代价敏感惩罚AdaBoost算法的非平衡数据分类

针对非平衡数据分类问题，提出了一种基于代价敏感的惩罚AdaBoost算法。在惩罚Adaboost算法中，引入一种新的自适应代价敏感函数，赋予少数类样本及分错的少数类样本更高的代价值，并通过引入惩罚机制增大了样本的平均间隔。选择加权支持向量机（Support vector machine,SVM）优化模型作为基分类器，采用带有方差减小的随机梯度下降方法（Stochastic variance reduced gradient,SVRG）对优化模型进行求解。对比实验表明，本文提出的算法不但在几何均值（G-mean）和ROC曲线下的面积（Area under ROC curve,AUC）上明显优于其他算法，而且获得了较大的平均间隔，显示了本文算法在处理非平衡数据分类问题上的有效性。     

某火箭发动机故障检测及诊断算法设计分析

针对某型号液体火箭发动机故障检测及诊断软件存在瞬态段（起动段、关机段）故障检测功能缺失、故障诊断无法给出故障量大小的问题，在原软件故障诊断算法——余弦相似度分类的基础上，通过引入故障因子定量给出故障量大小，实现发动机故障诊断的定性定量分析。同时，采用基于统计学基础的包络线算法，通过Python语言对发动机瞬态段故障检测算法进行设计开发，使原软件实现发动机瞬态段故障检测功能。通过仿真试车数据对软件算法进行验证，结果表明优化后的故障诊断功能可实现故障量大小计算，基于包络线算法开发的故障检测功能提高了发动机故障检测效率。     

双向联想记忆集成

由多个尽可能多样化的分类器(前馈神经网络)组成的多分类器系统(MCS)能够显著地提高单个分类器的分类或推广能力.受MCS基本思想的启发,将集成引入到双向联想记忆快速学习(QLBAM)中,构建出一个BAM集成,旨在提高存储容量和纠错性能的同时,不破坏每个成员BAM的简单结构.计算机仿真表明,选择合适的"过剩生产与挑选并存"策略,即"稀疏算法"后,所提出的BAM集成在存储容量和抗噪声性能两个方面都显著优于单个QLBAM.     

一种基于离群数据检测和线性回归的压装质量智能预警方法（英文）

针对高精度伺服机构压装质量控制难度大的问题,提出了一种基于离群数据检测和线性回归的智能质量预警方法。采用线性回归分析装配质量与压装过程之间的关系,建立了压装的"位移-力"数学模型,并定义了合格的压装力范围对装配质量进行控制。为了对压装过程中的"位移-力"原始数据集进行预处理,本文设计了一种改进的基于区域密度和P权值的局部离群因子(Local outlier factor based on area density and P weight,LAOPW)检测算法,以剔除导致线性回归数学模型不准确的离群值。该算法引入了基于信息熵的加权距离进行距离度量,并用P权值代替可达距离。实验结果表明,该算法在检测效率上比传统的局部离群因子(Local outlier factor,LOF)算法提高了5.6 ms,而检测准确率比基于区域密度的局部离群因子(Local outlier factor based on area density,LAOF)算法改善了2%左右。将本文提出的LAOPW算法和线性回归模型应用于高精度伺服机构压装质量控制,能够有效进行压装质量智能预警。     

基于欠采样的零阶优化算法

非平衡学习吸引了许多研究者的关注。一般情况下,少数类是更值得关注的,并且其误分类代价要远高于多数类。由于非平衡数据分布的非均衡性,标准的分类算法将难以适用。为了解决非平衡数据分类问题,给出了基于欠采样的零阶优化算法。首先,为了降低数据非平衡分布的影响,针对不同非平衡比的数据集给出了不同的两种采样策略。然后,采用了一种引入间隔均值项的支持向量机(Support vector machine,SVM)优化模型进行分类,并使用带有方差减小的零阶随机梯度下降算法进行求解,提高了算法的精度。在非平衡数据上进行了对比实验,实验证明提出的方法有效提高了非平衡数据的分类效果。     

少数类的集成学习

传统机器学习中研究的分类问题通常假定各类别是平衡的,但在很多场合各类别的出现概率相差很大,而且很多应用中需要区分重要而稀少的少数类.本文比较了3种基于AdaBoost集成学习方法,并推导出他们的精度几何平均(GMA)的下界.分析表明:类别越不平衡,这3种方法越难以通过提高基分类器准确率来提高GMA.在此结论的基础上,以Bagging为基础提出了单边Bagging算法,该算法只对多数类抽样,而保留所有少数类,因而每轮的训练集是类别平衡的,并通过UCI数据集验证了其有效性.     

