忌混合优化算法对阻尼力模型进行参数识别，构建包含激励特性及控制电流参数的通用数学模型；在试验测试及正向模型基础上，利用自适应神经模糊系统建立阻尼器控制电流逆模型.研究结果表明：本文建立的正逆模型均能够有效表征磁流变阻尼器的非线性行为及滞回特性；改进魔术公式模型在不同激励特性及电流工况下的平均百分比误差在3.4%附近变化；逆向动力学模型计算的控制电流误差均方根值为0.086 9～0.1171 A；经过控制电流逆模型与阻尼器正向模型串联模型计算的预测阻尼力误差均方根值为阻尼器最大阻尼力的5.6%；通过试验测试与仿真结果对比，验证了本文提出的阻尼器数学模型具有较好的精度和适用性，能够改善座椅悬架系统振动传递特性.     

基于平板标定工具的机器人工具中心点标定方法

为在工业现场便捷、准确地获取工具中心点（tool center point，TCP）参数，降低机器人末端工具的定位误差，提出了一种基于平板标定工具的机器人TCP标定方法. 利用机器人TCP与平板多次触碰所形成的空间触点应共面的约束条件，建立了机器人TCP参数标定模型；针对TCP名义参数未知和已知的情况，分别提出了基于粒子群算法的TCP直接求解和线性化的偏差求解算法. 通过数值仿真和标定试验验证所提出方法的可行性和准确性，结果表明:TCP直接求解和偏差求解算法求解的结果与传统四点标定法相比，误差分别在0.5 mm和1.0 mm以内.      

Kernel Generalized Noise Clustering Algorithm

IntroductionFuzzy clustering is one of the important methodsin pattern recognition. The most widely used fuzzyclustering is the fuzzy c-means (FCM) algorithm[1]which is conceived by Dunn[2]and generalized byBezdek[3]. Based on an objective function, the F…     

Simultaneous localization and mapping of autonomous underwater vehicle using looking forward sonar

A method of underwater simultaneous localization and mapping (SLAM) based on on-board looking forward sonar is proposed. The real-time data flow is obtained to form the underwater acoustic images and these images are pre-processed and positions of objects are extracted for SLAM. Extended Kalman filter (EKF) is selected as the kernel approach to enable the underwater vehicle to construct a feature map, and the EKF can locate the underwater vehicle through the map. In order to improve the association efficiency, a novel association method based on ant colony algorithm is introduced. Results obtained on simulation data and real acoustic vision data in tank are displayed and discussed. The proposed method maintains better association efficiency and reduces navigation error, and is effective and feasible.     

Improved Kernel Possibilistic Fuzzy Clustering Algorithm Based on Invasive Weed Optimization

Fuzzy c-means(FCM) clustering algorithm is sensitive to noise points and outlier data, and the possibilistic fuzzy c-means(PFCM) clustering algorithm overcomes the problem well, but PFCM clustering algorithm has some problems: it is still sensitive to initial clustering centers and the clustering results are not good when the tested datasets with noise are very unequal. An improved kernel possibilistic fuzzy c-means algorithm based on invasive weed optimization(IWO-KPFCM) is proposed in this paper. This algorithm first uses invasive weed optimization(IWO) algorithm to seek the optimal solution as the initial clustering centers, and introduces kernel method to make the input data from the sample space map into the high-dimensional feature space. Then, the sample variance is introduced in the objection function to measure the compact degree of data. Finally, the improved algorithm is used to cluster data. The simulation results of the University of California-Irvine(UCI) data sets and artificial data sets show that the proposed algorithm has stronger ability to resist noise, higher cluster accuracy and faster convergence speed than the PFCM algorithm.     

基于核密度应力谱外推的转向架构架疲劳寿命评估

提出了一种基于多样本核密度应力谱外推的疲劳寿命评估方法,研究了核密度估计中的最优带宽与核函数的确定问题,采用灰色关联度分析方法对应力谱的外推优度进行量化评价与检验,并讨论了疲劳寿命评估的相对误差与外推倍数之间的关系;为了验证方法的正确性与可行性,以某转向架构架转臂定位安装座焊缝附近某测点为研究对象,选取了该测点在车轮分别处于镟轮初期、中期和末期时的3组动应力测试数据,进行多样本核密度应力谱外推与疲劳评估。研究结果表明:基于最小渐近均方积分误差的概率密度函数拟合优度良好,所研究的4种核函数类型中,基于Epanechekov核函数外推的相关性最好,相关系数为0.99,较其他3种核函数提高了0.01%~0.12%,基于Circular核函数外推的一致性最好,灰色关联度为0.592 0,较其他3种核函数提高了0.17%~0.32%;基于多样本核密度应力谱外推10倍后的疲劳评估寿命相比基于线性外推的评估寿命减少了1.15%;当应力谱外推至全寿命周期时,基于核密度外推所评估的安全运营里程减少了6.45%。可见,基于核密度应力谱外推的疲劳寿命评估更偏于安全,能保证车辆结构的安全服役。