利用带无标签数据的双支持向量机对恒星光谱分类

恒星光谱分类是天文技术与方法领域一直关注的热点问题之一。随着观测设备持续运行和不断改进，人类获得的光谱数量与日俱增。这些海量光谱为人工处理带来了极大挑战。鉴于此，研究人员开始关注数据挖掘算法，并尝试对这些光谱进行数据挖掘。近年来，神经网络、自组织映射、关联规则等数据挖掘方法广泛应用于恒星光谱分类。在这些方法中，支持向量机(SVM)以其强大的学习能力和高效的分类性能而备受推崇。SVM的基本思想是试图在两类样本之间找到一个最优分类面将两类分开。SVM在求解时，通过将其最优化问题转化为具有(QP)形式的凸问题，进而得到全局最优解。尽管该方法在实际应用中表现优良，但为了进一步提高其分类能力，有的学者提出双支持向量机(TSVM)。该方法通过构造两个非平行的分类面将两类分开，每一类靠近某个分类面，而远离另一个分类面。TSVM的计算效率较之传统SVM提高近4倍，因此，自TSVM提出后便受到研究人员的持续关注，并出现若干改进算法。在恒星光谱分类中，一般分类算法都是根据历史观测光谱来建立分类模型，其中最关键的是对光谱进行人工标注，这项工作极为繁琐，且容易犯错。如何利用已标记的光谱以及部分无标签的光谱来建立分类模型显得尤为重要。因此，提出带无标签数据的双支持向量机(TSVMUD)用以实现对恒星光谱智能分类的目的。该方法首先将光谱分为训练数据集和测试数据集两部分；然后，在训练集上进行学习，得到分类依据；最后利用分类依据对测试集上的光谱进行验证。继承了双支持向量机的优势，更重要的是，在训练集上学习分类模型过程中，不仅考虑有标记的训练样本，也考虑部分未标记的样本。一方面提高了学习效率，另一方面得到更优的分类模型。在SDSS DR8恒星光谱数据集上的比较实验表明，与支持向量机SVM、双支持向量机TSVM以及K近邻(KNN)等传统分类方法相比，带无标签数据的双支持向量机TSVMUD具有更优的分类能力。然而，该方法亦存在一定的局限性，其中一大难题是其无法处理海量光谱数据。该工作将借鉴海量数据随机采样思想，利用大数据处理技术，来对所提方法在大数据环境下的适应性展开进一步研究。     

基于手机信令大数据的城市居民出行OD预测

为得到具有客观性、动态性的居民出行起止点间交通出行量(OD trips),以中国移动手机信令大数据为基础,阐述了手机信令数据的来源与构成,针对城市居民出行目的,通过数据分析,设置10分钟为划分出行活动的阈值,提出基于手机信令数据获得的OD矩阵的原理与方法,应用数据挖掘技术,对贵阳市居民出行OD矩阵进行了预测.为进一步加强大数据与城市智能交通系统的融合,将得到的城市居民出行OD矩阵应用到真实的城市公交线网中.最后通过MicroCity平台,将数据结果实现可视化.分析结果表明:与传统OD调查方式相比,利用手机信令大数据获得的OD矩阵客观性、动态性较强,信息采集分析周期短,更容易与城市智能交通系统融合,应用可视化平台,可实时反映出城市公交运营状态,为城市智能规划和调度提供重要参考.     

基于双鸟群优化的高光谱图像非线性解混

针对高光谱图像像元中端元物质非线性混合的特点，借鉴生物群智能现象，提出一种基于双鸟群优化的高光谱图像非线性解混算法。为进一步提高非线性解混算法的精度，通过模拟鸟群中觅食、警惕以及飞行等行为得到非线性问题的最优解。算法通过双鸟群的迭代优化来交替更新目标函数中的最优解以及非线性模型参数，最终得到高光谱图像端元丰度的最佳估计。仿真实验和光谱数据实验结果表明:双鸟群优化算法迭代收敛，能克服局部最小值问题；相比于同类算法，该算法解混结果的丰度重建误差、平均光谱角距离和像元重建误差3项指标均较小，该算法解混精度高，像元重构效果好，能有效提高高光谱图像非线性解混的精度。     

