基于聚类的多标记选择性集成

多标记学习和选择性集成是机器学习中的两个热点研究问题。本文利用聚类思想探究多标记学习中的选择性集成, 提出了两种具体的多标记选择性集成算法：基于最小距离的簇中心选择算法（Minimum distance based cluster center selection,MDCCS）和基于K-means的簇中心选择算法（K-means based cluster center selection, KMCCS）。在所提出的算法中,如何度量学习器之间的距离是其能否成功的关键因素。本文首先基于学习器的分类结果对其进行重新表示,在此基础上给出了学习器之间距离的计算方式。此外, 对于算法中的空簇问题给出了两种解决方法。基于Mulan数据库中的多标记数据集和5种评价指标对所提算法进行了详细的分析,实验结果表明了所提算法的有效性。     

复燃对液体火箭返回阶段底部热环境的影响

为了研究垂直起降液体火箭在返回阶段发动机反向喷流及复燃对箭体着陆支腿和底部热环境的影响,建立了尾焰复燃、流场及光谱辐射计算模型。在国内率先对垂直起降液体火箭在返回阶段的箭体底部热环境进行了数值计算,流场计算采用商业软件,复燃反应使用有限速率化学反应模型;采用HITRAN数据库获得喷流气体组分的光谱吸收系数、正反光线踪迹法求解辐射传递方程。利用文献实验结果,对计算进行了验证并考察了复燃对底部热环境的影响。结果表明:复燃反应对包括箭体底面、侧壁面及着陆支腿的对流和辐射热流密度均会明显升高,最高可达80%以上。因此,研究成果适用于液体火箭返回阶段底部精细化热设计,且在设计过程中有必要考虑复燃的影响。     

基于LSTM的TTE网络速率约束流量预测

时间触发以太网（TTE）中的速率约束（RC）流量为事件触发流量,在RC流量动态调度的应用场景下,若能预测未来短时间内数条RC流量到达交换节点的序列,使交换节点提前进行调度决策,以减小RC流量时延,提高网络吞吐量。对RC流量到达序列预测问题进行了研究,建立了RC流量的到达序列模型,提出了基于长短期记忆网络（LSTM）算法的RC流量预测算法。利用OMNET++工具进行TTE网络仿真,得到多组混合关键性配置下RC流量的传输数据;以此作为输入样本对预测算法进行训练和测试。实验结果显示,LSTM算法在RC流量预测问题的准确率达到了70%以上。通过对比实验说明所提算法适用于RC流量预测场景。      

基于CGAN的避扰通信决策网络离线式训练方法

基于强化学习的避扰通信,由于需要不断地与环境交互从中学习到最优决策,其决策网络的训练时间受环境反馈速率的约束,通常耗时严重。针对这一问题,提出了一种离线式训练方法。构建出一种频谱虚拟环境生成器,可以快速生成大量的逼真合成频谱瀑布图,用于避扰通信决策网络训练。由于所提方法脱离真实环境反馈,形成离线式训练,进而显著提高模型训练效率。实验结果表明:与实时在线训练方法比较,所提离线式训练方法的训练时间可以减少50%以上。      

基于受限参变率的飞翼无人机舵面阵风减缓控制

飞翼无人机具有俯仰惯量低、纵向稳定性弱等问题,使其阵风响应对飞行参数的变化较为敏感,并且飞翼无人机的舵面较多,不同的控制策略下阵风减缓的效果不同。因此,对这类飞行器进行考虑参数变化率阵风减缓线性变参数（LPV）控制律设计,并对不同舵面组合方式的控制性能展开对比研究。结合参数依赖的Lyapunov函数方法和变参斜投影降阶算法,构建了同时考虑参数变化率限制和模型降阶条件的LPV阵风减缓控制器。基于该方法对Mini-MUTT飞翼无人机模型设计LPV阵风减缓控制器;探究了不同舵面控制策略对减缓效果的影响。结果表明:采用变参斜投影降阶算法得到的降阶模型可有效表征全阶模型的动力学特性;设计的LPV阵风减缓控制器能够保证阵风在较宽速度范围内有效减缓;在单一舵面阵风减缓中,置于外侧的舵面控制效果优于内侧舵面;而在双舵面阵风减缓中,双舵面的控制效果优于单一舵面,但控制所需输入能量也会增加。在工程应用中需要针对具体问题,综合考虑控制效果和能量消耗以确定合适的控制策略。      

基于深度学习的图像拼接篡改检测

传统图像拼接检测算法通过研究人员手动构造拼接特征,随着科技的进步以及图像处理技术的不断发展,手动构造特征的局限性逐渐体现出来,鲁棒性较弱,位置不易确定等。为了解决这些问题,构建了一种卷积神经网络（CNN）,将卷积核前置并固定,自主学习相关特征从而检测拼接篡改的图像区域。经过一系列研究,发现拼接篡改图像的拼接篡改区域特征可以被CNN模型学习。在CNN模型之前,卷积核使用高通滤波器,激活函数采用指数线性单元（ELU）,使得CNN模型具有识别拼接篡改图像边缘痕迹等特征的能力。检测结果表明:在IEEE IFS-TC图像拼接取证竞赛训练集上对拼接篡改图像拼接篡改区域定位的准确率为84.3%,对拼接篡改区域判定的真负类率为96.18%。      

柔性铰接板振动测量及迭代学习主动控制

大型柔性板状结构广泛应用于航空航天领域,这种结构特性极易引起低频振动,针对这一问题以柔性铰接板为研究对象,探究了柔性铰接板在受外部激励作用下弯曲模态的振动特性.为此搭建了一套用于测控柔性铰接板振动特性的实验平台,采用了立体视觉和压电陶瓷传感器分别检测柔性铰接板的振动信息,以此信息作反馈,采用了变遗忘因子的迭代学习控制方法对柔性铰接板的振动进行主动控制,同时以PD控制的实验效果作为对比.实验结果表明,不论是大幅值的快速衰减还是小幅值的残余振动抑制,迭代学习控制效果都优于PD控制.     

基于深度学习的日间逐小时地表PM2.5浓度反演

以长三角地区作为研究区域,提出了使用深度学习算法来实现主被动遥感数据结合反演地表PM_2.5浓度的方法。基于MPL观测数据,使用雾霾层高度(HLH)替换了边界层高度(BLH)特征,对已有的基于气溶胶光学厚度(AOD)结合大气BLH来反演PM_2.5浓度的算法进行了改进。为提高数据覆盖率,对研究区域内的MAIAC AOD进行了填补与评估。利用多种机器学习算法实现了日间逐小时的PM_2.5浓度估算,模型验证相关性最高可达0.87。该方法能够为观测气候变化、应对大气污染提供有效帮助。     

高职学院《计算机应用》课程教学改革的探索

探讨在教学中如何采用”案例驱动＋讨论,引导教学”的理论、”任务驱动”的上机实践、”项目设计”的技能考核方式等多种教学方法,激发学生的学习兴趣,实施教师指导下的学生自主性学习,提高高职学生的计算机应用实际操作能力和综合应用能力。     

一种抑制电传系统PIO的非线性补偿方法

提出了一种不完全非线性补偿方法用来抑制电传系统飞行员诱发振荡,其补偿着眼点是电传系统内部的舵回路速率饱和。本文把新的补偿方法用于一个两回路的飞行控制系统中,其设计过程和仿真结果表明,该方法结构简单,可以有效抑制ＰＩＯ,而且不影响原有系统的正常工作,便于工程应用。