Exploiting global information in complex network repair processes

Robustness of complex networks has been studied for decades,with a particular focus on network attack.Research on network repair,on the other hand,has been conducted only very lately,given the even higher complexity and absence of an effective evaluation metric.A recently proposed network repair strategy is self-healing,which aims to repair networks for larger compo nents at a low cost only with local information.In this paper,we discuss the effectiveness and effi ciency of self-healing,which limits network repair to be a multi-objective optimization problem and makes it difficult to measure its optimality.This leads us to a new network repair evaluation metric.Since the time complexity of the computation is very high,we devise a greedy ranking strategy.Evaluations on both real-world and random networks show the effectiveness of our new metric and repair strategy.Our study contributes to optimal network repair algorithms and provides a gold standard for future studies on network repair.     

异构多导弹系统自适应分布式协同制导

针对异构多导弹系统的分布式协同制导问题,在传统比例导引律的基础上设计出一类领航跟随分布式协同制导律。运用代数图论、分布式网络同步原理以及非线性系统一致性理论,领弹采用基于固定系数的比例导引律,从弹采用基于可变系数的参数自适应比例导引律。该领航-跟随分布式自适应协同制导律可使领弹和从弹实现对目标的同时攻击,且各相邻导弹间仅传输各自的可测状态信息,算法具有较低的通信代价和较好的可扩展性。最后给出了相关数值仿真算例,仿真结果验证了控制算法的有效性。     

多机械臂的分布式自适应迭代学习控制

针对拓扑结构为无向连通的多机械臂系统,提出了一种自适应与迭代学习相结合的分布式控制协议来实现整个系统对给定期望参考轨迹的一致性跟踪.通过引入一个适当的自适应迭代学习参数,所提自适应迭代学习控制协议能够克服机械臂系统中的干扰和模型不确定性,并且每个机械臂的自适应迭代学习控制(AILC)律仅需要利用其与邻居机械臂的相对交互信息.进一步,在只有一部分机械臂具有期望参考轨迹信息的前提下,该控制协议可以实现整个系统对期望参考轨迹的跟踪,同时能够保证轨迹跟踪误差与控制输入的有界性.此外,利用李亚普诺夫分析方法证实了所得结论的正确性,并且通过一个实例验证了所提自适应迭代学习控制协议的有效性.      

基于开源GIS数据的广域小重叠卫星影像定位模型精化

设计了一种适用于大区域、小重叠卫星影像有理多项式模型(RPC)定位精度优化的技术流程,基于开源数字正射影像(DOM)、数字高程模型(DEM)数据和RPC几何模型约束,通过优化尺度不变特征变换(SIFT)特征提取与匹配算法,实现了无像幅约束的控制点和连接点的快速稳健匹配,应用DEM支持下的RPC模型二维区域网方法实现了多景影像RPC模型精度的联合精化。GF-1卫星WFV影像的实验结果表明:在DEM支持下经过区域网平差后,RPC模型的定位精度可达到像素级水平。     

基于纹理边界检测的航天器椭圆特征提取方法

为确定失效航天器等非合作目标的相对位姿,提出一种通过纹理边界检测的椭圆特征提取方法。该方法假设椭圆特征是航天器表面两种不同纹理的边界,利用上一时刻相对位姿信息,将对接环离散几何模型投影到像平面,并沿各离散点的法向方向通过概率方法检测纹理边界点。利用随机抽样一致(RANSAC)方法剔除边界点中的粗大误差,进而拟合出椭圆参数。纹理特征对光照变化具有鲁棒性,因此该方法能够在变光照、星体表面反光不均匀等复杂情况下快速准确地提取图像中的椭圆特征。本文以对接环图像特征提取为例进行仿真校验,分析了算法参数和噪声对提取椭圆精度和时间的影响。利用真实图像与基于梯度边缘的椭圆提取方法进行对比,结果表明,所提出的算法具有较高的精度和速度。     

跑道侵入严重度本体建模及等级划分研究

为研究致险因素对跑道侵入严重度的影响,从知识建模角度出发,构建了跑道侵入严重度划分的领域本体模型.采用石川图针对跑道侵入严重度划分问题进行因果分析;进而以跑道场景要素为导向构建本体模型;应用FaCT++推理机对实际案例分析推理,结合DL query 模块辅助验证推理结果.结果表明,本体推理可以支持跑道侵入严重度划分,验证了模型的有效性.     

FAST FEATURE RANKING AND ITS APPLICATION TO FACE RECOGNITION

A fast feature ranking algorithm for classification in the presence of high dimensionahty and small sample size is proposed. The basic idea is that the important features force the data points of the same class to maintain their intrinsic neighbor relations, whereas neighboring points of different classes are no longer to stick to one an- other. Applying this assumption, an optimization problem weighting each feature is derived. The algorithm does not involve the dense matrix eigen-decomposition which can be computationally expensive in time. Extensive exper- iments are conducted to validate the significance of selected features using the Yale, Extended YaleB and PIE data- sets. The thorough evaluation shows that, using one-nearest neighbor classifier, the recognition rates using 100-- 500 leading features selected by the algorithm distinctively outperform those with features selected by the baseline feature selection algorithms, while using support vector machine features selected by the algorithm show less prominent improvement. Moreover, the experiments demonstrate that the proposed algorithm is particularly effi- cient for multi-class face recognition problem.     

大数据高性能排序算法的设计与实现

针对大数据排序算法的需求,提出了基于任务驱动的并行排序算法。该算法采用任务驱动、AIO(Asynchronous Input/Output,异步输入/输出)和双缓冲区机制等技术充分利用系统资源;通过构造等价排序键,优化快速排序算法;并在算法实现上,采用多线程处理任务,通过控制线程个数控制并行度。综合利用这些技术,该算法使得大数据的排序性能接近理论极限值,在CPU(Central Processing Unit,中央处理器)资源充裕的情况下,利用异步压缩技术,还可以突破这一极限,最终实现的系统2 000s就可以对超过500Gbyte的磁盘数据做一次完整的排序。在数据库设计中充分利用此思想,将会实现连接和线程的分离,数据库将可以支持更大的连接数,从而提高数据库支持的并发度。     

带角度约束的多飞行器编队协同拦截制导律设计

针对多枚飞行器协同拦截同一目标的问题,在最优控制与时间调整相结合的基础上,设计了一种带有时间约束与角度约束的协同制导律。首先,在初始时刻(或中段制导结束时刻),根据初始状态及终端角度约束情况,以指定策略为编队中的各飞行器分配拦截角度。其次,采用线性化最优控制的设计方法,解算带有拦截角度约束的最优导引指令。最后,在求解针对运动目标的飞行器剩余时间估计的基础上,根据一致性的方法推导时间调整项的导引指令。仿真结果表明,在典型背景下,设计的制导律能够使多枚飞行器以特定的编队构型协同拦截同一目标,从而有效提高拦截概率。     

基于自由权矩阵的时变时延线性群系统编队控制

研究了基于自由权矩阵方法的时变时延线性群系统编队控制问题。首先,基于一致性理论,设计了具有时变时延的线性群系统编队控制协议。其次,通过变量代换,将时延条件下的线性群系统编队控制问题转化为时延系统的镇定问题。构造Lyapunov-Krasovskii函数,并利用自由权矩阵方法对时延系统的镇定问题进行分析,得到了保守性较小的线性矩阵不等式（LMI）判据,并求解出时延上界和编队控制器增益。最后,通过仿真实验,验证了方法的有效性。