在轨组装空间结构面向主动控制的动力学建模

在轨组装是未来超大型空间结构最有发展潜力的构建方式之一,组装过程中空间结构尺寸逐渐增长、动力学特性也随之改变,给结构主动控制任务带来了新的挑战.针对这一问题,提出一种在轨组装空间结构面向主动控制的动力学建模方法.首先,建立不同类别组装模块的基础模型库,以用于后续直接调用;然后,定义模块的邻接关系矩阵以描述在轨组装过程中空间结构的变化,并根据在轨组装任务特点,设计了面向分布式控制的智能组件结构形式;在有限元建模方法的基础上提出"节点自由度加载"方法,利用模块的基础模型库与邻接关系矩阵,分别建立智能组件和空间结构整体的动力学模型,该模型可随组装的进行同步自适应更新;最后,以在轨组装桁架结构为例,给出组装碰撞冲击下动力学建模与分布式主动控制数值仿真.结果表明,在轨组装过程中桁架结构整体的动力学特性有明显的变化,主动控制非常必要;基于提出的建模方法,可高效地建立构型多样的在轨组装空间结构动力学模型;智能组件的动力学模型在组装过程中可进一步根据邻接关系矩阵限定更新范围,适用于在轨组装过程中的分布式主动控制系统设计.     

网络系统的控制与优化

<正>近年来,网络系统的控制与优化是国内外科学工作者重点关注的研究领域,该项研究与生物、社会系统和现代工程技术的发展密切相关.多智能体系统是一类具代表性的网络系统,它可普遍用于多机器人的编队控制、空间无人机的分布式队形控制,也可为传感器网络研究以及复杂系统的自主协调控制等提供必要的理论基础.其中的一个典型问题在于理解如何通过仅调节少量个体来控制整个网络系统的行为,这是对网络系统施加控制的一种     

战术训练模拟系统Multi-Agent协同通信机制研究

针对基于Agent战术训练模拟系统的协同通信问题,建立了基于HLA/RTI的Multi-Agent高层仿真环境,给出单个Agent的设计框架及形式化描述,设计了Multi-Agent之间的通信机制,引入合作任务管理器实现多Agent问题求解的协调一致,实例显示了本方法的可行性及有效性.     

DNA纳米结构在药物转运载体和智能载药中的应用进展

纳米材料具有荷载效率高、靶向性能好、半衰期较长等优点, 非常适于作为药物转运载体, 可有效提高药物的水溶性、稳定性和疾病治疗效果.目前, 开发具有良好生物相容性、可控靶向释放能力和精确载药位点的理想药物转运载体, 仍是该领域存在的挑战性问题和当前研究的重点.自组装DNA纳米结构是一类具有精确结构、功能多样的纳米生物材料, 具有良好的生物相容性和稳定性、较高的膜渗透性和可控靶向释放能力等优点, 是理想的药物转运载体和智能载药材料.本文总结了DNA纳米结构的发展历程、DNA纳米结构作为药物转运载体的研究现状、动态DNA纳米结构在智能载药中的应用进展, 并对其发展前景进行了展望.     

ITS示范工程对城市交通畅通性的贡献率研究

通过分析城市交通畅通性的影响因素及其与ITS(智能交通系统)的关系,挖掘ITS对城市交通畅通性的贡献率指标.搜集实证研究对象数据,采用灰色预测模型预测贡献率指标的数值,将ITS示范工程实施前后的数值进行对比,计算得到ITS示范工程对城市交通畅通性的贡献率.由贡献率结果判断ITS示范工程对城市交通畅通性的作用及ITS示范工程的实施效果如何,为未来ITS的发展提供相应的参考建议.     

具有外部干扰的非线性多智能体系统的编队控制

多智能体系统编队控制因广泛应用于军事,航天,生物学等领域,成为国内外学者的关注热点.在实际应用中,当系统受到环境噪声等外部干扰时,利用领航者-跟随者的相对状态信息构造控制器无法形成预期队形.为解决这个问题,文章针对一类带有外部干扰的非线性多智能体系统,研究了领航-跟随编队控制问题.首先设计干扰观测器补偿外部干扰.其次利用自适应方法,给出了完全分布式的控制协议.再次选取适当的参数,证明了该分布式控制协议能实现系统的编队控制.最后通过仿真算例,验证了协议的有效性.     

蚕丝基智能纤维及织物：潜力、现状与未来展望

纤维及织物因具有良好的柔性、透气性以及适宜的力学性能而成为人们日常生活必不可少的材料。随着柔性电子器件的快速发展,纤维及织物在其自身优势的基础上,开始被人们赋予智能化特征,使得智能纤维和织物逐渐在可穿戴领域占据一席之地。天然蚕丝具有产量大、机械性能优异和生物可降解的优势。近年来,面向智能应用的蚕丝基纤维与织物逐渐发展,被用于传感、致动、光学器件、能量收集和储能等领域。本文将首先介绍天然蚕丝的层级结构和性能,并介绍各种形貌结构的再生蚕丝材料;然后根据其在智能纤维及织物中应用领域的不同,详细阐述蚕丝基智能纤维及织物的制备方法、性能及工作机制;最后讨论进一步发展所面临的挑战与机会,并对未来前景进行展望。