基于有限元-时域分段自适应算法的围岩衬砌耦合渐进分析

以开挖时间、一衬时间、二衬时间划分时间区段，考虑围岩与衬砌为弹性/粘弹性介质，将围岩的“位移/应力释放不完全”、开挖等影响模拟为载荷的渐进释放，提出一个有限元-时域分段自适应算法，求解围岩衬砌耦合问题，并通过数值算例对算法进行了验证。所提方法给出了各时间区段的关联条件；可更准确描述各变量随时间的变化；同时将原时空耦合问题转化为一系列空间问题，并利用有限元方法递推求解；当步长变化时可通过自适应计算保证稳定的计算精度。此外，还建立了一个载荷渐进参数的反问题数值求解模型，并给出了相关算例。     

基于正弦控制因子的Lateral变异鲨鱼优化算法

针对传统鲨鱼优化算法在求解高维目标函数时,易早熟收敛,陷入局部最优的缺陷.提出一种基于正弦控制因子的Lateral变异鲨鱼优化算法.通过正弦曲线的特性和自适应惯性权重,改善了传统鲨鱼优化算法中由于随机选取控制因子数值大小可能导致算法在迭代后期全局搜索能力降低的问题,提高了算法在迭代后期的全局收敛能力,并对最佳鲨鱼位置引入Lateral变异策略,加强了算法跳出局部最优的可能性.改进后的算法对多个shifted单峰,多峰以及固定维测试函数进行求解,实验结果表明,对比多种不同优化算法而言,本文所提LSSO算法具有更高的收敛精度和搜索速度.     

一类带参数的非线性奇异摄动问题的自适应移动网格算法

本文讨论一类带参数的非线性奇异摄动问题的自适应移动网格方法.首先,在任意非均匀网格下,利用向后欧拉公式对方程进行离散,并给出相应的局部截断误差.然后,基于局部截断误差和网格等分布原理,利用精确解的弧长函数,证明半离散格式下自适应移动网格算法是一阶收敛的.同时,基于近似的弧长控制函数,给出易于实现的网格生成算法,并给出全离散格式下的后验误差估计.最后,数值实验结果验证了本文所给出的理论结果.     

基于多通道盲识别的自适应光学图像事后处理

为实时恢复天文或空间目标的湍流退化成像,提出一种适应大气湍流动态变化的多通道自适应光学图像恢复方法.以自适应光学校正后不同时刻的目标成像作为多个通道,建立求解系统点扩散函数的线性方程,根据解出的点扩散函数利用超拉普拉斯算法,求解待观测目标的估计值.结果表明:不同时刻的点扩散函数之间存在互质关系,满足多通道盲识别的理论要求.利用建立的线性方程求解出的点扩散函数与原点扩散函数的均方误差在10^-30~10^-27量级,采用超拉普拉斯算法恢复出的目标成像与原始目标之间的均方误差在10^-5~10^-4量级.本文研究为湍流退化图像的实时恢复提供了理论基础.     

基于自适应卡尔曼滤波的简化地磁定轨

地磁定轨对追求低成本、高功能密度比的微小卫星具有较重要的价值,但是目前地磁定轨尚存在计算量大、易受各类误差影响导致精度过低等不足。在分析轨道动力学方程误差量级的基础上,建立了简化的状态转移矩阵,根据地磁模型分析了地磁强度随着阶次变高,梯度显著变小的特点,提出了高阶截断的简化地磁测量方程;将复杂的磁强计测量误差近似建模成随机游走形式,用多项式对磁强计误差估计值进行实时拟合去噪,并辨识出磁强计误差的变化特征作为自适应卡尔曼滤波器的调节依据,提高了弱可观测地磁定轨的性能。数学仿真证明了简化地磁定轨模型的有效性,自适应滤波器能够更精确地实现定轨计算,定位精度约为6 km,测速精度约为4 m/s。     

基于分区搜索算法的快速聚焦策略研究北大核心CSCD

针对爬山算法在自动聚焦中出现的诸如准确率差、速度慢等问题,提出了一种结合自适应步长和两步搜索法的分区搜索算法。方法根据聚焦评价函数值大小和曲线线形将聚焦评价曲线分为平缓和陡峭两个区域,平缓区域使用自适应步长进行搜索,提高自动聚焦搜索速度;陡峭区域使用两步搜索法,避免假峰值干扰所导致的聚焦错误,提高自动聚焦准确率。实验结果表明,分区搜索算法相较于爬山算法聚焦速度提升了11.25%,且具有更好的准确性和抗干扰能力。     

基于人血浆荧光光谱与CARS-PLS-LDA的结直肠癌早期检测

该文利用竞争性自适应加权算法（CARS）筛选重要的人血浆荧光光谱变量,并结合偏最小二乘法判别分析（PLS－LDA）建立了结直肠癌患者与非癌患者的分类模型,同时与全波长模型和基于平行因子分析（PARAFAC）建立的模型进行比较。从模型评价指标看,CARS－PLS－LDA的性能显著优于全波长模型和基于PARAFAC的模型。高波未稀释组和低波稀释组的荧光光谱结合CARS－PLS－LDA分类模型的AUC（Area under curve）值均高于0.9,可有效地识别结直肠癌患者。结果表明,CARS变量筛选能够明显改善结直肠癌分类模型的性能,有助于后续癌症临床诊断工具的开发与研究。     

基于改进的PSO-SVM的音频信号特征识别和分类

针对音频信号准确性分类的问题,提出一种基于改进的的粒子群优化算法(PSO)的支持向量机(SVM)音频信号分类的方法,简称IPSO-SVM.首先用Mel倒谱系数法对4种音频信号进行特征提取.其次在PSO中引入自适应变异因子,能够成功地跳出局部极小值点;然后对PSO中的惯性权重进行了改进,将惯性权重由常数变为指数型递减函数.随着迭代的进行,使权重逐渐减小,这样做有利于粒子进行局部寻优.最后用改进的PSO不断优化SVM中的惩罚因子c和核函数参数g来提高预测精度.实验结果表明,与传统的SVM、PSO-SVM、GA-SVM相比,我们提出的IPSO-SVM算法分类结果更精确.     

带有不确定参数的一类混沌金融系统的广义投影同步

针对带有不确定参数的一类混沌金融系统,提出了实现驱动系统和响应系统广义投影同步的自适应控制策略,并基于Lyapunov稳定性理论给出和验证了广义投影同步稳定性判据.数值仿真验证了控制策略和理论分析的有效性.     

基于动态自适应t分布变异的人群搜索算法

针对人群搜索算法在进化后期大量个体聚集局部最优时,易陷入局部最优,搜索精度低的缺陷,提出一种基于t分布变异的人群搜索算法.算法使用动态自适应方式确定变异步长,引入t分布变异算子以融合柯西变异和高斯变异的优点,促进算法在进化早期具备良好的全局探索能力,在进化后期收获较强的局部开发能力,增加种群的多样性;采用边界缓冲墙策略处理越界问题,避免越界个体聚集在边界值上的缺陷.实验结果表明,算法比基本人群搜索算法具有更高的寻优精度和收敛速度,是一种有效的算法.