含未知输入非线性系统的扩展平方根容积卡尔曼滤波算法

针对工程实际应用中存在的未知输入会导致经典的非线性滤波器状态估计精度下降甚至滤波发散的问题,提出了一种基于最小方差无偏估计(minimum variance unbiased estimation,MVUE)准则的扩展平方根容积卡尔曼滤波(extended square-root cubature Kalman filter,ESRCKF)算法。首先,结合上一时刻未知输入估计值对状态一步预测值进行修正,得到含未知输入条件下的状态预测值。其次,设计新息并采用加权最小二乘(weighted least squares,WLS)法获取当前时刻未知输入的无偏估计。最后,通过最小化协方差矩阵的迹,同时采用拉格朗日乘子法和舒尔补引理得到系统状态的最小方差无偏估计。仿真结果表明,相比于现有的非线性滤波算法,ESRCKF算法提高了在处理含未知输入非线性系统时的状态估计精度,并能同时实现系统状态和未知输入的最优估计,验证了该算法的有效性。

基于改进AE-CM模型的未知应用层协议识别

现有的未知协议识别方法存在提取的特征不够充分、聚类分配不准确等问题,影响了协议识别结果的准确性。AE-CM(deep autoencoder with embedding clustering module)解决了当前深度聚类模型异步优化的问题,提高了聚类分配的精度。该文提出的DAEC-NM协议识别模型以AE-CM为基础,通过加入高维卷积、时序卷积网络以及调整多层感知机结构的方法,改进了AE-CM的特征提取部分。为了更全面地获取协议信息,DAEC-NM通过邻居分支采集邻居样本,并分析邻居样本间的局部关联特征,从而增强原样本特征中重要特征对聚类分配的指导能力。最后,采用了注意力机制来分析特征的重要性,以此为聚类模块设置有效的初始权重,解决了聚类模块在模型更新过程中权重特征更新较慢的问题。实验结果表明,DAEC-NM能够有效提高未知协议识别的准确性。

面向多模式多元未知分布的协方差过程监控

针对工业过程数据的多模式、高维性和非正态性等挑战,设计了一种考虑模式过渡约束的基于协方差检验的多模式在线监测方法。首先利用交叉验证的线性收缩估计方法对待监测数据的协方差矩阵进行估计,然后基于估计的协方差矩阵计算稀疏主特征值检验统计量,进而基于稀疏主特征值检验统计量设计具有滑动窗口的指数加权移动平均(EWMA)控制图——MSPEWMA控制图,结合模式过渡约束得到最终的检验统计量。通过Monte Carlo模拟研究了MSPEWMA控制图在不同条件(变量维度、漂移大小、可控样本大小、过渡约束参数和观测数据分布)下的性能,结果表明,与基于协方差检验的其他控制图相比,新提出的控制图在大漂移和非正态条件下具有更好的监测效果。最后利用风力发电机组真实SCADA数据证明了所提方法的有效性。

未知样品中氯离子检测方法的探索

准确检测氯离子含量,尤其未知样品中氯离子含量的检测准确度对水泥企业很重要。本文通过减小称样质量、稀释溶液体积、过滤溶液、提高标准溶液浓度四种方法措施,提高电位滴定仪对未知样品中氯离子含量的检测准确度。

直觉模糊物元及其在权重信息未知多属性群决策中的应用

针对传统物元分析理论无法应用于决策信息为直觉模糊数的多属性决策问题,提出直觉模糊物元分析模型以及用相对相似度代替传统方法中的关联函数来解决直觉模糊物元分析问题,进而完整阐述了直觉模糊物元多属性决策的方法步骤,并通过实例验证了该方法的有效性。特别是针对权重信息未知这一类较为复杂的多属性群决策问题,采用投影法和直觉模糊熵确定权重信息,并运用直觉模糊物元多属性决策方法进行了实例分析,证明了方法的实用性,为直觉模糊多属性群决策提供了一种新的思路。

一种新型δ函数神经元构成的神经网络及学习算法

本文提出一种新型δ函数神经元构成的三层前馈神经网络，其隐层中神经元采用δ变换函数而不是ｓｉｇｍｏｉｄ函数。学习算法不再采用误差反向传播（ＢＰ）算法，而是通过选定隐层与输入层之间的自由权来确定隐层与输出层间的待求权的直接算法完成学习。这种学习算法运算速度快，不存在局部极小和收敛速度慢的问题，只要隐层δ函数神经元个数等于样本对数量就一定能完成学习，这是传统ＢＰ算法不能比拟的。计算机仿真实例表明该算法是十分有效的。

一种多Agent协商中多目标群决策算法

为解决多Agent多目标群决策情形中属性的权重或决策Agent的权重未知时无法进行有效决策的问题,提出了采用迭代思想改进模糊多目标群决策模糊优选算法的途径.在模糊多目标群决策中,将未知模糊权重通过有效地迭代计算得出,从而确定出决策的最优排序结果.实例演算证明该算法可行且决策时间较短.

