DECOMPOSITION OF NONLINEAR DISCRETE-TIME STOCHASTIC SYSTEMS

This paper gives a mathematical definition for the "caution" and "probing", and presents a decomposition theorem for nonlinear discrete-time stochastic systems. Under some assumptions, the problem of finding the closed-loop optimal control can be decomposed into three problems: the deterministic optimal feedback, cautious optimal and probing optimal control problems.     

一种基于多分类支持向量机的网络入侵检测方法

构造了一种基于异构数据距离的径向基核函数，可直接应用于异构的网络数据，并利用实验数据得到修正的基于异构数据距离的径向基核函数(I-HVDM-RBF)，从而减少了支持向量的个数，降低了运算量，采用I-HVDM-RBF核函数和一对一方法构造了多分类支持向量机来进行网络入侵检测，检测选用美国国防部高级研究计划局入侵检测评测数据，结果表明：与Ambwani方法比较，其检测精度提高了约3％，支持向量个数减少了268个，检测时间缩短了5min；与Lee方法比较，其拒绝服务攻击、远程到本地攻击和普通用户到超级用户攻击的检测精度分别高出73％、19％和3％。     

一种总体最小二乘算法及在Volterra滤波器中的应用

针对输入输出观测数据均含有噪声的滤波问题，提出了一种鲁棒的总体最小二乘自适应算法．该算法利用滤波器的增广权向量的瑞利商为损失函数，导出了其自适应迭代公式，并利用随机离散学习规律对权向量模的分析进行算法梯度修正，提高了算法的噪声鲁棒性，而且使得算法简单，稳定性好，收敛精度高．将该算法应用于Volterra滤波器，可使滤波器在非线性系统中的信噪比达到10dB，在学习因子为0．01时，算法仍然能够保持良好的收敛性．仿真结果表明，即使在高噪声环境或使用较大学习因子的情况下，该算法的鲁棒抗噪性能和稳态收敛精度均明显高于其他总体最小二乘方法．     

Breaking chaotic shift key communication via adaptive key identification

This paper proposes an adaptive parameter identification method for breaking chaotic shift key communication from the transmitted signal in public channel. The sensitive dependence property of chaos on parameter mismatch is used for chaos adaptive synchronization and parameter identification. An index function about the synchronization error is defined and conjugate gradient method is used to minimize the index function and to search the transmitter's parameter (key). By using proposed method, secure key is recovered from transmitted signal generated by low dimensional chaos and hyper chaos switching communication. Multi-parameters can also be identified from the transmitted signal with noise.     

基于方向可调滤波器的含噪图像融合算法

提出了一种基于方向可调滤波器的图像消噪及融合算法,即使用方向可调滤波器及其Hilbert变换组成的正交滤波器组,分析两幅已配准源图的主要方向及局部方向能量,根据噪声点所具有的奇异性、无方向性,从而检测出图像噪声点,并运用局部中值滤波方法消噪;对于源图中的特征,采用局部方向能量作为权重进行加权融合。该方法提高信噪比约50％－80％,并能很好地保留和显著增强源图中的有用特征。     

基于遗传算法的模糊逻辑控制器优化设计

设计了一种新的用于模糊逻辑控制器优化的遗传算法，实现了模糊逻辑控制器参数和结构的同步快速优化。该算法对经典的简单遗传算法进行了改良，设计了一种带区间限制的十进制编码方案，实现了模糊控制器隶属度函数和控制规则的联合编码；并设计了受限分步一致交叉和变异算子，改进了经典赌轮选择法,避免了病态个体产生，加快了收敛速度。通过对典型的一阶和二阶工业对象控制器优化的仿真研究表明，相对于一般的遗传算法，该算法在群体规模较小（20或40）的情况下，能够在20代左右快速收敛到理想结果，并且在进化过程中很少产生病态个体，因此能够在小群体规模下，实现模糊控制器参数和结构的快速同步优化。     

A modified region growing algorithm for multi-colored image object segmentation

A hybrid algorithm based on seeded region growing and k-means clustering was proposed to improve image object segmentation result. A user friendly segmentation tool was provided for the definition of objects, then k-means algorithm was utilized to cluster the selected points into k seeds-clusters, finally the seeded region growing algorithm was used for object segmentation. Experimental results show that the proposed method is suitable for segmentation of multi-colored object, while conventional seeded region growing methods can only segment uniform-colored object.     

拓展目标杂波概率假设密度估计

针对拓展目标概率假设密度滤波器中的未知杂波概率假设密度,提出了杂波概率假设密度估计算法。算法利用有限混合模型极大后验估计杂波概率假设密度,取混合权重的熵分布作为混合参数的先验分布;在渐进假设条件下,利用拉格朗日乘子推导了混合权重的递进估计公式;在混合权重递进估计过程中,通过混合权重置零操作来实现对有限混合模型中混合分量的删减。以二维场景为例对算法进行了仿真实验,结果表明:在拓展目标概率假设密度滤波器高斯混合实现的框架内,所提杂波概率假设密度估计算法的跟踪性能接近真实杂波概率假设密度时的跟踪性能。     

工业过程混沌稳态优化控制研究

本文基于混沌现象普遍存在于各类非线性动力学系统中这一事实，针对工业过程中的混沌运动行为，给出了混沌稳态的严格定义，并对工业过程的混沌稳态优化控制问题刊物了数学描述。仿真结果表明，文中的定义以及对问题的描述是准确和恰当的；本文的工作为解决工业过程的混沌稳态优化问题提供了理论依据。     

扩展目标联合检测与估计的误差界

针对杂波和漏检环境下单个扩展目标联合检测与估计的性能评价问题,提出了一种基于随机有限集(Random Finite Set,RFS)的误差分析方法。该方法通过将扩展目标的状态和观测分别建模为Bernoulli RFS和Poisson RFS,在RFS框架下推导获得了采用最大后验概率检测器和无偏估计器的均方误差界,并给出了其在目标确定存在以及无杂波条件下的简化形式。实验结果表明,建议的均方误差界能够有效地反映扩展目标联合检测与估计算法所能达到的最优性能,利用该误差界可以对不同的扩展目标联合检测与估计算法的性能进行有效的衡量,误差在5%以内。推导过程和结论仅关注于单传感器扩展目标联合检测与估计的静态问题,并假设其状态和测量均为标量。