改进的自适应遗传算法在函数优化中的应用*

针对传统遗传算法在复杂函数优化的寻优搜索中容易陷入局部极值,搜索效率低,不稳定等特点,提出一种改进的自适应遗传算法,该算法的思想是根据进化中种群适应度的集中分散的程度非线性地自适应调节遗传进化的运算流程和交叉概率Pc、变异概率Pm的值,从而能更好地产生新的个体摆脱局部极值搜索到全局最优解,并采取最优保存策略来保证改进的自适应遗传算法的收敛性。仿真实验结果表明,与现存其他算法相比,改进的自适应遗传算法在全局寻优的收敛速度、最优解、求解精度、和稳定性等方面都有了较大的改进和提高。     

基于非负矩阵分解的Slope One算法

针对协同过滤推荐算法中Slope One算法在稀疏数据集中推荐精度低的问题,利用矩阵分解在解决矩阵稀疏性方面的优势,将非负矩阵分解技术引入到用户-项目评分矩阵的降维处理中,将原有的稀疏评分矩阵进行非负分解,改善了矩阵的稀疏性,优化Slope One算法. 从实验数据可以看出,与原始的CF算法进行比较,NMF-Slope One算法有较好的推荐效果. 在数据稀疏的条件下,确定参数进行实验. 实验结果表明,该方法提高了Slope One算法在数据稀疏下的精度和推荐质量.     

基于高采样率惯性测量单元的手部状态与手势识别

为了同时实现手势识别与手部状态识别，针对高采样率惯性测量单元具有同时采集动作信号与振动信号的特点，搭建基于单惯性测量单元的手势识别与触摸识别原型设备.可视化分析手部状态数据与手势数据在时域与频域上的差异，建立手部状态、划动手势与画圈手势数据集.针对数据特征的差异，提出差异化特征提取方法，分别构建手部状态分类与手势分类的神经网络结构.使用数据集训练神经网络模型，在手部综合状态识别任务中正确率达到99%，在划动手势识别任务和画圈手势识别任务中的正确率均达到98%.提出实时数据流处理、状态转移、未知类别判断的原型程序框架，基于手部状态识别模型实体与手势识别模型实体搭建实时程序，测量实际运行整体计算延时与单模型计算延时，验证模型实时运算能力.模型评估实验与实时运算能力验证实验结果表明，使用高采样率惯性测量单元准确且实时地识别手部状态与手势具备可行性.     

基于新道路发现的GIS地图更新算法

针对导航系统中电子地图的更新代价大、耗时长的问题,结合浮动车的历史GPS轨迹信息匹配到当前电子地图中时匹配时效的情形,提出了一种基于失效数据筛选的新道路判定和电子地图更新算法。首先,通过计算全部失效点的横纵跨度判断行驶轨迹的主方向。其次,通过飘逸筛选,剔除可能由于车载GPS采集设备因故障而产生的定位失准数据点组;利用基于直线的最小二乘法,对匹配失效的异常轨迹进行线性拟合,以确定轨迹的位置和方向;通过角度筛选,剔除误差较大的定位数据点组。最后,将筛选所得新道路的轨迹数据进行融合并排序,结合电子地图的路网结构,根据新道路的路段端点的匹配结果,将新道路插入到当前GIS电子地图的路网中。通过在某城市局部区域的电子地图路网数据上进行实验,结果表明该方法能够准确地判定和筛选新增道路,并将其正确地插入到电子地图的当前路网结构中。     

Interactive navigation system in smart phone with vibration feedback

The traffic congestion has become an urgent problem to be solved, which appears in the domestic and foreign large and medium-sized cities. Intelligent transportation is one of the important applications of ubiquitous computing. And it''s an important way to ease the traffic congestion of the city. Intelligent navigation system is an important embodiment of intelligent transportation. So far, there have been many kinds of traditional vehicle navigation systems. But when they are in use, drivers will pay extra attention to get the path information through the visual and auditory cues.It''s dangerous for drivers when they drive. At the same time, with the development of science and technology, mobile navigation system has been widely used. The mobile navigation system is a comprehensive system which relates to the field of mobile communication and GPS. The objective of this paper is to develop a smart phone and interaction navigation system based on the feedback of vibration and micro programmed control unit (MCU) control system. When drivers are in the driving process, the new navigation system can avoid the same sense of multiple tasks, which makes each sensory focus on only one independent task. Through the analysis, the system is demonstrated to improve the driving safety.     

