基于残差自然幂法的增量线性判别分析方法

提出了将增量线性判别分析问题(LDA)转化为两个增量主元分析(PCA)问题的算法框架.为加速算法的收敛速度,推导了增量LDA中训练样本的类内离散度矩阵和协方差矩阵的无损实时更新公式,并在此基础上提出了一种基于残差协方差矩阵的自然幂增量PCA算法.将该增量PCA方法与基于双PCA结构的增量LDA算法框架相结合,实现了数据流的实时LDA处理.仿真结果表明,与已有的增量LDA方法相比,该方法在收敛速度、计算复杂度和可操作性上具有更优的性能.     

铝电解过程神经网络预测控制技术应用研究

铝电解是非线性、时变、大时滞过程,受强电场、强磁场、强热场交互干扰,其控制难度大,耗能高.因此,节约电能,提高电流效率,提高铝的产量和质量是铝电解控制系统研究的热点问题.文中在分析铝电解过程工作特性及存在问题的基础上,提出了小波神经网络预测控制方法,该方法将神经网络控制技术与预测技术有机结合,通过对反映氧化铝浓度的槽电阻参数跟踪,实时调整控制器的控制策略,控制氧化铝下料装置下料量,使氧化铝浓度控制在理想值范围,并对系统的硬件和软件进行了设计.实验结果表明:该方法的有效性,具有良好的控制控制性能和节电效果,对提高铝的产量和质量具有重要意义.     

基于高斯混合模型的非视距定位算法简

针对无线传感器网络室内节点定位,在分析定位误差模型的基础上,结合高斯混合模型提出了一种无需先验知识的节点定位算法。利用高斯混合模型,对含有非视距误差的距离测量信息进行训练,以获得接近真实值的距离估计值。为取得高精度的定位效果,采用粒子群算法对期望最大化 (EM)算法进行优化。同时结合优选残差加权算法对所得的距离值进行定位估计,得出目标节点坐标估计值。仿真实验结果证实了算法的有效性。     

智能化住宅小区发展中的关键技术

阐述了智能化住宅小区发展的基本思路，分析了住宅小区智能化系统的结构和特点，并就智能化住宅小区发展中的一些关键性技术问题进行探讨。     

基于特征自适应选择的鲁棒跟踪算法

为了解决真实场景下视频目标的跟踪问题,提出一种基于特征自适应选择的鲁棒跟踪算法。首先,针对在线AdaBoost算法特征池特征鲁棒性差的问题,提出一种基于颜色与金字塔梯度方向直方图特征相结合的特征池构造方式;然后,针对分类器在更新过程中容易受到错误样本影响的问题,对每帧跟踪结果增加遮挡检测环节以避免漂移现象的发生。大量的对比实验表明,在真实场景下所提出的方法具有更好的效果。     

基于混沌神经网络的建筑节能综合评价

目的 构建建筑节能综合评价指标体系,对建筑节能进行综合评价.方法 针对神经网络BP算法收敛速度慢且容易陷入局部极小值问题,在常规神经网络中引入混沌神经元,建立混沌神经网络建筑节能综合评价模型.结果 根据建筑节能综合评价指标体系各量化指标,得出科学合理的评价结果 .通过实验仿真验证了该混沌学习算法的有效性和先进性.在输入参数相同的情况下,训练收敛到相同精度,CNN模型的训练次数少于BP网络模型,CNN模型用于建筑节能评价精度高.结论 运用混沌神经网络进行建筑节能综合评价的方法 是有效的.     

水源热泵空调系统参数自整定模糊控制

目的研究一种水源热泵空调系统的智能控制方法,改善系统的控制效果．方法采用参数模糊自整定的控制策略,先对模糊控制器进行设计,再确定参数的原则,再将模糊控制和PID控制相结合,实现PID参数在线自动调整．结果参数自整定PID控制比普通PID控制超调量小5％-10％,调节时间缩短近50％．结论参数自整定模糊PID具有良好的动、静态性能,有效地提高了系统的控制效果,满足了系统的节能技术要求．     

智能小区无线抄表系统集中器设计

目的 为构造智能小区无线抄表系统,设计无线通信的集中器.方法 通过搭建该无线抄表系统结构框图,采用模块化设计方法,利用nRF905设计了一种低成本、低功耗、抗干扰性强的集中器,并对集中器进行了测试.结果 结果nRF905的高灵敏度为其提供了稳定的传输距离,即使使用无增益的PCB天线其传输距离也可达350 m左右,采用高增益的天线可达到800 m以上,可以满足小区内的需要.结论 实验证明,无线通信的集中器避免了长距离布线和复杂的线路干扰,具有结构简单、工作可靠、经济实用等特点,可以用于小区的报警和安全系统.     

一种基于改进高斯过程隐变量模型的多角度人脸识别算法

针对传统谱算法在人脸识别中的局限,该文提出一种基于改进高斯过程隐变量模型(GP-LVM)的多角度人脸识别算法。首先,通过高斯过程(GP)对人脸流形建立概率模型,得到高斯过程隐变量模型(GP-LVM);其次,分析GP-LVM得到共有信息(shared information)和独有信息(private information),利用概率最大化与拉格朗日乘子法得到参照矩阵和参照值;最后,实现多角度人脸识别。选取Yale,JAFFE,FERET,CMU-PIE 4类数据集进行对比实验,实验结果表明:该文提出的算法可以有效地识别多角度人脸,针对无角度人脸识别也具有良好的效果。