微粒群算法在传感器优化配置中的应用

为了将动态测试中的传感器配置在合理的自由度,以便充分反映结构的动力特性,需对传感器进行优化配置.分别以MAC矩阵、Fisher信息阵,及其组合为优化准则,采用微粒群算法,对传感器优化配置问题进行了研究,探讨了优化准则和优化算法对传感器优化配置结果的影响.通过与模态动能法、有效独立法及基于QR分解的逐步累积法比较,传感器优化配置的结果表明微粒群算法优于上述方法.     

基于Fisher信息距离的被动传感器目标协同跟踪方法

针对多被动传感器动态跟踪问题,提出了一种基于Fisher信息距离被动传感器目标协同跟踪方法。该算法在进行传感器选择时,依据信息几何理论,以流形中的Fisher信息距离来衡量先验概率密度函数和后验概率密度函数之间的距离,继而以此距离为依据选择传感器进行目标跟踪。仿真实验表明：所提算法能够在动态环境中自适应选择传感器资源,有效提高目标的跟踪精度,实现多被动传感器协同跟踪。     

压电智能结构损伤检测传感器优化配置的遗传神经网络方法

基于损伤检测的智能结构传感器优化配置的研究工作较少,问题在于难以找到理想的关联损伤物理力学特征的损伤检测目标函数.提出了一种基于损伤检测的压电智能结构传感器优化配置的遗传神经网络(GANN)方法.该方法采用最小二乘支持向量机(LS-SVM)网络建立损伤检测目标函数,运用改进的遗传算法对目标函数进行优化,从而实现不同数目传感器的优化布置,并综合考虑成本与效益的因素,确定传感器的最优配置数目.论文对该遗传神经网络方法的具体实现过程及其可行性进行了分析,结果表明,该方法是可行的,可用于实现传感器对应于其初始布置模式下的最优配置.对于更多传感器的初始布置模式,采用该方法可有效减少更多传感器的数量,从而降低成本.     

基于Fisher信息的多传感器数据融合方法

针对多个传感器对某一特性指标进行测量实验的数据融合问题,利用信息理论中的Fisher信息,提出了一种新的多传感器数据融合方法。该方法以最大化各传感器测量数据包含待测参数的Fisher信息为目标函数,通过求解优化问题,得到数据融合结果。可以较好地避免受主观因素影响的关系矩阵,充分利用实验数据,防止有效数据的丢失,提高融合结果的精确性。仿真实验验证了方法的有效性。     

基于并行量子遗传神经网络的自诊断智能结构传感器的优化配置*

针对压电智能复合材料层板,基于损伤检测问题,采用最小二乘小波支持向量机(LS-WSVM)网络建立损伤检测目标函数,运用量子遗传算法对目标函数进行优化,并将LS-WSVM以并行方式与量子遗传算法相结合,从而构造并行量子遗传神经网络方法,实现对智能结构损伤检测传感器的优化配置。仿真结果表明,采用该方法实现的不同数目传感器的最优布置符合工程判断,综合考虑成本与效益的因素,该方法可确定传感器对应于其初始布置模式下的最优配置数目。对于更多传感器的初始布置模式,采用该方法可有效减少传感器的数量,从而降低成本。相比于传统遗传算法,该方法中量子遗传算法具有较好的寻优能力和收敛速度。     

基于WPCA和修正的最大间距准则的人脸识别

针对Fisher准则遇到的高维小样本问题和最大间距准则遇到的“次优化问题”,提出一种基于加权PCA（WPCA）和修正的最大间距准则（MMMC）的线性判别分析方法。首先对PCA空间进行加权,对最大间距准则的散布矩阵进行修正,然后结合WPCA和MMMC进行特征提取。该方法为有效地解决上述两个问题提供了途径。在ORL和FERET人脸库上的实验结果验证了该方法的有效性。     

基于极大似然目标状态估计的传感器管理

为估计目标运动的状态估计量,设计相应的传感器管理方案,文章依据贝叶斯概率知识,采用极大似然的最优化方法来估计目标运动的状态估计值;依据目标状态估计的误差协方差矩阵与其Fisher信息矩阵间的联系,推导似然函数关于目标状态各个分量的偏导数;采用随机离散时间系统知识,推导出对角式Fisher信息矩阵所有对角线上的各个元素;以Fisher信息矩阵的迹范数作为传感器管理中的最优代价函数,采用0-1整数规划算法来求解传感器的分配矩阵;最后将极大似然的目标状态估计及其相应的传感器管理方案应用于无人直升机的飞行控制系统中,以验证本文方法的有效性。     

