信号干扰下的超宽带精确定位问题研究

针对在室内应用超宽带UWB(Ultra Wide Band)定位技术时,需要建立高效精确的三维坐标定位系统以克服信号干扰问题,应用机器学习方法对其进行了研究。首先使用多种统计分析模型清理无效或误差测量值;然后将TOF(Time Of Flight)算法的先验知识与神经网络、XGBoost(eXterme Gradient Boosting)算法相结合,提出了神经XGB(Exterme Gradient Boosting)三维定位系统,该系统可通过“正常数据”和“异常数据”(受干扰)以及4个锚点的坐标精准预测靶点的坐标值,能使误差在二维平面降至5.08 cm,在三维空间降至8.03 cm;同时建立了判断数据是否受干扰的神经网络分类模型,精确率为0.88;最后通过结合上述系统,得到了连续且规律的运动轨迹,证明了系统的有效性与鲁棒性。

关于SVD与PCA等价性的研究

利用矩阵的Frobenius范数对奇异值分解 (SingularValueDecomposition ,SVD)的正规正交基的最优性给出了一种新的证明 。

钻井测井电缆打捞技术

介绍了钻井测井电缆断落事故的打捞方法,打捞前与打捞过程中应考虑的事项。结合电缆落井特征和实际打捞经验,给出了确定电缆落井后电缆头在井下位置及打捞工具下深的计算公式,并列举了部分井采用该方法打捞的情况。实践证明,采用该方法打捞电缆,能够提高打捞电缆的成功率,减少经济损失。

用于非线性时间序列预测的POD-RBF神经网络

基于正规正交分解(Proper Orthogonal Decomposition,POD)提出一种适用于非线性时间序列预测的径向基函数(Ra-dial Basis Function,RBF)神经网络模型-POD-RBF神经网络模型.该模型在选取中心时考虑了时间序列数据之间的时序关系,并且使得中心的选取具有并行性.股票价格预测问题的模拟结果表明,POD-RBF神经网络可以有效地用于非线性时间序列预测问题.与基于硬C均值(Hard C-means,HCM)聚类的RBF神经网络(HCM-RBF)和基于正交最小二乘(Orthogonal LestSquare,OLS)的RBF神经网络(OLS-RBF)相比,POD-RBF神经网络不仅具有更好的训练、预测精度,而且具有更好的收敛稳定性、更好的泛化能力和抵抗噪声干扰的能力.

基于标签传播的重叠社区发现算法

重叠社区发现是复杂网络研究的重要课题.提出一种基于标签传播的重叠社区发现算法.首先利用标签传播算法得到初始无重叠社区划分结果,之后通过设计新的重叠节点识别算法确定重叠节点,最后再根据重叠节点的识别结果对社区进行合并从而得到最终的重叠社区划分结果.该算法克服了已有算法重叠节点占比过大的弊端.为验证算法的有效性,在LFR人工数据集、3个标准公开测试集以及真实的大豆基因共表达网络上进行实验,并与已有算法进行对比.实验结果表明,该算法性能明显优于对比算法,极大地改善了重叠节点比重过大问题.

基于RBF神经网络与遗传算法的Agent初始位置优化

以陆地作战训练模型为背景,研究了多Agent系统中Agent初始属性的优化问题,提出了一种径向基函数(RBF:RadialBasisFunction)神经网络与遗传算法(GA:GeneticAlgorithm)相结合的、对作战训练模型中Agent的初始位置进行优化的方法。与已有的优化方法相比,该方法不仅优化效果得到明显的提高,而且执行效率可以提高20余倍,更适于处理对执行效率要求较高的优化问题。

蚁群算法的收敛速度分析

蚁群算法(ACO)作为一类新型的机器学习技术,已经广泛用于组合优化问题的求解,同时也应用于工业工程的优化设计.相对于遗传算法(GA),蚁群算法的理论研究在国内外均起步较晚,特别是收敛速度的分析理论是该领域急待解决的第一大公开问题.文中的研究内容主要是针对这一公开问题而开展的.根据蚁群算法的特性,该研究基于吸收态Markov过程的数学模型,提出了蚁群算法的收敛速度分析理论.作者给出了估算蚁群算法期望收敛时间的几个理论方法,以分析蚁群算法的收敛速度,并结合著名的ACS算法作了具体的案例研究.基于该文提出的收敛速度分析理论,作者还提出ACO-难和ACO-易两类问题的界定方法;最后,利用ACS算法求解TSP问题的实验数据,验证了文中提出的分析结论,得出了初步的算法设计指导原则.

