基于云模型的自适应量子免疫克隆算法

利用云模型能够兼顾随机性和模糊性的品质,提出一种基于云模型的自适应量子免疫克隆算法.使用云算子代替通用的量子旋转门这一量子进化算法核心算子用于寻优变异操作;通过控制云算子间的协作,实现算法在进化过程中对搜索范围的动态调整,使算法具有较强的全局搜索能力;同时,补充针对性的优化方案,有效避免了算法陷入局部最优.对标准数值优化问题的仿真对比实验表明,该算法具有寻优能力强、搜索精度高、稳定度好等优点;对非线性系统的参数估计仿真实验,该算法也取得了对参数的高精度有效估计.     

融合多种特征的烟雾图像检测算法

提出了一种融合烟雾模糊、扩散、主方向角等多种特征的烟雾检测算法。首先对图像进行运动区域提取,在对图像进行二维离散小波变换和四元数小波变换的基础上,获得了运动区域的背景模糊模型和光流场;然后再根据光流场的相位信息,计算出光流相位分布向量和主方向角;最后依据联合判别准则对背景模糊模型、光流相位分布向量和主方向角进行判别,从而判断出运动区域是否为烟雾。实验结果表明,与利用单一特征检测烟雾的算法相比,所提出的算法有效地提高了烟雾的识别率。     

利用地基红外高光谱发射率数据进行云参数反演(1): 云相态判别

云相态是气候模式中的重要参数,也是遥感反演过程中进行云滴有效半径、云水含量等微物理参数反演的重要前提。在研究了云层有效发射率光谱对云相态敏感性的基础上,提出了基于云层有效发射率光谱的云相态表达特征,包括800～900 cm-1区域的有效发射率斜率、900～1 000 cm-1区域的有效发射率斜率、上述两个区域的有效发射率斜率之差、862.1与989.8 cm-1的有效发射率之比、862.1与989.8 cm-1的有效发射率之差、1 900.1与2 029.3 cm-1的有效发射率之比、远红外窗区有效发射率平均值与900 cm-1有效发射率之比等7个特征。建立了利用支持向量机进行云相态判别的方法,开展了模拟数据验证试验,并利用遗传算法优化了支持向量机的径向基核函数参数和惩罚因子。将该方法用于处理ARM计划中SGP站点的AERI仪器获得的数据,得到的云相态判别结果与Shupe提出的多仪器综合判别结果进行了比较。结果表明,利用红外波段不同窗区的有效发射率光谱特征可以实现发射率低于0.95的云层的相态判别,建立的基于支持向量机的云相态判别方法与Shupe方法的总体判别结果较为一致,但有约30%的云层由于发射率较大而标记为不透明云。基于红外高光谱发射率数据的云相态判别技术充分考虑了光谱斜率、比值和差值等信息,是较为稳定有效的薄云相态判别方法。     

基于云重心评估法和熵值法的装备技术状态评估

装备技术状态评估是状态维修的关键环节,对维修决策有重要的支持作用。针对装备的监测信息和历史数据的模糊性和随机性,提出了基于云重心评估法的装备技术状态评估模型。同时,充分利用云理论特征值之一的熵,通过熵值法得到指标权重,避免了主观评价造成的误差。采用加权偏离度最终确定技术状态,构成定性属性值与定量属性值的映射关系。通过实例,验证了该方法的可行性和有效性。     

基于机器学习的偏振遥感云检测优化算法

偏振遥感经验阈值云检测算法受主观因素影响较强,极易在亮地表上空出现云检测不准确的问题。针对该问题,本文提出了一种主动和被动遥感卫星相结合的机器学习云检测算法。该算法基于POLDER3载荷多通道多角度偏振特性以及CALIOP载荷高精度云垂直特性展开研究,利用POLDER3载荷和CALIOP载荷观测重合区域数据,搭建了粒子群算法优化的BP神经网络训练云检测模型。基于该云检测训练模型,利用POLDER3一级数据开展云检测试验,试验显示该算法云检测结果与MODIS云检测产品一致性为92.46%,高于POLDER3官方云检测产品与MODIS云检测产品的一致性83.13%。通过对比本文算法试验结果与POLDER3官方云检测产品不同的像元的光学特性发现,相比POLDER3官方算法,本算法对于亮地表上空薄云具有更强的敏感性,能更有效地进行云检测。     

基于模糊技术的非线性系统目标跟踪融合算法

提出了一种基于模糊技术的非线性系统中多传感器目标跟踪融合算法.在基于卡尔曼滤波器的分布式融合算法中,利用模糊技术中的决策距离思想,对实时跟踪目标的多传感器进行动态分组,以获得在非线性系统中目标跟踪的最佳融合数据精度.仿真结果证明,该算法是一种有效的分布式融合算法.     

