基于PSO-WNN的MEMS陀螺随机误差建模普适性分析

针对MEMS陀螺仪随机误差对系统导航精度影响以及现有建模方案存在个体普遍适用性问题,提出将粒子群优化算法(PSO)与小波神经网络(WNN)结合后对MEMS陀螺随机误差进行预测的建模方法,完成小波神经网络的构建。利用小波函数作为神经网络中隐含层的激励函数,同时将小波神经网络各层的连接权值作为粒子群优化算法中粒子的位置,使得建立的模型函数逼近能力更加灵活有效且增强其容错能力,同型号不同个体MEMS传感器建模补偿实验结果表明,论文提出的PSO-WNN误差建模方法预测的MEMS陀螺仪随机误差均值和标准差分别优于0.025°/s和0.13°/s,补偿后的MEMS陀螺Allan方差分析结果进一步验证了论文所提方法的可行性与普适性。     

基于Nystr(o)m密度值逼近的减法聚类

针对大规模数据集减法聚类时间复杂度高的问题,提出一种基于Nyst(o)m密度值逼近的减法聚类方法.特别适用于大规模数据集的减法聚类问题,可极大程度降低减法聚类的时间复杂度.基于Nystr(o)m逼近理论,结合经典减法聚类样本密度值计算的特点,巧妙地将Nystr(o)m理论用于减法聚类未采样样本之间密度权值矩阵的逼近,从而实现了对所有样本的密度值逼近,最后沿用经典减法聚类修正样本密度值的方法,实现整个减法聚类过程.将本文算法在人工数据、标准彩色图像及UCI数据集上进行了实验,详细说明了本文算法利用少数采样样本逼近多数未采样样本密度权值、密度值以及进行减法聚类的详细过程,并给出了聚类准确率、耗时及算法性能加速比.实验结果表明,与经典的减法聚类相比,本文算法在不影响聚类结果的情况下,对于较大规模数据集,可显著降低减法聚类的时间复杂度,极大程度地提高减法聚类的实时性能.     

位置服务中基于贝叶斯的隐私泄露分析

个人位置信息是一种物理隐私信息,敌手可以根据背景知识获取用户的真实身份.为了分析位置服务的用户隐私问题,建模了敌手进行身份推理攻击的过程,并提出了一种根据个人位置信息测量身份泄露的贝叶斯推理方法.通过对比观测的位置信息与背景知识数据库的匹配程度,该方法能重新识别用户真实身份.实验采用了真实路网的数据集,结果显示不可信LBS通过收集查询请求能以很高的概率确定用户真实身份.研究表明高精度的个人位置信息泄露导致很高的身份隐私风险.     

容错多总线多处理机网络的设计

容错多总线多处理机网络的设计李春明（内蒙古工业大学电气工程系呼和浩特０１００６２）孙雨耕（天津大学电力与自动化工程系天津３０００７２）ＴＨＥＤＥＳＩＧＮＯＦＦＡＵＬＴ－ＴＯＬＥＲＡＮＴＭＵＬＴＩＢＵＳＭＵＬＴＩＰＲＯＣＥＳＳＯＲＩＮＴＥＲＣＯＮＮＥＣ...     

微机机器人仿真系统PCROBSM

微机机器人仿真系统（ＰＣＲＯＢＳＭ）是一个适用于ＩＢＭ－ＰＣ及其兼容机的机器人仿真系统，该系统功能齐全，可以对机器人的运动学，轨迹规划，动力学，控制算法，力传感器和典型任务等进行仿真，它的主要特色在于具有丰富的机器人控制算法和轨迹规划算法，系统具有良好的用户界面，为用户设计，验证自己的轨迹规划和控制算法提供了方便的环境，如系统提供了机器人语言ＳＶＡＬ，三维示教和三维图显功能，同时为了更接近实用，系     

基于BP神经网络的光伏阵列温度预测

针对现有太阳能光伏阵列仿真实验中因采用环境温度代替光伏组件温度而导致的光伏阵列建模不正确问题,指出应在光伏电池仿真模型中区分环境温度和组件的实际工作温度;分析了光伏组件温度与环境温度和输出功率的关系,给出了一种基于BP神经网络的光伏阵列组件温度预测方法,并将预测结果与实测结果进行比较,得出结论:该方法可有效预测光伏阵列组件温度,且采用前一天数据和前三天数据都有较好的预测效果,因此实际应用时可采用前一天的数据来预测当天的组件温度。     

三值光计算机运算器网的拓扑性质

研究了三值光计算机运算器网。除了具有其他现实复杂网络所具有的性质如"小世界效应","无标度性质"外,该网络聚类系数C=0。为了更好地描述该网络所具有的性质,提出了一个新的概念——稠密度。结果表明该网络的稠密度比其度分布能更好地服从幂律分布。对采用不同基元构成的网络的性质进行了对比,从而在一定程度上为三值光计算机基元个数的选择提供理论依据。     

基于空间数据库的油藏多信息管理

相对落后的油藏资料管理在一定程度上影响了油气开发效率,为加强对油藏多信息的有效管理,通过对空间数据库技术的应用,同时利用GIS技术,基于SuperMap平台及SuperMap SDX空间数据库引擎组件,开发出油藏多信息管理系统。将各类相关的油藏多信息数据资料进行有效管理,提高了油藏地质多信息数据资料的可视化管理能力和油田信息资源的共享度,为油田的勘探开发提供了完整而全面的信息平台,提高了工作效率,同时对决策分析起到了一定的辅助作用。     

基于半监督学习和支持向量机的煤与瓦斯突出预测研究

针对支持向量机要求输入向量为已标记样本,而实际应用中已标记样本很难获取的问题,提出将半监督学习和支持向量机结合的煤与瓦斯突出预测方法;介绍了采用SVM预测煤与瓦斯突出的流程及其输入向量的选择;对半监督学习中的协同训练算法进行了改进:在同一属性集上训练2个不同分类器SVM和KNN,将2个分类器标记一致的样本加入训练集,从而充分利用未标记样本不断补充信息,更新训练集标记样本,达到强化训练集的目的。测试结果表明,改进后的算法比单独的支持向量机预测方法准确率更高。     

基于虚拟仪器技术的车辆监控系统设计

针对轨道车辆控制系统中驱动电机多而分散、系统信息量大、布线复杂、调试不方便等问题,设计了一种基于现场总线和虚拟仪器技术的分布式轨道车辆监控系统;利用LabVIEW软件构建了车辆控制系统的状态监测平台,监控主机与现场智能节点通过CAN总线进行通信,实现了多电机的分散控制和集中监管功能,形成了分布式监控网络,简化了系统结构;文中介绍了监控系统的整体结构、智能节点的软/硬件设计流程;该系统经实际测试和现场运行表明,CAN总线和虚拟仪器技术的有机结合优于传统监控系统的实现方法,并且具有一定的推广价值和广阔的应用前景.