基于数学形态学与动态时间扭曲的电压扰动分类

为提高电压扰动信号分类识别的精度,提出了一种基于数学形态学与动态时间扭曲的新算法．该算法首先通过形态滤波器对信号进行滤波处理,然后利用如变换提取滤波输出的特征,再通过动态时间扭曲分类器与参考模板进行匹配,最后获得有效的分类识别结果．用Matlab进行仿真分析的结果表明,该算法能有效识别各类扰动信号,准确率高,即使在强噪声环境下,识别精度也超过84％．     

带层次结构的天然气需求预警分析方法

天然气是经济发展不可获缺的能源之一。为了保证在一定成本下的天然气供求平衡,引入天然气预警系统是有必要的。探讨了利用带层次结构分析的方法处理天然气预警问题,即分别对总体和短期指标进行层次结构分析,再利用总体指标修正短期指标对系统进行预警。     

基于特征多视图提升Naive Bayesian的Boosting改进算法

AdaBoost作为一种有效的集成学习方法,能够明显提高不稳定学习算法的分类正确率,但对稳定的Naive Bayesian分类算法的提升效果却不明显．为此,利用多种特征评估函数建立不同的特征视图,生成多个有差畀的加权朴素贝叶斯（WNB）基分类器;尝试使用几种不同的方式将样本权重嵌入WNB基分类器的参数中,对WNB产生扰动,进一步增加基分类器的不稳定性．实验结果表明．对比AdaBoost所提算法．BoostMV-WNB能够明显提升WNB文本分类器的性能．     

基于多模式弱分类器的AdaBoost-Bagging车辆检测算法

针对现有车辆检测算法在实际复杂道路情况下对车辆有效检测率不高的问题,提出了融合多模式弱分类器,并以AdaBoost-Bagging集成为强分类器的车辆检测算法。结合判别式模型善于利用较多的特征形成较好决策边界和生成式模型善于利用较少的特征排除大量负样本的优点,以Haar特征训练判别式弱分类器,以HOG特征训练生成式弱分类器,以AdaBoost算法为桥梁,采用泛化能力强的Bagging学习器集成算法得到AdaBoost-Bagging强分类器,利用Caltech1999数据库和实际道路图像对检测算法进行了验证。验证结果表明:相比于单模式弱分类器,AdaBoostBagging强分类器在分类能力和处理时间上均具有优越性,表现为较高的检测率与较低的误检率,分别为95.7%、0.000 27%,每帧图像的检测时间较少,为25ms;与传统级联AdaBoost分类器相比,AdaBoost-Bagging强分类器虽然增加了12%的检测时间和30%的训练时间,但检测率提升了1.8%,误检率降低了0.000 06%;本文算法的检测性能显著优于基于Haar特征的AdaBoost分类器算法、基于HOG特征的SVM分类器算法、基于HOG特征的DPM分类器算法,具有较佳的车辆检测效果。     

基础设施项目投资风险预警指标设计

开发基础设施项目投资风险预警系统首先要设计投资风险预警指标，本文为了建立基础设施投资风险预警指标体系，应用层次分析法，定量确定基础设施项目投资风险预警指标的权重，并以此来选择项目投资风险预警指标．     

基于TF-IDF-MP算法的新闻关键词提取研究

TF-IDF算法使用词频和逆文档频率来判断文章中词语的重要性,但类别区分效果不是很好。为提高分类效果,提出TFIDF-MP算法。首先对语料库中的文档进行段落标注,利用jieba分词工具分词并标注词性,然后根据特征词在单个文档中出现的次数与该特征词在语料库所有文档中出现的平均次数进行比较,采用改进后的Sigmoid函数调整特征词权值,同时根据相关文档的段落位置重要程度赋予不同的位置权重,根据特征词权重大小排序后用朴素贝叶斯分类器对文档进行分类。实验结果表明,TF-IDF-MP算法应用到新闻分类中,精确率、召回率和F1值等评价指标较TF-IDF及相关改进算法都得到较好的提升。     

基础设施项目投资风险预警指标设计

开发基础设施项目投资风险预警系统首先要设计投资风险预警指标,本文为了建立基础设施投资风险预警指标体系,应用层次分析法,定量确定基础设施项目投资风险预警指标的权重,并以此来选择项目投资风险预警指标.     