无人机远程故障测试与诊断技术研究

为了确保众多无人机能够远程共享测试设备与技术人员等资源,设计了一种基于DataSocket技术和信息融合理论的远程故障测试与诊断系统;该系统采用PXI总线模块作为数据采集设备,利用DataSocket技术和虚拟仪器实现测试数据的远程传输;采用基于D-S证据理论的多智能诊断算法数据融合技术,提高故障诊断的准确率;同时为了便于故障信息的管理,把诊断出的结果存放在数据库中,远端使用B/S架构获取诊断数据;该远程故障测试与诊断系统可提高故障诊断正确率,实现故障信息的统一管理,节约成本提高效率,有一定的工程应用价值。     

基于云服务的统计测试非监督故障诊断预测

为了对系统中的潜在故障进行有效地预测,提出一种基于统计测试的非监督故障预测方法。首先,将云服务系统定义为运行在相同的软/硬件环境下,具有相同输入数据的并行系统。在数据预处理过程中,对性能计数器中的数据进行标准化,并选取了一定分位数下的计数器数据信息。最后根据具有相同软/硬件环境和输入数据的节点将产生相同的输出这一原则提出了一种统计测试方法用于系统故障的预测。实验表明,本文提出的基于统计测试的故障预测方法与其它相关算法相比,具有预测准确性高和执行效率快等优点。     

基于红外/毫米波双模融合的目标识别方法

在数据融合的基础上,以红外/毫米波双模传感器的智能融合结构为模型,将模糊神经网络与D-S证据理论相结合,提出了一种新的目标识别方法.该算法根据红外/毫米波传感器的性能及工作范围,构造模糊变量作为神经网络的输入,根据神经网络的不同输出判别目标的真伪,并利用D-S证据理论进行目标身份识别.仿真结果证明了该算法的可行性.     

近、中红外光谱法融合判定葡萄酒产地

葡萄酒带有浓厚的葡萄原产地地域特点与个性,快速准确地判别葡萄酒原产地具有重要意义,感官评定的方法存在一定的局限性。提出用贝叶斯信息融合技术将葡萄酒样品的近红外透射光谱及中红外衰减全反射光谱联立进行葡萄酒原产地判别的方法。分别用近、中红外光谱仪采集来自中国四个不同葡萄主栽产地(河北怀来、山东烟台、甘肃、河北昌黎)的153个葡萄酒样品的近红外透射光谱和中红外衰减全反射光谱,然后用偏最小二乘判别分析法(PLS-DA)分别建立基于近红外光谱和中红外光谱的葡萄酒产区判别模型;该模型输出的节点值归一化后作为所有样品分属每一类别的先验概率,代入Bayes判别公式得到后验概率,根据此概率判断样品的新类别属性,即用贝叶斯信息融合技术实现了两种判别结果的修正决策。近红外和中红外融合后的模型结果为：十次随机划分建模集和检验集,四产区葡萄酒判别模型建模集的平均准确率由78.21%(近红外)和82.57%(中红外)变为融合后的87.11%,检验集平均准确率由82.50%(近红外)和81.98%(中红外)变为融合后的90.87%,均优于单独采用一种光谱技术的判别结果。实验结果表明：信息融合技术有助于模型判别效果的提高,采用近、中红外光谱的贝叶斯信息融合技术对葡萄酒原产地进行快速识别是可行的。     

基于Hadoop的大数据信息安全监控云平台设计与研究

针对传统的大数据信息监控云平台模式单一、虚拟化程度不高,容易导致信息泄露的问题,为了提高对大数据的信息安全溯源能力,提出基于Hadoop的大数据信息安全监控云平台设计方法。在信息资源云体系下构建大数据信息安全融合模型,通过信息挖掘与匹配方法把云平台中的数据资源、物理资源进行关联性整合,方便数据安全溯源,在Hadoop平台下构建多源信息资源云,建立用户接口注册机制,采用虚拟化技术进行信息保护,实现在云平台下进行信息安全溯源。实验结果表明,采用该方法进行大数据信息安全溯源,大数据信息分类存储性能较好,对异常数据挖掘精度较高。具有较好的信息安全保护能力,确保了信息安全。     

近红外光谱法与循环伏安电化学法联用进行葡萄酒品种溯源研究

提出一种将循环伏安电化学法和近红外光谱法联立,用PLS-DA的D-S证据理论融合二者信息进行葡萄酒品种溯源研究的方法。分别采集来自不同产区的三类不同品种的171个干红葡萄酒样品的循环伏安曲线和近红外透射光谱。用PLS-DA法分别建立循环伏安电化学法和近红外光谱法的判别模型,以此为证据;用两个证据的D-S合成规则实现近红外判别结果与循环伏安法判别结果的重新决策。融合后的结果为：多产区不同品种葡萄酒溯源模型的建模集准确率为95.69%,检验集准确率为94.12%;单一产区不同品种葡萄酒溯源模型的建模集准确率为99.46%,检验集准确率为100%;判别结果都比融合前单一循环伏安电化学法和近红外光谱法的判别准确率得到了提高。实验结果表明, 该方法具有较高的溯源识别准确度, 可以快速准确地对待测葡萄酒品种进行定性检测。     

