基于半边结构和√3细分的渐进网格生成方法

渐进网格可以满足生成多分辨率模型的需求.在现有渐进网格生成方法中,一个顶点的简化往往关联四个以上的相邻顶点.并且,现有方法多采用网格的点面列表结构表示.本文采用√3细分预测方法生成渐进网格,每个顶点的存储仅关联三个相邻顶点.同时也使用半边数据结构替代网格的点面列表表示形式,加快了邻接信息查询.实验结果表明,本方法提升渐进网格的空间效率,缩短渐进网格的生成时间.     

航天发射系统运行安全性评估研究进展与挑战

航天发射作为人类太空活动最为基础和最为重要的环节之一,是评判一个国家综合国力的重要指标,而航天发射系统运行安全性评估作为现代航天发射控制指挥与决策系统的核心,是保证航天发射安全运行的基础.首先,本文概述了现代航天发射系统,简要回顾了系统安全性研究发展历程,阐述了航天发射系统运行安全性评估的内涵.其次,通过综述航天发射系统运行故障检测与诊断、异常运行工况识别、运行过程安全分析与预测、安全性动态评估技术等方面的研究现状的基础上,总结出了航天发射系统运行安全性评估面临着系统极度复杂、决策风险性极大、先验信息少以及评估结果要求高准确性与实时性等方面的挑战.最后,本文对航天发射系统运行安全性评估有待研究的基础前沿问题进行了思考.     

量子门Elman神经网络及其梯度扩展的量子反向传播学习算法

针对Elman神经网络的学习速度和泛化性能, 提出一种具有量子门结构的新型Elman神经网络模型及其梯度扩展反向传播(Back-propagation)学习算法, 新模型由量子比特神经元和经典神经元构成. 新网络结构采用量子映射层以确保来自上下文单元的局部反馈与隐藏层输入之间的模式一致; 通过量子比特神经元输出与相关量子门参数的修正互补关系以提高网络更新动力. 新学习算法采用搜索然后收敛的策略自适应地调整学习率参数以提高网络学习速度; 通过将上下文单元的权值扩展到隐藏层的权值矩阵, 使其在与隐藏层权值同步更新过程中获取时间序列的额外信息, 从而提高网络上下文单元输出与隐藏层输入之间的匹配程度. 以峰值检波为例的数值实验结果显示, 在量子反向传播学习过程中, 量子门Elman神经网络具有较快的学习速度和良好的泛化性能.     

基于ESN和PSO的非线性模型预测控制

针对传统的控制理论对实际的工业生产过程中的被控系统,特别是具有强非线性的系统控制效果不是很理想,而应用非线性模型预测控制算法能够较好解决非线性系统的控制问题,提出了一种基于回声状态网络(Echo State Network,ESN)模型进行非线性系统辨识和粒子群优化(Particle Swarm Optimizatio...     

冶金连铸工业过程实时专家控制系统的设计与实现

从工业生产实用要求出发,提出了一类适合于连续过程实时控制系统的专家控制方法, 它使控制器的理论设计变得简单、方便.工业生产实用结果表明,系统可靠性高,实时性好.     

基于核稀疏分类与多尺度分块旋转扩展的鲁棒图像识别

针对在图像旋转或局部扭曲变形等复杂情况下的图像识别问题,提出一种基于核稀疏分类与多尺度分块旋转扩展的鲁棒图像识别算法。该算法首先对图像进行多尺度分块与旋转扩展,使得字典能近似测试图像局部的旋转扭曲与各种排列组合。为了增加字典类间稀疏度,改善系统效率,提出一种字典降维策略。通过核随机坐标下降方法高效求解核稀疏分类的凸优化问题,进而通过对比不同类对测试图像的重构误差完成图像识别。实验表明,与经典方法相比,文中方法具有更好的识别效果,对图像旋转或局部扭曲变形等复杂情况具有较好的鲁棒性。     

改进Parzen窗解决高维数据聚类的方法研究

由于高维数据聚类的现实意义日益增强,而Parzen窗估计法仅对低维数据集聚类能获得良好的结果,随着维数增加,效率降低,因此对Parzen窗进行加权改进,通过多次仿真实验确定加权函数,将高维数据投射至低维空间,对其聚类,逐步投向高维空间,对结果矩阵进行优化处理,得到更为优良的聚类效果。     

鲁棒的高容量音频信息隐藏算法

提出一种音频信息隐藏算法,该算法利用CDMA扩谱方法对秘密信息进行预处理,使用离散小波变换获得掩护声音的近似系数,将秘密信息嵌入到近似系数的离散余弦变换中频部分。实验结果表明该算法具有较高的信息隐藏容量和较强的鲁棒性,能抵抗幅值规范化、滤波、失真、消噪及其部分组合攻击。     

基于数据统计分析的知识发现

以数据库中的数据为对象建立数据的统计模型,提出了一种定量统计分析方法,对数据进行有序的组织,结合定性描述的归纳性知识,找出规律,形成可用于生产实践的知识规则。最后,用所提出的方法对农业生产数据进行了分析,归纳出生产管理的决策知识用于指导生产。     

无线传感器网络下的并行粒子滤波目标跟踪算法

针对无线传感器网络环境下目标跟踪问题,提出一种基于分布式并行粒子滤波的目标跟踪方法.在建立了网络动态分簇模型和目标运动模型的基础上,将并行粒子滤波算法应用于动态目标进行跟踪.算法通过多个感知节点并行的运行局部粒子滤波器,得到每个节点对目标状态的估计,动态成簇的簇头节点对簇内每个节点的信息进行融合,形成动态目标的状态估计...