基于样本加权FCM聚类的未知类别局部放电信号识别

针对电力变压器待识别局部放电信号中可能存在不属于已知类别的未知样本的问题,提出了一种基于样本加权模糊C均值(FCM)聚类的未知类别局部放电信号识别方法。对已知类别的局部放电信号进行FCM聚类,确定各已知类的聚类中心;分别计算已知类别和待识别局部放电信号的样本权值,并根据Otsu准则确定样本权值的自适应阈值;将各待识别局部放电信号的权值与确定的阈值进行比较,判断其是否属于已知类别;采用支持向量机(SVM)对得到的属于已知类别的待识别局部放电信号进行分类,对未知类别样本进行人为分析判断。采用所提方法对实验室条件下的放电信号进行分析,实验结果表明,所提方法可以有效地区分待识别局部放电信号中的未知类别样本。

裁判文书类案推送中的案情相似度计算模型研究

裁判文书的类案推送策略有助于解决司法过程中的裁判尺度不统一、类案不同判、量刑不规范等问题。针对裁判文书类案推送任务,基于裁判文书在篇章结构和语言表述方面的特征,从裁判文书案情内容的抽取、案情内容中不同词性类别词项的权重分析、案情内容中未登录词的识别、案情内容中数量表述的相似度计算等角度展开研究,并设计相应的案情相似度计算模型。通过在真实裁判文书数据集合上的实验,表明了该模型的有效性。

多种顾及先验信息的平差及其比较

在阐述各种顾及先验信息平差方法的基本概念及性质的基础上，着重分析了它们之间的关系与区别，从而为这些平差理论的进一步发展与应用奠定了基础。

未确知测度模型在城市环境空气质量评价中的应用

基于环境空气的信息不确定性特点,运用未确知数学理论,建立了城市环境空气质量评价的未确知测度模型。根据未确知测度的大小,确定样本所属的质量级别及样本间的优劣排序。以唐山市为例,运用所建模型对其环境空气质量状况进行了评价。研究表明,未确知测度模型对于多指标的城市空气质量评价,理论上是可行的,结果是可信的。

未知纬度的捷联惯导系统晃动基座自对准方法（英文）

传统捷联惯导系统晃动基座对准方法中,一般要求提供当地准确的地理纬度信息,如果给定的纬度存在误差,会对初始对准精度造成影响。针对纬度未知情况下的晃动基座对准问题,提出了利用三个不同时刻的重力视运动向量的运算进行对准的方法,推导了三矢量定姿对准的基本原理。针对含有随机噪声的加速度计测量值构造的重力视运动向量会导致向量运算时出现共线向量的问题,设计了一种基于平均权重系数的自适应卡尔曼滤波器,能在未知动态环境下有效去除加速度计随机噪声,提高对准精度。仿真和试验结果表明,该方法可在纬度未知条件下完成捷联惯导系统晃动基座下的自对准并估计出纬度值,对准精度可达惯性器件误差所决定的对准极限精度。

改进加权质心算法用于煤矿井下人员精准定位

煤矿安全避险六大系统是煤矿安全生产的重要保障条件,为提高井下人员的精准定位,针对传统加权质心算法的不足,提出了改进加权质心算法。该算法在三角质心算法的基础上,取五个信标节点,2次利用修正加权质心算法求出未知节点的坐标值,实现人员的精准定位。实验结果表明:改进加权质心算法的平均误差为0.41m,比一般加权质心算法的平均误差减少了1.16m,比修正加权质心算法的平均误差减少了0.66m,且改进加权质心算法的最大值和最小值也明显优于其他两种算法。基于接收信号强度RSSI的改进加权质心算法定位更精确,更能满足于井下人员定位的要求。

极大验后估计及其在扩建网中的应用

本文基于未知参数具有先验正态分布的广义Ｇ－Ｍ模型，推导了未知参数和方差因子的极大验后估计公式，证明了未知参数的极大验后估计是无偏、有效估计量，方差因子的极大验后估计有偏，并推导了方差因子的边缘极大验后估计，证明了它的无偏及有效性。作为应用，本文最后证明了扩建网极大验后平差成果等于新旧网整体平差成果。

快速和高精度的前馈网络学习算法

本文针对三层前馈网络提出一种全新的学习算法。该法克服了传统BP算法因用梯度下降和误差逆向传播而拖慢收敛速度及易陷于局部极小的缺点。所提出的算法是代数型的，计算复杂度为多项式阶。文中给出的一个非线性时间序列训练算例表明：新算法较BP算法在计算精度和速度方面均有大幅度提高，在网络规模变大时此算法的优点尤为明显。

部分输入未知条件下结构参数及激励识别

针对部分输入未知条件下的结构参数和荷载识别问题,提出一种改进的基于最小二乘准则的自适应加权迭代算法。该方法通过引入自适应学习因子和加权正定矩阵,以任意假定的未知外激励作为初始迭代条件,以相邻两次迭代后荷载的识别值的误差作为收敛判断准则,有效地改进了迭代收敛速率、稳定性和识别精度。同时,针对比例阻尼,对现有非线性参数识别的松弛法进行改进,提出一种转换算法。通过一个具有15个自由度的高层数值模型的模拟数据和一个4层结构模型的动力试验实测数据分别验证了该方法有效性,同时,分别探讨了噪声水平、权重系数、学习因子等对算法收敛性的影响。数值算例和基于模型动力测试数据的识别结果表明,该算法具有稳定的收敛特性,参数和荷载识别精度高以及对测量噪声的鲁棒性强的特点。