无人机在复杂电磁环境下的效能评估

通过分析无人机的结构层次和研究复杂电磁环境对无人机的影响,建立了复杂电磁环境下无人机的效能评估指标体系,通过主观赋权法和客观赋权法得到各项指标的权重,针对评估指标的模糊性和不确定性,基于云理论的原理,实现一定条件下评估指标的定性与定量的描述,综合考虑了评估过程中的模糊性和不确定性因素,并利用评价云模型拟合出无人机在复杂电磁环境下的综合效能。结合实例模拟分析表明,复杂电磁环境下的无人机云效能评估模型,为复杂电磁环境下无人机的定量化效能评估提供参考。     

基于多属性融合的高分辨率遥感图像云检测方法

针对全色CCD光学遥感卫星成像平台,提出了一种基于多属性融合的高分辨率图像云检测方法。首先根据云的物理特性和成像特性展开多属性分析,并提出了基于可分离度的特征选择准则来进行特征参量提取;然后针对两类样本的分布结构差异,结合LDA线性特征压缩算法,削减特征空间的维度;最后利用SVM分类器完成云检测。实验结果表明,该方法适用于高分辨率全色遥感图像的云检测,具有较高的检测概率和较低的虚警概率以及较高的算法执行效率。     

基于BP神经网络的云检测和云相态识别

为快速高效地进行云检测和云相态识别,提出了基于BP神经网络的云检测和云相态识别方法,并针对中分辨率成像光谱仪(MODIS)的相关数据建立了BP神经网络。利用该算法对MODIS图像进行了云检测和云相态识别,并把识别结果与MOD06数据进行了对比,对比结果表明,该算法对冰云、水云以及混合云的识别准确率分别达到了100%、100%以及99.94%。该算法快速、准确,消除了未确定态,具有很强的自主学习能力。     

基于云测试的自动测试系统体系架构研究

为了解决面临保障任务时,我军现有保障设备对武器装备故障检测周期过长以及测试资源在测试周期中被单个故障装备长时间占用的问题,对基于云测试(Cloud Testing)的自动测试系统(ATS,Automatic Test System)的体系架构进行了研究。以软件可移植性、硬件可互换性和系统互操作性为设计原则,对面向信号测试领域的云测试系统的体系架构进行了分析;在充分研究现有ATS的体系架构及其存在的突出问题的基础上,提出了基于云测试的ATS的软、硬件模型。为构建基于云测试的自动测试系统的开发和相关关键技术的研究提供了以有益的借鉴并打下了坚实的基础。     

基于语义分割的城区激光点云与光学影像配准

基于点云数据与光学遥感影像的协同应用在遥感领域获得广泛关注,为了对两种数据进行精确的配准以更好地融合两者优势,提出了一种城市场景下点云与光学遥感影像的自动配准方法。首先,由点云数据生成深度影像,即3D数据转换为2D影像;然后,运用Unet模型对深度影像和光学遥感影像分别进行训练并分割得到建筑面;再基于建筑面轮廓点集构建建筑最小外接矩形,将矩形长宽比作为寻找同名点的约束条件;接着,利用相似三角形原理寻找矩形中心同名点;最后,同名点坐标代入变换模型计算模型参数,完成配准。实验结果表明该方法对于运用传统点特征方法匹配困难的情况可实现较好的配准效果,且对图像平移、旋转、缩放均具有可抗性。     

自抗扰控制技术在高低温环境模拟系统中的应用

针对现有健康状态评估方法主观性较强,准确度不高等问题,提出一种基于DSmT理论和模糊综合评判的健康状态评估模型。首先,确定评估对象的评价指标体系,对采集的原始数据进行预处理;然后利用模糊综合评判理论确定广义基本信度赋值;接着采用DSmT融合规则对广义基本信度赋值合成,得到健康状态等级。对于多级的系统评估,可将融合后的结果作为新的广义基本信度赋值进行DSmT融合。实例验证表明,该状态评估模型能够准确有效地实现对系统的健康状态评估,而且能够克服高冲突证据的融合问题,具有良好的应用价值。     

云平台调度监控系统的设计与实现

传统的云平台调度系统根据节点请求排队分配计算资源,效率低下;为提高云计算资源利用率,改进云软件服务能力,设计并实现了基于/proc文件面向云软件服务的监控与调度系统,系统采集并汇集节点内核信息,同时设计了分层调度,使系统可根据监控结果以及节点上传的请求情况来合理分配资源的调度系统,提高了系统资源利用率;最后进行了仿真实验,实验结果表明文章设计的系统资源利用率比传统系统提高了48%,具有极强的实际应用价值。     

一种高效的人脸三维点云超分辨率融合方法

三维人脸识别技术是当前研究和应用的热点。提出了一种专门针对人脸的三维点云融合方法,通过人脸检测、人脸姿态校正、点云对准和三视点投影等步骤实现三维点云超分辨率融合。实验结果表明,该方法可提高点云的分辨率,降低噪声的干扰,消除孔洞,能较好地重构人脸表面,能大幅度地降低融合的计算复杂度,提高融合的效率。