基于MapReduce的贝叶斯网络参数学习方法

期望最大化(Expectation Maximization,EM)算法常被应用于贝叶斯网络参数学习过程,但在处理海量数据时由于迭代计算过程的复杂性和处理器、内存等资源的限制,该算法的效能受到极大影响;通过对大数据环境下传统线性贝叶斯网络参数学习方法计算复杂性瓶颈问题的研究,提出了基于MapReduce平台的贝叶斯网络并行期望最大化(Parallel Expectation Maximization,PEM)参数学习算法;利用不完备训练样本集,对态势评估贝叶斯网络进行参数学习;仿真结果表明:在大数据条件下PEM算法能够准确的学习网络参数,同时有效减少参数学习所需时间且具有较好的可拓展性。     

基于改进遗传算法的汽车主动悬架控制器设计

为解决在汽车主动悬架系统中所采用的一般模糊控制策略自适应能力差的特点,提出了一种可以自适应调节的模糊控制策略,采用解析式模糊规则法;利用新型的改进遗传算法优化不同状态下误差与误差变化率的修正因子,从而找到最优的模糊规则,匹配当前状态下最佳模糊控制器的参数;利用Matlab/Simulink对主动悬架系统进行了仿真,结果表明该控制器相较于一般模糊控制器可以有效地改善汽车悬架在不同行驶状态下的稳定性和平顺性,通过优化过后的控制系统有较强的鲁棒性和较好的适应性。     

基于半监督生成对抗网络X光图像分类算法

利用半监督学习体系结构中的生成对抗性网络,围绕标注数据稀缺性的问题进行研究,在传统无监督生成对抗网络的基础上用softmax替代最后的输出层,使其扩展为半监督生成对抗网络。对生成样本定义额外的类别标签,用于引导训练,采用半监督训练方式对网络参数进行优化,并将训练得到的判别网络运用于X光图像分类中。对于胸部X光图像,结合自动化分类诊断选取了6种肺部疾病的X光前视图进行实验,结果表明:所提算法提高了利用标注数据的监督学习性能,与其他半监督分类方法相比具有优越的性能。     

基于GAN的半监督遥感图像场景分类

针对遥感图像背景复杂及有监督场景分类算法无法利用无标签数据的问题,提出一种基于生成对抗网络的半监督遥感图像场景分类方法.首先,引入谱归一化残差块代替传统生成对抗网络中的二维卷积,利用残差块的跳跃连接解决梯度消失问题;其次,引入特征融合思想,将浅层特征与深层特征进行融合,从而减少特征损失;最后,在生成对抗网络的判别器中加...     

主动前轮独立转向系统分析与研究

为了提高车辆的操稳性,提出了新型主动前轮独立转向系统,介绍了主动前轮独立转向的工作原理和结构形式,建立了系统数学模型;提出了主动前轮独立转向的控制策略,上层控制器采用PI控制,由横摆角速度偏差得出总控制转角,下层控制器负责内外侧转向轮的判断以及计算内外侧转向轮具体的转角;在仿真软件MATLAB/Simulink里进行了控制策略有效性仿真,仿真结果说明对于不足转向车辆,主动前轮独立转向系统能比传统的主动前轮转向系统更有效地提高车辆操纵稳定性。     

基于最小风险贝叶斯决策的印刷品斑点检测方法

针对印刷品斑点检测缺乏有效检测方法的难题,依据统计决策和贝叶斯分析的基本原理,结合模式识别和机器礼堂相关理论技术,提出了一种基于最小风险贝叶斯决策的印刷品斑点检测方法;以烟标图像为例,实验验证了所提算法的准确性与有效性;该实验表明:所提算法能够有效地检测出烟标中的黑色斑点,分割出来的斑点图像基本上保持了原有的形状;最后,提出了进一步的改进方法。     

基于主动悬架的模糊神经网络控制的研究

传统的被动悬架由于阻尼参数不可任意选择和调节,减振性能不好,不能满足乘客的乘坐舒适性;而主动悬架可通过改变减振器的阻尼特性而适应不同的道路和行驶状况,改善乘坐舒适性和操纵稳定性;以汽车主动悬架为研究对象,建立了汽车二自由度1/4车体模型,提出了一种汽车主动悬架模糊神经网络控制方法,设计了模糊神经网络控制器;以B级路面作为随机路面输入,并利用Matlab进行仿真;通过动态仿真对被动悬架和主动悬架的特性进行了对比,仿真结果表明,该模糊神经网络控制器对车身加速度、悬架动挠度和轮胎动载荷都有很好的抑制。     