GIS专业计算机课程设置与教学方法研究

GIS(地理信息系统)具备空间特征,是近年发展迅速的科学、技术与信息产业,是重要的数字中国建设手段,具备良好的发展前景。在信息化浪潮的冲击下,GIS专业计算机课程设置及教学方法等面临新的挑战。通过分析GIS专业计算机课程设置存在的主要问题,提出了相应的改革策略和教学方法的优化途径,希望能为高校GIS专业教育水平的提升提供参考。

自适应迭代最小二乘支持向量机回归算法

基于最小二乘支持向量机回归算法,本文在前期工作的基础上进行了扩展,提出了更加详尽的自适应迭代最小二乘支持向量机回归算法.与标准的LSSVR相比,本文提出的算法在学习新样本的时候利用了已有的学习结果,可以快速获得新的学习机.模拟结果表明,自适应迭代最小二乘支持向量机回归算法能够自适应地确定支持向量的数目,保留了QP方法在训练SVM时支持向量的稀疏性,在相近的回归精度下,该算法极大地提高了标准LSSVR学习的速度.

金融时间序列预测中的神经网络方法

概述了神经网络方法在金融时间序列预测应用中所面临的有关问题,给出了解决方法;针对有关模型和算法作了计算模拟与分析,得到了一些可供今后研究参考的经验结果;讨论了金融时间序列预测中主要的神经网络模型,如多层前馈网络、径向基函数网络以及支持向量机网络等。总结了关于模型改进的一些近期研究进展与结果,指出了神经网络用于金融时间序列预测的一些可能的方向。

川东北地区地层特征研究与钻头选型

为勘探开发我国川东北地区油气资源,介绍了结合该地区地层及钻井难度研究该地区地层特征及应用岩石可钻性选择钻头类型的最新研究成果,在国内首次提出了 IADC 编码与地层可钻性的对应关系及用 IADC 编码选择钻头类型的实例.

中原城市群高速公路通达性及空间格局变化研究

基于中原城市群2000,2003,2006,2009年高速公路网络建设情况,分别构建4个年份高速公路拓扑网络分析图和最短路径矩阵,对中原城市群高速公路10年来网络发育程度进行动态分析和空间格局变化的研究。结果表明:2000—2009年中原城市群高速公路网络发育程度明显改善,入网城市和线路数增加迅速,经历了由树状网络—回路网络—网络拓展阶段;区域交通中心形成6路回路网络连接;网络伸展程度逐年提高,区域网络直径变化虽然不明显,但是网络直径对应的城市却发生明显的空间位移;城市群高速公路网络发育在空间上已经开始打破"核心-边缘"的特点,呈现均衡化发展的趋势。

基于景观格局的图们江流域朝鲜一侧湿地生态系统时空变化动态分析

图们江是中朝俄间的重要的国际性河流,随着中朝俄各国经济的发展,图们江地区进入中朝俄多国合作开发阶段,地区湿地生态环境受到了不同程度的干扰和破坏,对区域内湿地生态环境进行分析研究显得尤为重要,尤其对朝鲜一侧湿地生态环境的研究更显得迫切而重要。基于GIS和RS技术支持下,结合Landsat MSS/TM影像和Landsat ETM影像资料,提取图们江流域朝鲜咸镜北道、两江道部分地区近40年湿地类型景观信息,运用湿地动态度、转移矩阵和景观指数等方法,研究湿地生态系统的景观格局特征及其变化规律,分析湿地所处状态及其驱动机制。结果表明,1研究区域内湿地面积变化并不明显,减少1.2%。2大量湖泊湿地、沼泽湿地、河流湿地转变为水田、人工水库、养鱼池等人工湿地。3区域内湿地景观斑块数量、斑块密度指数在增加,平均斑块面积、景观多样性指数减少,区域湿地破碎化程度显著增加。4气候变化、社会经济因素是研究区域湿地面积变化的主要驱动因素。

中日学者共探信息技术

由吉林大学计算机学院主办的2009中日双边信息技术研讨会（IWIT2009）于2009年9月15～19日在吉林大学召开。来自日本高知工科大学和日本高知国立工业学院的48位代表、吉林大学计算机学院和软件学院的60位代表出席了会议。