基于特征脸和LS-SVM分类器的人脸性别分类

提出使用特征脸和最小二乘支持向量机(LS-SVM)分类器相结合进行人脸性别分类.我们首先从训练图像中求得特征脸空间,然后将训练集和测试集图像投影到特征脸空间得到投影系数.使用训练样本投影系数训练LS-SVM分类器,对训练图像和测试图像进行分类试验,同时计算出分类准确率,实验结果表明LS-SVM分类要比其他分类算法有更好的优越性.在实验中我们也使用交叉验证来确定特征脸数目和核函数参数.     

基于神经网络的引线键合质量预测模型研究

针对引线键合质量与其影响参数之间存在非线性、强耦合关系的特点,提出一种基于弹性BP算法的BP神经网络引线键合质量预测模型.通过引线键合工艺过程的分析,提取了影响引线键合质量的工艺参数,采用BP神经网络结构,建立了引线键合质量预测模型.不同算法下的网络训练结果表明,弹性BP算法具有较快的收敛速度和较高的训练精度.仿真结果表明所建模型具有较高的预测精度,能够准确地反映键合质量综合指标的变化趋势.     

基于自然村最大潜势度的区域地质灾害气象预警

以地质灾害详细调查、监测为基础,提出了基于自然村最大潜势度的区域地质灾害预警研究方法,建立了自然村最大潜势度、当日激发降雨与前期有效降雨、坡度等多指标的预警模型,并在哀牢山中段东麓的新平县进行了深入研究,分别建立了该地区地质灾害气象预警和警报指标,以该模型指标研制的自动预警系统经过两年的试运行和运行,效果较好.该方法比较适合我国大比例尺（县级）地区地质灾害气象预警工作,提高了预警的针对性,可以作为西南山区其他县市开展地质灾害气象预警工作的参考.     

基于层次集成学习的高光谱图像分类

为提高高光谱图像（HSI）分类精度,基于集成学习方法提出高光谱图像分类的层次集成学习新框架。采用两种集成学习策略：外部集成及内部集成。在外部集成阶段,构造多种高光谱图像的光谱和空间特征,使外部集成呈高度多样性,有利于提高分类精度;内部集成阶段,针对关联多特征集中的个体,Adaboost算法实现个体分类性能的提高。两组高光谱数据的实验结果表明,与原始的Adaboost和单分类器相比较,该方法在整体精度方面有更好的性能。     

基于时空轨迹跟踪的交通流特性参数检测分析

基于视频的交通流检测在智能交通系统中具有重要意义.本文针对广泛采用的低位摄像机,提出了一种交通流特性参数的检测分析方法.首先基于三级虚拟检测线和自适应更新率局部背景建模来快速提取车辆特征点并消除活动阴影对提取精度的影响;然后基于Adaboost（Adaptive Boosting, 自适应增强）分类器实现特征点按车分组,并在跟踪过程中根据运动特征相关度消除分组误差,获取高精度的车辆轨迹;进而自动生成多车道轨迹时空图并提取各车道交通流的多种特性参数.实验结果验证了算法的高效性;同时,自动生成的多车道轨迹时空图也为更多的交通信息获取和更深入的交通流特性分析提供了有力支持.     

����ʱ�չ켣���ٵĽ�ͨ�����Բ���������

基于视频的交通流检测在智能交通系统中具有重要意义。本文针对广泛采用的低位摄像机,提出了一种交通流特性参数的检测分析方法。首先基于三级虚拟检测线和自适应更新率局部背景建模来快速提取车辆特征点并消除活动阴影对提取精度的影响;然后基于Adaboost（Adaptive Boosting,自适应增强）分类器实现特征点按车分组,并在跟踪过程中根据运动特征相关度消除分组误差,获取高精度的车辆轨迹;进而自动生成多车道轨迹时空图并提取各车道交通流的多种特性参数。实验结果验证了算法的高效性;同时,自动生成的多车道轨迹时空图也为更多的交通信息获取和更深入的交通流特性分析提供了有力支持。     

Feature extraction and modeling of welding quality monitoring in pulsed gas touch argon welding based on arc voltage signal

Arc sensing plays a significant role in the control and monitoring of welding quality for aluminum alloy pulsed gas touch argon welding （GTAW）. A method for online quality monitoring based on adaptive boosting algorithm is proposed through the analysis of acquired arc voltage signal. Two feature extraction algorithms were developed in time domain and frequency domain respectively to extract six statistic characteristic parameters before removing the pulse interference using the wavelet packet transform （WPT）, based on which the Adaboost classification model is successfully established to evaluate and classify the welding quality into two classes and the classified accuracy of the model is as high as 98.81%. The Adaboost algorithm has been verified to be feasible in the online evaluation of welding quality.     

