模糊逻辑方法用于气固两相流动PTV测量中的颗粒识别过程

采用人工智能中的模糊逻辑方法进行气固两相流动PTV测量中的颗粒识别,因更多地模拟人脑的思维过程使得识别效率得到大幅度的提高,同时,在识别过程中可以获取大量有关颗粒本身的信息,如形状和尺寸等,由此可将气固两相流动中的不同尺寸的颗粒区分开,从而可实现对气固两相流动的测量。     

基于相关性度量的伪主成分分析

采用数据样本间的相关性作为相似性度量,并引入样本的类信息,提出一种新的降维方法,即伪主成分分析(Pseudo-PCA),该方法尽可能地保持原样本的变化信息,同时又使得降维后的同类数据样本尽可能保持相似。此外,将这种思想方法成功推广到近年来提出的2DPCA,MatPCA和(2D)2PCA。在ORL,Yale和AR等人脸数据集上的实验表明,该类方法的识别率高于相应的基于欧氏距离的PCA,2DPCA,M atPCA和(2D)2PCA等方法。     

航空发动机鲁棒线性变参数滤波器设计

针对航空发动机线性变参数(LPV)模型部件性能参数估计问题,给出了一种新的鲁棒LPV滤波器设计方法。基于参数依赖的二次Lyapunov函数及仿射二次稳定性概念得到了稳定且满足H∞性能指标滤波器存在的充分条件,利用函数多凸性概念将其转化为线性矩阵不等式(LMI)约束下的常规凸优化问题,得到了滤波器的解。针对某型退化涡扇发动机部件性能参数估计的仿真结果表明,该滤波器的精度和鲁棒性满足设计要求。     

ACM信道化滤波器设计中的陷波问题分析研究

针对按照ACM(Adjacent Channel Merging)条件生成和信道滤波器存在陷波现象的问题,对和信道滤波器的频率响应进行了推导分析,提出了低通原型滤波器阶数必须为划分的子信道数偶数倍的附加条件从根本上消除了和信道的陷波现象;并在此基础上提出了先设计和信道滤波器再直接逆推出低通原型的设计方法,计算机仿真结果表明,与原有的基于单参数优化的迭代搜索算法相比,该方法能更好地控制和信道的滤波性能,保证和信道与子信道滤波性能的一致性,且计算过程无需迭代更为简单高效。
     

基于支持向量机和线性判别分析的维数约减方法及其应用

目前已提出的一些基于支持向量机的维数约减方法,但其投影矩阵的获得仅考虑支持向量机的类间间隔,而忽略了数据中的类内信息。本文首次提出了一种基于支持向量机和线性判别分析的维数约减方法,称之为DRSL。DRSL实现了类问和类内信息的有效组合,能有效拟合数据中类间和类内结构,使得所获投影矩阵能够提高后续分类器的推广能力。实验验证了该方法的有效性。     

基于脉冲包络前沿波形的雷达辐射源个体识别

提出了以脉冲包络前沿波形作为辐射源的“指纹”进行雷达辐射源个体识别的思路。首先将提取出的已知雷达脉冲包络前沿波形进行统计,求出一条能代表雷达辐射源的“标准”前沿波形曲线,然后将被测雷达脉冲包络前沿波形与求出的“标准”前沿波形曲线进行相像程度比较,识别出雷达辐射源个体。理论分析和实验结果表明利用雷达脉冲包络前沿波形可以较好地进行辐射源个体识别。     

基于GA的雷达辐射源识别自学习算法研究

文章针对目前雷达对抗系统面临的辐射源识别精度不高、智能化水平低的特点,将自学习理论引入到雷达对抗系统中。提出了基于GA（GeneticAlgorithm）的自学习算法,实现雷达辐射源智能识别。仿真结果表明：在使用相同的特征参数“前件”条件下,通过这种自学习方法得到的正确识别率高于其他识别方法。     

非线性时间序列在卫星通信网络数据预测中的研究

卫星通信网络数据预测在卫星通信系统中起着重要的作用,是系统建模的主要研究内容之一。由于卫星通信网络数据的非平稳性和不可预知因素的影响,决定了应采用非线性时间序列建模方法来分析、预测。在分析通信网络数据的基础上,建立卫星通信网络数据的ARIMA模型,在确定预测模型的阶和进行参数估计后,给出不同预测步数条件下的通信网络数据流量的预测,并进行了仿真对比实验。仿真结果表明,该模型在预测步数较小的情况下,预测误差在4％左右,具有良好的预测精度,为卫星通信网络数据流量的预测、异常检测和网络负载预测的应用奠定了坚实的基础。     

笔式草图的增量识别

针对笔式三维建模技术中手势交互的特点,提出了一种二维草图的增量识别方法:从原始笔划的在线识别与线元转换,到约束关系的自动捕捉与施加,到二维组合图元的识别与规整,到特征手势的识别,到最后的三维特征建模.整个识别过程依据了三维特征建模思想和基于上下文感知的智能推理技术,通过分层识别的方法从紊乱、非精确的二维草图中有效提取三维建模的特征信息,有效降低了草图识别过程的复杂度和积累误差.将特征手势遵循隐式映射机制映射到三维空间后,实时完成三维建模,实现了二维手绘草图与三维精确建模的有效集成.该方法已经在自主开发的原型系统PenSketch3D中得以验证,并取得良好效果.      

面向目标识别的多特征图像融合技术综述

目标识别是计算机视觉领域重要的研究课题.图像融合由于能对信息进行多级别、多层次以及多方面的处理与综合,因此可以获得更为精确和更为可靠的信息.近年来,基于多特征融合的目标识别方法由于无需精密的图像配准,计算简便的优点得到研究者的重视.本文首先简要介绍了特征融合的基本原理和基本框架;然后梳理了特征融合的几类重要方法;最后,...