时分复用光纤光栅传感阵列中DFB激光器的高精度温控设计

针对时分复用光纤光栅(TDM-FBG)传感阵列中使用的分布反馈(DFB)激光器高波长稳定度的要求,设计了一个高精度的DFB温控方案,包括温度测量与设定、热敏电阻线性化、PID补偿回路、H桥驱动、温度电压采集与显示等。使用DFB内置的热敏电阻和半导体制冷器(TEC)对温控电路进行了测试,其精度在180s内达到±0.04℃,温控后激光器温度变化引起的应变测量误差为±3.4με左右,满足TDM-FBG传感阵列的要求。     

多用户MIMO系统低复杂度收发联合波束成形方案

基于多用户多输入多输出(MIMO)有限反馈系统提出了一种收发联合波束成形方法。该方法在发送端采用每个用户酉速率控制(PU2RC)波束成形技术,在接收端采用基于信干噪比(SINR)最大化的天线合并算法。天线合并算法利用用户SINR的广义Rayleigh熵特性寻找最佳的天线合并矢量。仿真结果表明,该方法能充分利用信道信息,不仅改善了传统PU2RC系统的和速率性能,相对于已有的迫零(ZF)联合波束成形方法,对信道状态信息的量化误差的敏感性更低,用户选择算法的复杂度更低,且低速率反馈条件下和速率性能更优。     

联合相关反馈在医学图像检索中的应用

为进一步提高基于内容的医学图像检索性能,本文对相关反馈算法和全局特征进行研究。将基于模糊区域特征的图像检索和相关反馈算法与基于SVM的相关反馈算法结合起来,对复杂的区域特征采用基于模糊区域特征相关反馈算法,对全局特征采用能同时使用正例和负例图像的基于SVM的相关反馈算法,提出联合相关反馈算法。实验结果表明,采用这些方法后,检索结果有了很大的提高。     

网页兴趣度度量方法及其在兴趣模型中的应用研究

根据用户以往网页浏览的隐式反馈信息来推断用户兴趣,给用户推荐感兴趣的网页内容,提出了网页兴趣度度量方法及其在兴趣模型中的应用。根据用户浏览网页时的停留时间和浏览行为,通过量化的兴趣度度量算法评估出用户对网页内容的感兴趣程度,从而建立起用户兴趣模型;在用户浏览网页的过程中,动态地更新用户兴趣;最终根据归纳出的用户兴趣向用户推荐文章。实验证明提出的网页兴趣度度量方法和对应的兴趣模型是可行的。     

众筹项目推荐:面向隐式反馈的深度学习协同过滤

目前,在推荐系统研究中,用户的隐式反馈,以及极度稀疏的数据,已成为影响协同过滤推荐效果的主要问题.针对这一现象,本文提出了深度学习协同过滤算法,先利用卷积神经网络,对用户-项目矩阵的隐层特征进行学习,再结合协同过滤,对用户-项目的交互信息进行建模,并将两种特征融合预测推荐列表.以众筹平台的数据为实验对象,比较模型中各参数对推荐效果的影响,并设计与基线方法的对比实验.实验结果表明:均匀采集负反馈,并在一定卷积层数的网络中,数据稀疏度越高,效果越好;对比基线方法,本文提出的算法在公开数据集(Yahoo!Movie)上取得了最好的推荐结果.本文提出的算法有助于提高众筹平台的融资成功率,同时也丰富了推荐系统的研究体系.     

一类非自衡对象的典型反馈型PID控制

针对一类非自衡对象,提出了一种基于典型反馈模型的PID控制器(TF-PID);采用全极点型逼近方法对被控对象的时滞环节做近似处理,并在内模控制原理的基础之上导出一种基于典型反馈模型的PID控制器参数整定策略,从而得到PID控制器的整定参数;仿真结果表明,所设计的控制方法具有更优的设定值跟踪性能和干扰抑制性能,并且实现二者分离控制。     

具有时变状态滞后2-D离散系统的稳定与镇定(英文)

针对一类由局部状态空间(LSS)Fornasini-Marchesini(FM)第二模型描述的,具有时变状态滞后的2-D离散系统,其中时变滞后项的上、下界均为正实数,研究了其稳定性和控制综合问题。首先,利用Lyapunov-Krasovski泛函方法,提出了系统的稳定性准则。再根据这一准则,分别设计状态反馈和动态输出反馈控制器保证系统的稳定性。状态反馈控制律和输出反馈矩阵可由线性矩阵不等式(LMI)求得。最后,通过数值算例说明所得结果的有效性。     

基于反馈学习的网络攻击过滤方法研究

研究网络不良攻击的过滤问题,提高网络抗攻击能力,可保证网络安全。针对当前网络中攻击识别过滤问题,当过滤网络攻击时,只能够明确归属的攻击类型,当网络攻击不能明确归属特定类型,会产生攻击分类效果下降,产生野攻击,导致不能有效过滤的问题。为了解决上述问题,提出了一种反馈学习的网络攻击过滤方法,通过反馈训练对野攻击进行检测,利用错误驱动进行训练,完成对野攻击的准确分类。随着反馈的进行,反馈学习能捕捉到网络中攻击种类的变化,分类性能逐步提高。实验证明,改进方法能快速准确的完成网络不良攻击的过滤,取得了明显的效果。