改良扩散加权成像与液体衰减反转恢复序列不匹配指导下不明发病时间前循环大血管急性闭塞患者血管内治疗的研究

目的探讨采用改良扩散加权成像(DWI)与液体衰减反转恢复(FLAIR)序列不匹配评估不明发病时间(包括醒后卒中)的前循环大血管急性闭塞患者进行血管内治疗的安全性和有效性。方法本研究为前瞻性单中心队列研究,连续纳入2017年1月至2020年9月在鄂尔多斯市中心医院神经内科住院治疗的发病时间不明且症状发现超过6 h的前循环大血管闭塞致急性缺血性卒中患者(研究组)与发病时间明确6 h内的前循环大血管闭塞致急性缺血性卒中患者(对照组)。对照组符合静脉溶栓患者实施静脉溶栓桥接机械取栓治疗或者直接取栓治疗。研究组患者改良DWI-FLAIR不匹配(DWI阳性,FLAIR阴性或部分阳性,但病灶明显小于DWI),直接进行机械取栓治疗。血管内治疗术后即刻成功再灌注率和术后3个月改良Rankin量表(mRs)评分为主要结局指标,症状性颅内出血和死亡为次要结局指标。成功再灌注定义为闭塞远端血流达到改良脑梗死溶栓试验(mTICI)分级2b/3级;术后90 d时mRS评分≤2分定义为良好预后。应用SPSS 25.0统计学软件分析处理数据,组间比较采用两样本均数比较的t检验或两独立样本比较的秩和检验以及χ^(2)检验或Fisher确切概率法。结果最终69例接受取栓患者入选,其中研究组25例,对照组44例。59例(85.5%)患者成功实现血管再通,其中研究组21例(84.0%)和对照组38例(86.4%),组间差异无统计学意义(Fisher确切概率法:P=1.000)。69例中,9例发生症状性颅内出血,其中研究组3例(12.0%),对照组6例(13.6%),组间症状性颅内出血发生率差异无统计学意义(Fisher确切概率法:P=1.000)。随访3个月,6例患者死亡,其中研究组2例(8.0%),对照组4例(9.1%),组间差异无统计学意义(Fisher确切概率法:P=1.000)。术后90 d总良好预后率为53.6%(37例),其中研究组为14例(56.0%),对照组为23例(52.3%),组间差异无统计学意义(χ^(2)=0.089,P=0.765)。结论采用DWI-FLAIR不匹配选择不明发病时间的患者可能与发病时间明确6 h内取栓患者进行取栓同样安全和有效。这种模式有望成为不明发病时间患者进行血管内治疗的新选择。

DWI/Flair不匹配在醒后卒中和不明发病时间卒中患者再灌注治疗中应用研究

醒后卒中和不明发病时间卒中是临床中常见的卒中类型,因无法明确发病时间而被排除在重组织型纤溶酶原激活剂静脉溶栓治疗之外,严重影响了患者的预后,增加了致残率和致死率。磁共振弥散加权序列(DWI)/磁共振液体衰减反转恢复序列(Flair)不匹配是指DWI表现为高信号,而Flair未见明显异常信号,其被推荐用于判断不明发病时间卒中患者时间窗的有效指标,可有效指导醒后卒中和不明发病时间卒中患者静脉溶栓和血管内治疗,实现治疗的个体化。

基于自适应权值的数据报指纹特征识别与发现

面对未知协议下的报文数据,由于不能通过协议规范获得相关特征,导致传统的模式匹配方法在报文提取和协议识别过程中存在着难题;提出了以数据挖掘理论为基础的数据报指纹特征提取方案;在特征序列挖掘过程中引入自适应权值,对源数据中的序列模式进行加权统计得到判决结果;再利用提升率对特征序列进行关联规则验证,输出数据报的指纹特征;最后,采用ARP广播帧和ICMP数据包作为原始数据,测试提取数据报指纹特征;实验结果表明,自适应权值的引入能够有效减小报文中冗余数据段的干扰,提高指纹特征提取的正确率,并对报文的长度变化有一定的鲁棒性。

基于粒子群优化算法的未知波速声发射定位数值模拟

针对岩石力学试验中基于时差定位算法中声发射定位精度受岩石波速等诸多因素的影响问题,提出基于粒子群优化的未知波速声发射定位算法。该算法将岩石波速作为未知值,根据拾取到的时差建立基于最小二乘法原理的目标函数,利用粒子群优化算法,求解目标函数,寻得目标位置和波速。权重系数是影响该算法精度及其稳定性的重要因素,首先通过数值试验模型确定最优权重系数为0.729 8,可以满足算法精度及其稳定性。数值仿真结果表明,由选取的权重系数最后计算精度高于传统已知波速算法。为验证该算法的实际应用效果,进行断铅试验,结果表明该算法优于传统已知波速算法。