基于UC/OS-Ⅱ的可重构计算机系统的设计

本文介绍了一种UC/OS-Ⅱ在可重构系统中的可靠设计与实现.文中讨论了使用ATMEL公司的Atmega128对ALTERA公司的FPGA器件EPIC3T100进行PS模式的配置方法,移植并使用嵌入式操作系统UC/OS-Ⅱ进行实时调度.进程管理的操作.具有稳定、可靠、实时重构系统的特点,同时为此类系统的开发提供了一种可借鉴的方便灵活的实现方法.     

基于压电薄膜传感器的机器人触觉识别系统

为了使机器人通过触觉感知外部环境信息,弥补视听交互信息缺失的不足,根据聚偏氟乙烯（PVDF）材料的压电效应设计开发基于触觉传感器和卷积神经网络的机器人触觉识别系统,能够根据所采集的触觉信号识别出材质类型. 提出基于渐进式级联卷积神经网络的触觉识别算法. 该算法基于卷积神经网络提取机器人传感器的信号特征,包括经过短时傅里叶变换的触觉数据频谱图和信号表征周期内的时域特征. 为了解决特定材质识别混淆的问题,利用K-Medoids聚类算法和动态时间规整（DTW）距离度量算法将分类过程区分为粗、细2个层次,构建渐进式分类模型. 实验表明,设计的触觉传感器对物体材质的平均识别正确率约为97%,机器人能够成功识别触摸到的真实材质,为下一步的探索交互任务奠定基础.     

车载CAN总线网络安全问题及异常检测方法

在汽车智能化进程加快以及车联网技术快速发展的背景下,分析了车载CAN总线网络安全现状,总结了车载CAN总线网络潜在的安全漏洞,归纳了对车载CAN总线网络的攻击手段,提出了使用信息熵的车载CAN总线网络异常检测方法,并对该方法的有效性进行了实验验证。理论分析及实验结果均表明:使用信息熵的车载CAN总线网络异常检测方法是有效可行的。     

用于游戏NPC路径规划的改进遗传算法

针对游戏非玩家控制(NPC)路径规划中传统遗传算法计算速度慢、正确率低等问题,设计了改进型遗传算法.提出了最佳种群规模估计方法,设计了基于精英主义思想的遗传算子.根据游戏地图的特点,引入了基于启发式深度优先搜索的变异操作.与传统遗传算法以及其他学者的改进算法进行了对比实验.实验结果表明:算法能够在保证正确率的前提下,提高计算速度,并且在多目标的环境下同样适用.     

基于信息熵函数的启发式贝叶斯因果推理

贝叶斯网络分类器(BNC)由于其优越的分类性能和可解释性在数据挖掘和人工智能等领域有着广泛的应用.信息论为其迅速发展奠定了坚实的数学理论基础,例如条件互信息被用来度量BNC拓扑结构中属性间的条件依赖关系.然而,贝叶斯网络又被称为因果网络,但目前人工智能等领域中有关贝叶斯网络因果关系的研究是一个很有争议性的课题.属性间因果性的定义远比相关性的定义复杂微妙很多.而条件互信息可能不适用于度量BNC整体拓扑结构对数据的拟合性,并且其表达式的对称性决定了其只能描述属性之间的无向相关性,而非有向因果性.本文从信息熵的角度对贝叶斯网络中的因果关系进行了探索性的研究,首先基于对似然函数定义了联合熵函数与贝叶斯网络拓扑结构中联合概率分布的映射关系,然后在此基础上提出了类条件熵和局部条件熵函数来识别拓扑结构中属性间的因果关系.最后提出了一种基于类标签驱动的启发式结构学习方法来构建可以兼顾有标签数据拟合和无标签数据泛化的BNC(记为HBN).对美国加州大学欧文分校(UCI)机器学习数据库中35个数据集的实验评估表明,本文所提出算法与其它算法相比在分类性能上具有显著优势,例如HBN在0-1损失函数上明显优于CFWNB(17优5劣)、SKDB(14优5劣)、AIWNB(17优7劣);在偏差上HBN与CFWNB相比26优6劣,与SKDB相比10优5劣,与WAODE相比15优7劣,与RF相比29优4劣,与AIWNB相比22优6劣.由于CFWNB、WAODE、AIWNB没有结构学习过程,其拓扑结构不受训练数据扰动的影响.这三种算法的方差显著低于其它算法.而HBN的局部拓扑结构能充分体现测试实例中隐含的因果关系,在一定程度上减轻训练数据过拟合带来的负面影响.因此,与SKDB和RF相比,HBN的方差结果均明显占优(20优9劣,26优3劣).与其他算法相比,HBN的0-1损失函数和偏差结果分别平均提高了6.06％和12.65％.与SKDB和RF相比,HBN的方差结果平均提高了16.49％.HBN为不确定性知识表示和推理提供了一种有效且可行的方法.