基于高斯过程建模的移动机器人学习预测控制方法

移动机器人在复杂地形条件下面临环境和模型不确定性的挑战,例如草地、陡坡等环境会对移动机器人的高精度控制造成影响.本文提出了一种基于高斯过程建模的移动机器人学习预测控制方法,能够对环境和模型不确定性进行实时的建模和预测,并将该模型用于最优控制策略的学习中,完成在模型和环境不确定下的机器人运动控制.该方法利用高斯过程回归对环境和模型不确定性进行建模,并结合系统运动学方程得到误差状态模型,并将该模型用于滚动时域强化学习中,通过迭代优化学习最优控制策略.最后,针对移动机器人在椭圆和8字形轨迹上的横向跟踪控制问题,进行了仿真实验,并与非线性模型预测控制进行比较.结果表明,本文提出的方法能够有效提升复杂地形条件下控制器的控制性能,在性能指标上相比未采用高斯过程建模的滚动时域强化学习方法提高20%,比非线性模型预测控制方法提高36%,验证了所提方法的有效性和优越性.

新鲜乳腺癌组织的近红外拉曼光谱分析

采用便携式拉曼光谱仪对正常、良性和恶性的乳腺癌组织进行检测,通过对其拉曼光谱的指认,归纳了其主要区别和特征.在3类乳腺组织中有明显的脂类的特征峰(1230,1268,1301,1440和1743 cm-1),而在良性和恶性的组织中,则出现了较为明显的蛋白(1246,1271,1315和1364 cm-1)和核酸(1340 cm-1)的特征峰.良性和恶性组织的区别在于恶性组织特有的特征峰(1340 cm-1),而良性组织所特有的特征峰则应归属为蛋白.在数据分析过程中,选择能够反映样本化学本质的特征峰,利用高斯过程的机器学习对特征峰值建立模型.特异性(0.94)、灵敏度(0.95)和Matthews相关系数(0.86)表明在模型中3种组织有比较良好的辨别度,对于应用拉曼光谱方法辨别正常和患病乳腺组织具有参考价值.

利用金字塔方法增强DR图像

目的:数字化X线图像(DR)空间分辩率高、动态范围宽,对其进行影像增强处理能提取丰富的临床诊断信息,对疾病诊断,特别是早期病灶的发现提供良好的诊断依据。为此,本文提出了一种基于多尺度方法的DR图像增强算法。方法:构建高斯金字塔和拉普拉斯金字塔,利用特定函数调整拉普拉斯金字塔的系数,根据两个金字塔构成的图像序列,通过反复扩展图像并将结果加起来而重建原始图像,增强图像细节。结论:本文通过多尺度图象增强算法,扩展了DR图像的有用信息,突出了图像细节,为临床诊断提供了实用的增强显示效果。

随机过程序列部分和的收敛性的注记

讨论了随机过程序列部分和的弱收敛性 ,弱化了肖庆宪等人 ( 1 999)

一种自适应的仿生图像增强方法:LDRF算法

为了研究基于人类视觉系统特性(亮度自适应特性和视网膜神经元感受野非经典侧抑制特性)的仿生图像处理方法,增强仿生图像增强算法的自适应性,提出了一种新的自适应仿生图像增强算法——LDRF算法.LDRF算法首先建立参数对数模型对图像全局亮度进行自适应调整,然后采用三高斯动态滤波进行局部细节增强,引入Wal-lis算子建立增益因子模型,使局部细节增强具有自适应性,最后通过线性变换恢复图像彩色信息.在大量图像上进行对比实验和分析.实验结果证明,LDRF算法能够避免过增强现象,并且针对不同大小、不同内容的图像能够自适应地进行图像增强,取得了较好的效果,提高了仿生图像增强算法的实用性.

基于狄里克莱过程混合高斯模型的信号分选

提出了一种基于狄里克莱(Dirichlet)过程混合高斯模型的雷达辐射源信号分选方法。通过将Dirichlet过程与高斯模型相结合,得到的Dirichlet过程混合高斯模型可以自动学习混合高斯分量的数目。将该模型应用于雷达辐射源信号分选,可以自动确定电磁环境中雷达辐射源的数目。仿真实验结果证实了该方法在雷达辐射源信号分选中的有效性。

结构风振响应极值估计方法比较

为考察基于高斯分布假定的工程极值估计方法对结构风振响应极值估计的准确性,以单层球面网壳结构为例,首先通过重复采样风洞实验和重复风振响应分析,获得了超过1000个以上的结构风振响应时程样本;其次利用经典极值理论根据大量样本确定结构风振响应的极值准确值,作为评价标准;然后分别采用几种常用的工程极值估计方法,包括峰值因子法、改进Hermite模型法和Sadek-Simiu法,仅根据单个样本确定极值;最后通过对众多极值估计值进行统计分析,系统考察了不同方法极值估计结果的稳定性和准确性。结果表明,峰值因子法估计结果的离散性较小,但数值多数偏低;改进Hermite模型法估计结果的离散性较大,且数值多数偏高;Sadek-Simiu法的离散性介于二者之间,且估计结果与准确值较为接近,因而建议在进行工程极值估计时采用。

Scaling limits of interacting diffusions in domains

We survey recent effort in establishing the hydrodynamic limits and the fluctuation limits for a class of interacting diffusions in domains. These systems are introduced to model the transport of positive and negative charges in solar cells. They are general microscopic models that can be used to describe macroscopic phenomena with coupled boundary conditions, such as the popula- tion dynamics of two segregated species under competition. Proving these two types of limits represents establishing the functional law of large numbers and the functional central limit theorem, respectively, for the empirical measures of the spatial positions of the particles. We show that the hydrodynamic limit is a pair of deterministic measures whose densities solve a coupled nonlinear heat equations, while the fluctuation limit can be described by a Gaussian Markov process that solves a stochastic partial differential equation.