基于大间距准则和图像矩阵双向投影的人脸特征提取方法

传统基于降维技术的人脸特征提取需要将图像转换成更高维的向量, 从而加剧维数灾难问题, 对于采用Fisher优化准则的特征提取, 这也会使小样本问题更加突出. 基于图像的矩阵表示, 本文提出了一种新的基于大间距准则和矩阵双向投影技术的人脸特征提取方法(Maximum margin criterion and image matrix bidirectional projection, MMC-MBP). 该方法一方面在计算散度矩阵时引入了能保持数据局部性的Laplacian矩阵, 以保持数据的流形结构, 从而提高识别正确率; 另一方面采用了有效且稳定的大间距的优化准则即最大化矩阵迹差, 能克服利用Fisher准则所带来的小样本问题; 更重要的, MMC-MBP方法给出了求解最优双向投影矩阵的迭代计算过程, 该迭代求解过程能保证目标函数的单调递增性、收敛性以及投影矩阵的收敛性, 从而成功解决了传统基于张量(矩阵)投影技术的特征提取方法特征维数过高或者无收敛解的问题. 最后广泛而系统的人脸识别实验表明, MMC-MBP的迭代求解过程能很快收敛, 且相比Eigenfaces, Fisherfaces, Laplacianfaces等脸识别方法, 具有更高的识别正确率, 是一种有效的人脸特征提取方法.     

时差定位的传感器位置分布研究

提高目标的定位精度一直以来都是无源定位关注的主要问题,通过分析目标位置误差的Fisher信息矩阵以及对应的Cramer-Rao下界与传感器位置及数量的关系,得到使定位误差最小的传感器分布情况.给出了目标距离较远时,在二维及三维定位中基于时差定位方法的传感器最佳分布.     

一种改进Fisher准则的线性鉴别分析方法

目前线性鉴别分析以Fisher准则或是逐对类加权Fisher准则为依据,但前者不能限制离群类,后者计算量大,鉴于此,提出一种改进Fisher准则用于线性鉴别分析。回顾了Fisher准则和逐对类加权Fisher准则,指出其中问题产生的根本原因。提出类距离和类离群程度的定义,以类距离为依据判定各类离群程度,以类离群程度为参数赋予各类权值,重新计算总体类均值和类间离散度矩阵,以得到限制离群类、突出常规类的改进Fisher准则。这种改进Fisher准则计算简单,能有效限制离群类。     

多传感器的移动机器人可定位性估计与自定位

针对有人干扰的动态室内环境,利用可定位性估计理论提出一种RGB-D传感器辅助激光传感器的移动机器人可靠自定位方法。利用RGB-D传感器信息快速检测人的位置区域,并通过坐标转换计算激光扫描数据中的动态障碍物影响因子,结合离散化Fisher信息矩阵在线估计观测信息的可定位性矩阵;同时通过预测模型协方差矩阵评价里程计信息的可靠性,从而动态补偿观测信息对粒子集的影响。在典型含多人运动的动态室内环境中实验,结果验证了本文方法能够提高机器人自定位的准确性和可靠性。     

多测点智能温度传感器设计

针对广泛应用的温度检测,设计了一种多测点智能温度传感器。该智能温度传感器将多个常规温度传感元件、信号调理电路、带数字总线接口的微处理器连接起来,利用三维单片智能传感器结构集成在一块硅基片上,实现了三维集成多层结构。同时智能温度传感器利用信号幅度、变化趋势、多测点冗余故障判决和传感信息融合方法,在实现传感故障诊断的同时提高检测准确度。     

基于静力测试的三维曲面结构测点优化配置

传感器测点优化配置在结构健康监测系统中具有重要作用。针对结构健康监测中静力作用下三维曲面结构变形状况进行了研究,提出了三维曲面结构的测点优化配置方法。首先,对三维曲面结构进行测点组合选取,根据已知测点的响应值采用三维超曲面样条函数插值估计未布置测点的响应值,然后建立适应度函数,对未布置测点的估计值与实际值的误差进行判定,最后通过二重结构编码遗传算法对测点组合进行优化,选取适应度函数值最小的测点配置方案,从而实现了传感器测点优化配置的目的。应用该方法对简支的圆柱壳弯曲变形进行了测点优化配置,得到的适应度函数值最小的测点配置方案中,未布置测点的估计值与实际值的误差为1.10％,从而验证了该方法的可行性和有效性。     

