基于Canny边缘检测的Mean-Shift跟踪核窗宽确定方法

传统核窗宽固定的Mean—Shift跟踪算法不能很好地对做复杂运动、尺寸变化的目标进行有效地跟踪,变核窗宽是解决这一问题的途径。图像的边缘表征了目标的重要特征,可以通过提取目标的边缘来确定核窗宽并用于跟踪。基于Canny边缘检测算法确定跟踪窗宽加快了Mean—Shift跟踪算法的运算速度,仿真结果验证了该跟踪算法的有效性。     

基于最小二乘支持向量回归的混沌时间序列预测研究

研究利用最小二乘支持向量机预测混沌时间序列。混沌时间序列预测是典型的小样本学习问题,基于结构风险最小化原理的支持向量机方法,克服了神经网络易于陷入局部极值点等缺点,能够获得全局最优解。最小二乘支持向量机是一种在二次损失函数下采用等式约束求解问题的一种支持向量机,在保留支持向量机优点的同时使计算量大大减少。对典型混沌时间序列的预测结果表明,最小二乘支持向量机回归预测方法具有良好的泛化推广性能,预测精度高,适合于复杂非线性时问序列建模预测。     

冲击响应谱绝对校准研究中冲击响应谱的计算方法

介绍了应用于冲击响应谱绝对校准中的冲击响应谱的计算方法,该方法的实现基于MATLAB编程语言,即通过MATLAB中的仿真直接求解单自由度二阶微分方程的数值解以获得冲击响应谱的绝对复现.     

一个有理递归序列解的性质

文中分析了方程xn＋1=a＋bxn^2/1＋xn-2^2（其中a,6∈[0,∞）,a＋b〉0）的解的性质．并得山①当a=0,0〈b〈2时,方程的每一个解最终严格递减到0;②当b=0,0〈a时,方程的每一个非平凡解关于方程的平衡解振动。特别,当b=0、0〈a≤2时,方程的每一个正解收敛到平衡解x^-上.     

基于最小二乘支持向量机的普通高校招生人数预测研究

近年来普通高校的发展速度与规模,使社会大众兴起了对教育质量与总量的关注。普通高校招生数预测是制定教育政策的重要依据。针对中国文化教育的特征,在统计学习理论和结构风险最小化原理的基础上,建立了基于最小二乘支持向量机的时间序列预测模型。预测结果表明该模型具有较高的预测精度,为普通高校招生数预测提供了一条新的途径。     

营商环境优化与FDI区位选择——基于从严反腐的准自然实验

反腐败对于营造良好的营商环境,进而推动经济持续健康发展尤为重要.文章利用党的十八大后的从严反腐政策构造准自然实验,基于政策对不同城市营商环境冲击的异质性评估了反腐败对城市FDI区位选择的影响.研究发现:反腐政策显著提升了城市FDI的流入,这一结论在考虑了假设检验和相关干扰因素后依然成立.影响机制检验表明,反腐败营造的良...     

直接侧向力/气动力复合控制影响因素研究

为分析直接侧向力/气动力复合控制中的影响因素对控制效果的影响,给出了复合控制拦截器的典型布局,建立了直接侧向力/气动力复合控制分配模型;采用自适应动态逆方法形成虚拟控制律实现拦截器姿态控制,并进行了仿真验证与分析。仿真结果表明,不同发动机总数、发动机开关机周期和推力大小等因素对最终控制效果有直接的影响,且发动机开关机周期与推力的共同作用对控制效果影响明显。     

一种基于冗余测量的自适应卡尔曼滤波算法

针对目前自适应滤波算法的不足,在测量系统量测噪声方差未知的情况下,设计了一种基于冗余测量的自适应卡尔曼滤波(RMAKF)算法。通过对系统冗余测量值的一阶、二阶差分序列进行有效的统计分析,可以准确估计系统量测噪声统计特性,进而在滤波过程中自适应调节噪声方差阵R,提高滤波精度。以全球定位系统/惯性导航系统(GPS/INS)松组合导航系统为对象进行了仿真实验,结果表明该算法在测量系统噪声特性未知或发生改变时,可对其进行准确估计,在采用低精度惯性器件情况下,滤波结果较其他主要自适应卡尔曼滤波算法有较明显的改进。     

超声速平板边界层旁路转捩直接数值模拟

采用具有七阶精度的有限差分格式和基于Euler方程组的特征边界条件,通过直接数值模拟研究了由固定相位周期性吹吸扰动诱导的、Ma∞=2.25、Re∞=2.5×107/m(635 000/inch)空间发展平板边界层的旁路转捩过程,并建立了相应的直接数值模拟数据库。数值结果表明:扰动相位的随机性并不是转捩发生的必要条件,固定相位周期性吹吸扰动即可诱发边界层的转捩;当采用固定相位时,随着吹吸频率的增加,转捩位置向下游移动;当扰动频率足够大时,周期性吹吸无法诱导出边界层的转捩。随后,在所得数据库中提取了速度及热力学变量的平均值,与已有的数据库和理论分析吻合良好;速度脉动均方根与公认的不可压缩平板边界层实验基本吻合;热力学变量脉动均方根和雷诺应力与已有数据库的统计结果及实验数据具有相同的分布特征。对比发现,不同转捩的诱导因素对平均转捩位置和热力学变量均方根、雷诺应力等高阶统计量的影响较大。     

遥测数据时间序列滑动窗口动态分割技术

经由传感器采集的航天器遥测数据是产品验证、算法检验、数据挖掘等学科和方向重要的数据来源之一。由于原始测量数据采集密度高、信息量大,通常采用滑动窗口技术进行逐段处理和算法应用。但当滑动窗口的宽度固定时,数据的局部信息不能被充分提取出来;为此,提出遥测时序滑动窗口的动态分割流程。仿真结果表明:提出的时序分割和窗口宽度计算方法,可以根据数据自身的特点得到更加准确合理的非等长窗口集合;在保持曲线线段曲率的基础上,滑动窗口动态计算方法可以极大地提取拐点信息,合理地给出窗口宽度,对数据进行了简化与提纯,降低了建模难度,为下一步聚类分析、曲线匹配等工作提供了技术支持,提高了遥测数据的诊断与分析效率。