基于三支决策和数据增广的入侵检测算法

针对传统的入侵检测方法在未知攻击上表现不佳、且没有考虑信息不足的情况对于决策的影响的问题,本文提出了一种基于三支决策和数据增广的入侵检测算法CGAN-3WD。算法利用条件生成对抗网络来满足三支决策理论对数据信息的需求。首先基于三支决策理论对网络行为做出决策,将网络行为划分至正域、负域以及边界域中;之后基于条件生成对抗神经网络来完成数据增广,生成新的样本数据,从而为分类器提供更多的信息以支撑分类器将边界域转化为正域或者负域。NSL-KDD数据集被用于本文的实验中,实验证明,本文提出的算法CGAN-3WD在对入侵行为的检测上要优于对比的方法,能够有效地检测出入侵行为。     

基于量子搜索和高斯变异的MOEA/D算法

在实际应用中,尤其是在研究大规模决策空间的优化问题时,MOEA/D算法容易陷入局部最优。针对此问题,提出了一种基于量子搜索和高斯变异的MOEA/D算法。引入环境迁移模型,将两者进行并联,并且与原算法进行串联,利用量子搜索来提升算法的全局搜索能力,采用高斯变异位置更新方法保证算法的局部搜索能力。同时为了避免算法在迭代后期陷入"早熟"危险,提出了基于邻居位置的量子搜索,通过改变吸引点的生成方式,来加强量子搜索在迭代后期的局部搜索能力。结果表明:改进后的MOEA/D算法与原算法相比,提升了算法的搜索能力,也保证了算法的收敛能力。     

SVM和神经网络在电能质量扰动分类应用中的对比

提出了一种电能质量动态扰动特征向量的提取方法,分析比较了多种分类器对电能质量动态扰动的分类能力。首先采用小波包分解算法对电能质量信号某一频段内的信息进行精细分解从而提取出特征向量,然后针对该特征向量构造了相应的BP神经网络、学习向量量化(Learning vector quantization,LVQ)神经网络、自组织特征映射(Self-organizing map,SOM)神经网络及支持向量机(Support vector machine,SVM)分类器,并模拟实际电网中的复杂扰动信号提取其特征向量集,对多种分类器的分类能力进行对比。仿真结果表明,在较复杂的电能质量扰动情况中,支持向量机分类器仍能实现对信号的精确分类,对电能质量监测具有很好的应用价值。     

峰值点非负矩阵分解聚类算法

非负矩阵分解模型是一种常见的数据降维方法。在现有非负矩阵分解算法用于聚类的研究中,每个类别一般仅由一个或者指定多个中心点表示,然而这种表示方式往往无法准确描述其类别的特征和结构,从而影响聚类效果。为了解决这个问题,本文提出了峰值点非负矩阵分解算法。该算法首先为数据集找到多个密度峰值点,并构建密度峰值点和样本点的二部图,然后利用二部图完成聚类。此外该算法引入流形图正则化项来充分利用数据间的流形结构信息,并给出了算法的迭代更新规则。在大量真实数据集上的实验结果表明,该方法可以更加有效地利用数据本身的结构信息,从而提高聚类效果。     

基于支持向量机和人工免疫的新结合算法

为了减少大规模数据的支持向量机的样本训练时间，提出了人工免疫（aiNet）和支持向量机（SVM）相结合的算法（ai—SVM）。aiNet能在进行样本压缩的同时抽取原始数据的相关信息并保持原始数据的样本分布。压缩后的样本组成了抗体网络，并在此抗体网络上构建了支持向量机模型。最后结合实际数据样本对ai—SVM算法进行了验证。结果表明，ai-SVM算法可大大减小训练样本集和训练代价，且不降低精度。     

CONSERVATIVE FRONT TRACKING IN HIGHER SPACE DIMENSIONS

INTRODUCTIONWe propose and demonstrate a tracking fi-nite difference algorithm which is( a) fully con-servative and ( b) improves local truncation errorby one order( from O( 1 ) to O( Δx) near trackeddiscontinuities.Discontinuities in the solutions of systems ofnonlinear hyperbolic conservation laws are widelyrecognized as a primary difficulty for numericalsimulation.Surprisingly,the nonlinearities actu-ally help,as they cause information,which flowsalong solution characteristics,to flow…     

多雷达跟踪网数据融合算法的研究

为了将国外多传感器融合技术引用的雷达网系统中，本文对国外多传感器数据融合技术做了简要叙述，并进行了归纳，分析，作者认为在卡尔曼滤波前，对多个传感器的观测数据进行并行的预处理（融合估计）的算法比其他融合算法要求，为了找到使跟踪精度更高的数据融合算法，本文不仅就参与融合的观测值的数目与跟踪精度的关系进行了仿真比较，而且对几种认为可取的国外算法进行了扩展与改进。最后，将改进后的几种融合算法就其应用于雷达     