自适应迭代算法支持向量集的特性研究

针对在支持向量机研究中,传统的优化方法无法处理规模不断扩大的分类问题,为设计适应大样本分类的训练算法,提出了基于块的自适应迭代算法。在该算法的训练过程中,块增量学习和逆学习交替进行,能够自动得到一个小的支持向量集。将该算法与SVML ight在支持向量数量方面进行了比较,计算了UC I(Un i-versity of Californ ia-Irvine)中的6个数据集和著名的Checkboard问题。结果表明:该自适应迭代算法确定的支持向量数一般不到SVML ight所得到的支持向量数的一半,其中70%多的支持向量被SVML ight所确定的支持向量集所包含,在支持向量选择方面具有高效性。

基于密度峰值的重叠社区发现算法

根据基于快速搜索和发现密度峰值的聚类方法的思想,提出了基于密度峰值的重叠社区发现算法。首先定义新的距离矩阵算法,克服了邻接矩阵元素为整数的缺陷。然后用概率形式刻画每个节点属于不同类别的可能性,从而实现了重叠社区的划分。基于真实网络的实验结果验证了本文算法的可行性和有效性。

基于支持向量机的大样本回归算法比较研究

支持向量机的研究是当前人工智能领域的研究热点。基于支持向量机的大样本回归问题一直是一个非常具有挑战性的课题。最近,基于递归最小二乘算法,Engel等人提出了核递归最小二乘算法。文中基于块增量学习和逆学习过程,提出了自适应迭代回归算法。为了说明两种方法的性能,论文在训练速度、精度和支持向量数量等方面,对它们做了比较。模拟结果表明:核递归最小二乘算法所得到的支持向量个数比自适应迭代回归算法少,而训练时间比自适应迭代回归算法的训练时间长,训练和测试精度也比自适应迭代回归算法差。

基于国产高分辨率影像的图们江口中、朝、俄三国湿地景观格局对比分析

图们江是我国重要的国际性河流之一,受中国、朝鲜、俄罗斯三国政策、经济、文化等因素影响,三国的湿地景观截然不同。本文以我国国产高分辨率卫星GF-1和GF-2影像为数据源,通过对图们江口湿地的实地踏勘,建立了图们江口湿地遥感分类体系,包括湖泊、河流、沼泽、滩涂、坑塘、水田和水库共7类。采用目视解译方法,提取了图们江口湿地信息,对图们江口湿地现状和中、朝、俄湿地差异进行了分析。利用Fragstats景观分析软件,选取了斑块数(NP)、最大斑块指数(LPI)、斑块平均面积(MPS)、加权平均形状指数(SHAPE)、加权平均分形维数(FRAC)、香农多样性指数(SHDI)和香农均匀性指数(SHEI)等几个景观格局指数分析了图们江口湿地景观格局特征。结果表明:(1)研究区湿地总面积为39 503.38hm^2,以沼泽和湖泊为主,呈现近日本海聚集分布格局。(2)俄罗斯湿地面积占各国研究区湿地总面积比例最大,朝鲜次之,中国最小;朝鲜湿地开发程度最高,湿地破坏较严重。(3)朝鲜湿地破碎程度在三国中最重,中国次之;朝鲜因水田开发较严重,景观规则度最高;中国湿地多样性较其他两国丰富。

基于RBFNN和PSO求解第二类Volterra积分方程的混合方法

提出一种基于RBFNNs和PSO求解第二类Volterra积分方程的混合方法.先将积分区间离散化为点集,并代入积分方程得到方程组,再利用RBF神经网络逼近积分方程中的未知函数,将所求解问题转化为残差平方和的极小化问题.利用PSO算法求解残差平方和的极小化优化问题,得到RBF神经网络的参数,即得问题的逼近解.数值实验表明,该方法可行有效.

引入收益因素的RBF神经网络及其应用

考虑到投资者的主要目的是盈利这一重要因素 ,提出了一种改进的径向基函数 (RBF:Radial basis func-tion)神经网络方法。在 RBF网络的误差函数中增加了利润、时间和趋势信息 ,并采用基于梯度下降的误差纠正算法对网络进行训练。对股市综合指数进行预测的结果表明 ,该方法在提高投资收益的意义下 ,提高了神经网络模型在金融领域的预测性能。