目标跟踪中目标模型更新问题的半监督学习算法研究

本文针对长期稳定的目标跟踪中的目标形变、尺度缩放、旋转等问题, 提出一种步步为营的反馈式学习方法, 该方法通过正、负约束实现对于目标模型和分类器的判别能力和容错能力提高的同时, 使更新带来的误差尽量小, 并证明了其收敛性. 通过实验表明, 对于同一种跟踪算法使用本文提出的目标更新方法进行更新学习的比不更新学习的跟踪效果要稳定得多, 对于目标的尺度变化、形变、旋转、视角变化、模糊等都有较好的适应性, 并通过与现有的较流行的方法进行比较, 本文方法鲁棒性较好, 有很高的研究和应用价值.     

基于蚁群算法的车身振动主动控制研究

针对乘用车车身结构振动抑制问题,采用基于蚁群算法的参数自适应PID控制器,以压电元件为测量和控制元件,进行了振动主动控制仿真和实验研究;首先对白车身结构进行实验模态分析,确定了压电元件的布片位置并确定压电控制的传递关系,然后设计基于蚁群算法的PID参数自适应控制器,制定了控制方案,进行了模拟仿真分析,最后搭建试验平台,以某国产乘用车白车身为被控结构,进行了车身振动主动控制实验;系统仿真和实验结果表明,施加控制时车身的振动幅值较未施加控制时大幅减小,在振动幅值较大的低频区域,其振动幅值明显降低;从而验证了应用基于蚁群算法的参数自适应PID控制技术,不仅可以有效降低车身的振动幅度,而且对传统控制方法控制效果不佳的振动低频区域,控制效果明显。     

车辆纵向安全距离算法及其防撞预警系统研究

为了降低交通碰撞事故,在分析车辆制动历程基础上提出了一种新的车辆纵向安全距离算法,并将安全距离分为提醒安全距离与警戒安全距离;以LPC2214单片机为核心设计了基于激光测距的防撞预警系统,采用TDC-GP2芯片作为激光飞行计时单元,给出了激光发射及回波接收放大电路,最后介绍了系统软件设计流程;在自己车速为100km/h,前方车速为0km/h与80km/h时,采用Matlab软件分别对制动历程进行仿真验证,结果符合停车要求,其算法准确、可靠,具有较强的实际应用价值;通过实验测试,系统能很好测出前方车辆距离及运行状态,及时发出报警。     

基于Improved DR-Net算法的糖尿病视网膜病变识别与分级

针对糖尿病性视网膜图像数据集的不均衡、组织形态的特征提取不充分、分级准确率不高等问题,本文提出一种基于DR-Net模型的改进识别算法,即Improved DR-Net.选用Kaggle失明检测竞赛数据集APTOS 2019 Dataset,采用多种数据增强策略扩充数据集,并引入Eye-PACS数据集进行无偏修正,同时采...     

基于半监督稀疏多流形嵌入的高光谱影像分类

提出了一种半监督稀疏多流形嵌入方法,并应用于高光谱影像分类.该方法充分利用少量标记和大量无标记样本,采用稀疏表示方法得到样本的稀疏系数,并选取来自同一流形的点作为近邻点,然后构建相似图来表征多流形结构,得到样本在每个流形上低维鉴别特征,增加来自同一流形的数据点聚集性,进而提升分类性能.本文方法在PaviaU和Salinas两个高光谱数据集上的总体分类准确度分别达到84.91%和89.74%,相较于其他方法明显提高了地物分类性能.     

改进的基于积分时间定标的红外焦平面阵列非均匀性校正算法(英文)

红外焦平面阵列各探测元响应的非均匀性降低了图像的质量和温度分辨率,定标类和场景类校正算法为解决该问题提供了可行的途径.传统的基于黑体定标的校正算法由于其简单有效而被广泛使用,但是其缺点在于依赖黑体及其相关控温装置.本文提出了一种改进的基于积分时间定标的两级校正算法.在保持入射辐射不变的情况下,首先通过改变积分时间得到系列响应数据,然后利用最小二乘法估计出两点校正所需的初始校正系数,并对不同积分时间下的响应数据进行初校正,最后估计出一点校正系数.实验结果证明该方法具有计算量小、校正准确度高的优点,可取得优良的校正效果,并易于在硬件平台中实现.     