基于模糊矩阵的大数据自适应迁移融合仿真

大数据冗余信息过多,数据迁移融合过程中会出现大量损耗,获取数据信息结果的准确率低。针对上述问题,提出基于模糊矩阵的大数据自适应迁移融合方法。构建模糊矩阵模型,根据构建的模糊矩阵求出其隶属度;通过迭代计算求出细分模糊矩阵边长,以求出的细分模糊矩阵边长为筛选标准,去除数据中的冗余部分,提高数据精度的同时减少后续运算量。在此基础上利用数据自适应度值来选择数据最优迁移路径,并根据数据相关性节点的聚合度完成融合。仿真结果证明,所提方法有效去除冗余数据,降低了数据迁移融合能耗,能够大幅提高大数据融合时的准确性和效率。     

基于信息增益的最优组合因子Fisher判别法

线性判别分类器是一种有效的模式分析技术,其中以Fisher判别法准则应用最广,目前已有多种改进线性提取方法。引进信息增益,建立基于信息增益的最优组合因子判别分类器,实现最优组合因子判别分类器的优化。实验结果表明优化后的分类器有效剔除了冗余因子,具有良好的分类准确率。     

无线传感器网络中的最大生命期基因路由算法

无线传感器网络(wireless sensor networks,简称WSNs)由一组低功率且能量受限的传感器节点构成,设计此类网络的一个基本挑战便是最大化网络生命期的问题.在WSNs中,由于邻近传感器节点所收集的数据之间往往具有时空相关性,多采用数据聚合技术作为去除数据冗余、压缩数据大小的有效手段.合理地应用数据聚合技术,可以有效地减少数据传递量,降低网络能耗,从而延长网络生命期.研究了WSNs中结合数据聚合与节点功率控制的优化数据传递技术,提出了一种新的最大化网络生命期的路由算法.该算法采用遗传算法(genetic algorithm,简称GA)最优化数据聚合点的选择,并采用梯度算法进一步优化结果.该算法均衡节点能耗,并最大化网络生命期.仿真结果表明,该算法极大地提高了网络的生命期.     

A new approach for multiple attribute group decision making with interval-valued intuitionistic fuzzy information

This paper proposes a novel method for multiple attribute group decision making (MAGDM) with interval-valued intuitionistic fuzzy information. The interval-valued intuitionistic fuzzy numbers of each expert preference matrix are first mapped into two dimensions. Thus, the values of each membership degree and non-membership degree are considered as points in the two-dimensional representation. Moreover, the distance between the points represents the variance among the different experts preferences. The preference points of the same character are considered as a point set. We employ the plant growth simulation algorithm (PGSA) to calculate the optimal rally points of every point set, the sum of whose Euclidean distances to other given points is minimal, and these optimal rally points reflect the preferences of the entire expert group. These points are used to establish an expert preference aggregation matrix. Suitable points from the matrix are chosen to constitute an ideal point matrix, a projection method is employed to calculate the sum of its Euclidean distance to the expert preference aggregation matrix, and the score of each alternative is evaluated. Finally, the overall ranking of alternatives is obtained. In addition, this study develops a process to evaluate the pros and cons of different aggregation methods. Two typical examples are presented to illustrate the feasibility and effectiveness of the proposed approach.     

无线传感器网络中的最大生命期基因路由算法

无线传感器网络(wireless sensor networks,简称WSNs)由一组低功率且能量受限的传感器节点构成,设计此类网络的一个基本挑战便是最大化网络生命期的问题.在WSNs中,由于邻近传感器节点所收集的数据之间往往具有时空相关性,多采用数据聚合技术作为去除数据冗余、压缩数据大小的有效手段.合理地应用数据聚合技术,可以有效地减少数据传递量,降低网络能耗,从而延长网络生命期.研究了WSNs中结合数据聚合与节点功率控制的优化数据传递技术,提出了一种新的最大化网络生命期的路由算法.该算法采用遗传算法(genetic algorithm,简称GA)最优化数据聚合点的选择,并采用梯度算法进一步优化结果.该算法均衡节点能耗,并最大化网络生命期.仿真结果表明,该算法极大地提高了网络的生命期.