基于核Logistic回归的乐器音乐辨识

基于统计学习的音频分类具有理论基础坚实,实现机制简单等特点受到广泛关注并被很多音频分类系统所采用。本文对核Logistic回归算法(KLR)进行了深入分析,提出基于KLR的音频分类器设计方法,应用其解决同类型的乐器音乐分类问题。结合所采集的小提琴中提琴和大提琴的音乐信号样本进行了分类仿真试验,并与传统的Logistic回归(LR)和支持向量机(SVM)进行对比。结果表明,核Logistic回归模型具有较为优越的分类性能和非线性处理能力。     

复杂生产过程的小故障检测与分类方法

为监测复杂生产过程的状态,根据多元统计过程控制方法和支持向量机理论,将累积和控制图原理扩展为多变量的形式对过程数据进行预处理,并通过主元分析方法提取复杂生产过程的关键信息,得到有效的小故障数据,进而构建计算正常数据的统计量阀值及故障数据的Hotelling T平方统计值（T2）和平方预测误差值,实现了复杂生产过程的小故障模式检测,并采用支持向量机多分类方法将检测到的故障进行了分类.沥青混合料生产过程的仿真研究表明:在集料均值发生小波动、周期性上升和下降3种小故障模式下,故障检测识别率均达到95%,与主元分析方法相比平均提高了75%;分类准确率达到92.5%,与BP神经网络方法相比提高了19.3%.      

Logistic Regression for Evolving Data Streams Classification

Logistic regression is a fast classifier and can achieve higher accuracy on small training data.Moreover,it can work on both discrete and continuous attributes with nonlinear patterns.Based on these properties of logistic regression,this paper proposed an algorithm,called evolutionary logistical regression classifier(ELRClass),to solve the classification of evolving data streams.This algorithm applies logistic regression repeatedly to a sliding window of samples in order to update the existing classifier,to keep this classifier if its performance is deteriorated by the reason of bursting noise,or to construct a new classifier if a major concept drift is detected.The intensive experimental results demonstrate the effectiveness of this algorithm.     

数字单周期电流控制在电磁悬浮系统中的应用

在串级控制的电磁悬浮系统中,电流环的响应速度和精度对整个悬浮控制起着至关重要的作用. 为了加快悬浮系统电流环的响应速度以及减小跟随误差,基于TMS320F28335设计了EMS （electromagnetic suspension system）的数字单周期控制（digital one-cycle control,D-OCC）电流控制器. 以悬浮斩波器为研究对象,建立起D-OCC的数学模型,对额定悬浮工作点处斩波器电流的D-OCC算法进行了详细推导;通过Simulink平台对算法进行仿真验证,并将D-OCC的电流环投入到实际悬浮系统中进行悬浮实验. 实验结果表明:对频率为5 Hz,幅值为3 A的方波信号进行跟随时,传统PID控制在方波上升沿和下降沿均存在一定的超调,且稳定后存在不小于20 mA的跟随误差,D-OCC在调节过程中不存在超调,且稳定后没有跟随误差,说明D-OCC算法能够实现对指令电流快速、准确跟随;采用电流环D-OCC的悬浮系统起浮过程需要约0.4 s的调整时间,并且悬浮稳定后可以克服50%荷载扰动和1.5 mm气隙扰动,说明该方法可以实现系统稳定悬浮,且具有较强的鲁棒性能.      

基于BP网络的空中交通管制运行品质评价

为改善空中交通管制运行品质综合评价方法,建立了包括空中交通流密度、运行安全性能、运行效率性能及管制员工作负荷的通用评价指标体系;基于BP(back propagation)网络模型给出了运行品质分类评价的人工智能方法.针对成都终端管制区域平行双跑道隔离运行模式,采集60个典型样本进行网络训练测试,确立了拓扑结构为12-7-5型的BP网络模型,并应用于对40个检验样本的分类评价.经与主成分分析法比对,2种综合评价方法所得出的评价结果基本一致.