一种自适应在线核密度估计方法

给定一组观察数据,估计其潜在的概率密度函数是统计学中的一项基本任务,被称为密度估计问题.随着数据收集技术的发展,出现了大量的实时流式数据,其特点是数据量大,数据产生速度快,并且数据的潜在分布也可能随着时间而发生变化,对这类数据分布的估计也成为亟待解决的问题.然而,在传统的密度估计算法中,参数式算法因为有较强的模型假设导致其表达能力有限,非参数式算法虽然具有更好的表达能力,但其计算复杂度通常很高.因此,它们都无法很好地应用于这种流式数据的场景.通过分析基于竞争学习的学习过程,提出了一种在线密度估计算法来完成流式数据上的密度估计任务,并且分析了其与高斯混合模型之间的密切联系.最后,将所提算法与现有的密度估计算法进行对比实验.实验结果表明,与现有的在线密度估计算法相比,所提算法能够取得更好的估计结果,并且能够基本上达到当前最好的离线密度估计算法的估计性能.     

基于差分进化算法优化车辆非线性液压悬架双环PID控制研究

车辆行驶经过障碍物时,容易造成悬架振动幅度较大,影响车辆运动的稳定性和舒适度。对此,创建了车辆液压悬架简图模型,根据牛顿定律推导出非线性控制方程式。采用双动液压系统驱动车辆悬架机构,给出了液压驱动控制方程式。构造优化目标函数,采用差分进化算法优化PID控制的内环和外环参数,给出了车辆液压悬架优化控制流程。将优化控制参数和初始运动参数导入到MATLAB软件中进行仿真,输出轮胎行程、悬架行程及车身加速度仿真曲线。仿真曲线表明:在受到路面正弦曲线障碍物干扰时,优化后的车辆液压悬架控制系统,不仅响应控制时间短,而且轮胎行程、悬架行程及车身加速度峰值较小、整体波动幅度较小。车辆液压悬架参数采用差分进化算法优化PID控制,能够降低路面干扰物造成的振动幅度,有利于保持车辆行驶的稳定性。     

基于机器视觉的救援机器人自动避障技术研究

针对矿山救援机器人易受粉尘、光线昏暗等因素影响,导致其自动避障能力下降问题,研究一种基于机器视觉的救援机器人自动避障策略,可以实现在复杂环境下的有效避障。设计一种基于改进非局部均值滤波和多尺度B样条小波变换的机器视觉算法,以获得更高质量图像并精确获得障碍物边缘,确保救援机器人自主识别并避开障碍物。仿真结果表明：该算法相比传统算法在图像降噪和边缘检测上均体现出优越性。     

自组织增量学习神经网络综述

自组织增量学习神经网络SOINN（self-organizing incremental neural network）是一种基于竞争学习的两层神经网络,用于在没有先验知识的情况下对动态输入数据进行在线聚类和拓扑表示,同时,对噪音数据具有较强的鲁棒性.SOINN的增量性,使得它能够发现数据流中出现的新模式并进行学习,同时不影响之前学习的结果.因此,SOINN能够作为一种通用的学习算法应用于各类非监督学习问题中.对SOINN的模型和算法进行相应的调整,可以使其适用于监督学习、联想记忆、基于模式的推理、流形学习等多种学习场景中.SOINN已经在许多领域得到了应用,包括机器人智能、计算机视觉、专家系统、异常检测等.     

黑曲霉降解黄曲霉毒素B1的研究及转录组分析

为探究黑曲霉FS10对AFB_1的降解机制,使用黑曲霉FS10的不同组分(菌悬液、发酵液、孢子、菌丝体)对AFB_1进行降解,并研究了AFB_1刺激对黑曲霉FS10降解效果的影响;利用扫描电子显微镜观察降解过程中黑曲霉菌丝体的形态变化;用转录组学技术探究AFB_1可能的降解机理。结果表明:黑曲霉FS10能有效降解AFB_1,72 h时菌悬液的对AFB_1脱除率高达98.65%;黑曲霉FS10孢子对AFB_1无明显脱除作用,但菌丝体对AFB_1有一定的吸附能力,发酵液对AFB_1有明显脱除效果;经过AFB_1诱导刺激后黑曲霉FS10降解效果有明显提升,表明AFB_1处理能显著提升黑曲霉FS10对AFB_1的降解能力。微观结构分析表明AFB_1处理在一定程度上影响黑曲霉FS10的形态,但随着时间的延长这种影响逐渐减小。此外,转录组学分析表明AFB_1处理降低了一些能量代谢基因的水平,这可能是黑曲霉FS10的一种自我保护机制,同时蛋氨酸的合成基因上调,推测AFB_1的降解可能与蛋氨酸的合成有关。