基于Fisher判别和GKF-RELM算法的多特征步态模式识别

为提高下肢表面肌电信号步态识别的识别精度和计算效率,采用一种基于高斯核函数优化正则化超限学习机(GKF-RELM)算法,对肌电信号提取时域、频域和非线性动力学三类特征并分别计算步态识别率,运用Fisher判别函数分析所提特征的可分性,得到多类特征的融合特征作为输入数据对分类器进行训练,再用训练好的分类器进行步态识别,从识别率和计算时间两方面,分别与支持向量机(SVM)和深度神经网络(DNN)方法进行了对比分析.结果表明,基于Fisher判别可分性指标确定的多类特征组合,能得到最优识别效果,并在提高分类精度的同时,优化了计算效率.此外,GKF-RELM方法的识别率也优于传统的ELM方法.

航班登机口分配问题的数学建模

登机口作为机场的重要组成部分,其资源利用率直接影响航班服务的效率.针对不同的优先级建立多目标规划模型对航班进行优化分配,采用贪心算法和禁忌搜索算法,结合登机口类型、航班时间的约束,逐次对最大化分配航班问题、最小化中转旅客最短流程时间问题、最小化旅客总体紧张度问题进行建模求解.结果表明该算法不仅提升了求解速度,并且在航班登机口分配问题中展现了较好的综合寻优能力.这对民航机场实现经济效益、提高旅客满意度有一定的参考价值.