改进BP神经网络算法对煤矿水源的分类研究

煤矿安全对煤炭工业的健康持续发展至关重要,而煤矿水灾又是煤矿事故的重大隐患,因此煤矿水源数据的处理对于预防矿井突水事故具有重要意义.实验在激光器的辅助下利用激光诱导荧光技术获取7种水源的数据信息,设定激光发射功率为100 mW,向被测水体发射波长405 nm激光,获取实验水样210组的荧光光谱数据,为了剔除光谱在采集过...     

基于改进量子粒子群和主动PI模型的自适应无线传感器网络拥塞控制算法设计

针对无线传感器网络中路由节点需要转发大量数据导致网络拥塞,从而引起节点丢包率高和网络吞吐率过低的问题,提出了一种基于主动PI模型和改进量子粒子群优化算法的拥塞控制方法;首先定义了丢包率和队列长度计算方式;设计了改进的PI主动队列管理模型,然后,为了改进PI模型的控制效果,采用改进的量子粒子群算法对PI主动队列管理模型中的比例系数和积分系数kP和kI进行参数优化,从而得到能实现WSN自适应控制的主动PI控制模型;最后,对基于量子粒子群算法和PI主动队列模型的网络拥塞算法进行了描述和说明;仿真实验表明:文中提出的拥戴控制方法能有效实现WSN拥塞控制,是一种适用于WSN的有效拥塞控制方法,与其它方法相比,具有较短的平均队列长度和较大的网络吞吐率,具有很强的可行性。     

机载电子与维修系统仿真模型集成算法研究

随着飞机系统结构的复杂化,维修系统仿真模型的多样化,飞机维修系统仿真模型的集成存在基础层直接集成难度大和复用性差等问题。基于逆向推理的系统仿真模型集成算法以目标问题为导向逆向推理模型数据,经不同知识层次匹配查询目标模型,将模型集成过程转变为问题求解过程,降低了直接对目标建模的复杂程度,最终建立集成网络,实现决策、模型和数据的综合集成。经验证,该算法在飞机维修训练器的仿真系统模型集成中具有良好的性能。     

改进的贝叶斯压缩感知目标方位估计

针对基于高斯先验模型的贝叶斯压缩感知在目标方位(Direction Of Arrival,DOA)估计中可能出现明显随机伪峰的问题,改进了高斯先验模型,并在此基础上提出了一种贝叶斯压缩感知目标方位估计方法。通过波束输出噪声背景预估与二值指示变量标记,并引入基于信号先验方差的噪声方差估计方法,与变分贝叶斯推断相结合改进目标方位估计性能和优化迭代收敛过程。利用32元线阵对改进算法进行数值仿真处理和分析结果表明,该改进方法不仅可以准确估计目标信号的方位,而且可以显著地减少空间谱中伪峰的数量。实际海上实验数据处理结果表明,使用改进后的贝叶斯压缩感知方法进行DOA估计,可以显著地抑制空间谱中随机的伪峰,提高波束输出峰值背景比,具有更强的目标检测能力。     

基于BP-LVQ神经网络的纸币新旧识别算法研究

针对纸币图像的特点,在一个系统同时提取两组表示纸币新旧的图像特征,采用级联的组合方式,设计了一种新的BP—LVQ神经网络组合分类器对纸币进行新旧识别。经过实验对比验证,该方法有效提高15％的系统识别率,可应用于清分系统的纸币新旧识别。     

基于光谱分类的干涉光谱图像压缩

针对干涉成像光谱仪所成图像的特点,将分类算法运用于干涉图数据压缩.针对单一和复杂两类目标,采用不同的处理方法,得到了较好的压缩效果.     

核覆盖算法在光谱分类问题中的研究

针对光谱分类,提出了一种基于核技巧的覆盖算法——核覆盖算法。该算法将核技巧与覆盖算法相结合,并在特征空间中抽取支持向量。实验表明核覆盖算法在光谱分类中的精度与SVM相差不大,但是它只涉及距离的计算,不必象SVM那样求解二次规划问题,对于核宽的选择也不象SVM那样非常敏感。核覆盖算法与覆盖算法相比分类性能相当,它的优势在于引入的非线性映射Φ改变了样本集在特征空间中之间的距离关系,使得核覆盖算法得到的支持向量个数大大少于覆盖算法。