A Rapid Analysis Tool for Aerodynamics/Aerothermodynamics of Hypersonic Vehicles

A rapid engineering surface panel method to analyze aerodynamics and aerothermodynamics of hypersonic vehicles is developed.To obtain the surface pressure distribution of a hypersonic vehicle,the local surface inclination method is applied to calculate the pressure coefficient for each surface panel element,of which the normal vector is corrected first by using an efficient data structure and Rey-casting algorithm,local Reynolds numbers are calculated according to the geometric streamline method,then the aerodynamic heating flux is computed by both reference enthalpy relations and Reynolds analogy method.Several typical test cases are performed and the results indicate that,the developed tool is effective in predicting the aerodynamics/aerothermodynamics for complex geometry of hypersonic vehicle in a wide range of Mach numbers with a sufficient accuracy.     

基于变换空间近邻图的自助型局部保持投影

局部保持投影(LPP)是一种典型的降维方法,通过保持数据的内在几何结构,LPP能够获得潜在的判别能力.然而,传统LPP的性能取决于人工预定义的近邻图,并且严重依赖于最近邻标准在原始数据空间中的性能.因此本文提出了一种新的降维算法--自助型局部保持投影(sdLPP).该方法首先执行LPP获得投影方向,然后在其变换的空间更新近邻图,并重复LPP.另外,本文还提出了一种改进的拉普拉斯打分(Laplacian score)标准作为算法迭代终止和判别力的参考.最后,在几个公共的UCI和人脸数据集上验证了该方法的有效性.     

基于单目视觉的室内微型飞行器位姿估计与环境构建

针对微型飞行器(Micro air vehicle,MAV)在室内飞行过程中无法获得GPS信号,而微型惯性单元(Inertial measurement unit,IMU)的陀螺仪和加速度计随机漂移误差较大,提出一种利用单目视觉估计微型飞行器位姿并构建室内环境的方法。在机载单目摄像机拍摄的序列图像中引入一种基于生物视觉的方法获得匹配特征点,并由五点算法获得帧间摄像机运动参数和特征点位置参数的初始解;利用平面关系将特征点的位置信息由三维降低到二维,给出一种局部优化方法求解摄像机运动参数和特征点位置参数的最大似然估计,提高位姿估计和环境构建的精度。最后通过扩展卡尔曼滤波方法融合IMU传感器和单目视觉测量信息解算出微型飞行器的位姿。实验结果表明,该方法能够实时可靠地估计微型飞行器的位置和姿态,构建的环境信息满足导航需求,适用于微型飞行器室内环境中的导航控制。     

三角网格模型的细分曲面拟合

提出一种用Loop细分曲面拟合三角网格模型的新算法.首先对网格模型进行特征识别,然后把经过简化和形状优化的网格作为拟合细分曲面初始控制网格.通过对控制网格顶点的循环修正、网格形状优化、局部自适应细分来求解拟合细分曲面控制顶点.该算法不仅避免了求解线性方程组,克服了拟合控制网格的扭曲现象,而且达到了用较少的控制网格拟合出反映物体细节特征并满足精度要求的分片光滑(片内除奇异点C1外其余C2连续)的Loop细分曲面的目的.实例表明,该算法用于测量数据的曲面重构是有效可行的.     

终端区容量评估中飞机流产生的优化算法

给出终端区容量的定义;结合终端区管制飞机多而复杂的特点,研究了一种终端区容量评估模型,并对该评估模型中较为关键的飞机流产生进行算法优化,进而提高容量评估的准确性;对优化算法产生的数据进行分析以验证该算法的优越性。     

二维网格局部动态细化的关键技术及其在切削仿真中的应用

为了解决仿真过程中网格畸变导致的计算终止以及计算精度与效率低等问题,本文利用Python对ABAQUS有限元仿真软件进行了二次开发,提出一种二维局部网格动态细化算法。该算法通过研究网格细化准则和细化方法以及物理场的传递过程,完成了整个算法程序的开发,并应用该算法实现了在二维切削仿真中局部网格动态细化。与全局加密网格的模型相比,在保证仿真精度误差为5%以内的情况下,采用局部网格动态细化时计算效率提高了210%。最后,通过试验验证了采用该算法所建立的二维切削仿真模型的准确性,仿真结果与试验结果基本吻合。     

广义循环矩阵的特征值、逆、行列式值及在结构计算中的应用

给出求解广义循环矩阵的特征值、逆、行列式值及方程组的一种新的分解算法。它将原问题分解为一系列相互独立的子问题。和原问题相比，子问题具有较小的维数，因此它具有更好的特性和更小的舍入误差。特别是，能够带来较高的计算效率。数值算例和在结构计算中的应用表明算法是适用的。