多传感器信息融合Wiener反卷积平滑器

应用现代时间序列分析方法,基于ARMA新息模型和增广的状态空间模型,提出了按标量加权多传感器最优信息融合ARMA信号Wiener反卷积平滑器,给出了计算局部平滑器误差方差和互协方差的计算公式,它们可被用于计算最优加权系数．同单传感器情形相比,可提高融合平滑器的精度。一个仿真例子说明其有效性。     

不确定变时滞模糊广义系统的最优保成本控制

针对一类带有时变时滞的不确定T-S模糊广义系统,提出了基于时滞独立准则的最优鲁棒保成本控制方法.考虑一个线性二次成本函数作为闭环系统的性能指标,以线性矩阵不等式的形式给出了状态反馈保成本控制器存在的充分条件.最优保成本控制器的设计问题可以被简化为一个线性不等式约束的凸优化问题.所设计的保成本控制器不仅保证闭环系统的渐近稳定,而且具有最小的保成本上界.最后,数值算例说明了所提出方法的有效性以及最优保成本控制器的良好性能.     

分析研究Cahn-Hilliard方程的解

利用Lie对称分析,研究了Cahn-Hilliard方程的对称群并构造了对应的一维最优系统.根据最优系统对方程进行约化,讨论了群不变解.     

非资产型第三方物流的两层次委托代理模型研究

根据非资产型第三方物流运作中委托代理关系信息不对称的特点,建立了非资产型第三方物流链的两层委托代理关系模型.分别给出了一对一和一对多两种模型的最优合约.对模型结果进行了分析,结合物流实践提出了防范委托代理风险的措施.     

一种分数域二分法 LFM 信号参数估计方法

针对传统基于分数阶傅里叶变换（fractional Fourier transform,FRFT）的线性调频（linear frequency modulated, LFM）信号参数估计方法中估计精度和计算量难以同时满足实际要求的问题,提出一种分数域二分法的 LFM信号参数估计方法。该方法分析量化了变换阶次误差对参数估计误差的影响,利用单分量 LFM信号变换阶次和分数域展宽的关系,通过迭代不断缩小变换阶次的取值范围,获得满足初设阈值的最优阶次,并利用最优阶次和峰值位置对 LFM信号进行参数估计。采用逐次重构消除的方法,可以对强弱混合的多分量 LFM信号进行参数估计。仿真结果表明,在满足信噪比要求的条件下,该方法能够有效地对 LFM信号进行参数估计,可以通过参数估计精度的要求选择不同阈值,与传统方法相比,在参数估计精度相当的情况下大大地减小了计算量。     

基于神经网络的非线性动力系统控制研究

基于改进BP神经网络,建立了一种自适应在线控制模型,并且该控制方法应用到离散非线性动力系统和倒立摆系统控制问题。为了避免BP神经网络在训练过程中的目标函数局部极小值问题,提出了一种基于BFGS优化算法的神经网络训练方法。与其它控制方法相对比,所提出的基于神经网络的倒立摆控制方法具有较高的控制精度。通过离散时间系统的控制模拟和倒立摆模型系统的控制两个算例,验证了所提出的控制方法的具有有效性和很好的控制效率。     

基于结构自适应神经网络用电量时间特征的聚类分析

鉴于聚类分析在数据挖掘中具有重要的作用,针对聚类分析中聚类数确定难的问题,深入研究了聚类准则的选择和曲线特性,提出了一种基于SOFM神经网络的结构自适应聚类神经网络,其特点是能够自动确定最佳的聚类数.基于实际营销数据,采用结构自适应聚类神经网络技术实现了用户用电量时间特征分析,所得结论对于电价的针对性的调整以及合理地安排电力生产具有重要的参考价值.     

动态交通分配模型仿真研究

依据最优控制理论，建立了一种能够用于多OD对拥挤道路网上的时交通流形态预测的动态用户最优分配模型，讨论了此模型离散形式的解法，并利用Frank-Wolfe算法对模型进行了仿真，计算机仿真结果表明了该方法是有效的。     

图的局部连通性与上可嵌入性

研究局部连通图中支撑树的变换. 给出L.Nebesk定理的一个新证明, 并将其推广得到一类新的上可嵌入图.     

面向对象的多层次规则分类地物遥感信息提取方法试验分析研究

监测土地覆盖变化是目前高分辨率遥感的重要应用领域,城市覆盖地物变更速度快、地物类型复杂,使用传统方法提取监测难度较大。针对此问题,选择云南省大理白族自治州上官镇为研究区,以GF-2 PMS遥感影像为数据源;采用面向对象的方法对研究区进行最优分割尺度分割,选取最优特征组合用于构建模糊分类规则,分层次进行地物提取,最终获得研究区地物类型分布图。运用混淆矩阵方法进行精度评价,面向对象的多层次规则分类法提取分类效果良好,分类总体精度达79.95%,Kappa系数为0.74。与基于像元的分类方法和单一尺度下面向对象的提取分类法相比,面向对象的多层次规则分类法精度明显提高,说明本方法运用于复杂地物提取分类具有较好可行性。