互信息引导下的前向搜索脑—机接口导联选择算法

在脑—机接口(brain-computer interface,BCI)系统中,利用高密度导联来获取脑电信号(EEG)空间信息,增加了特征提取和识别的复杂度和难度。针对脑电信号分类识别中的导联选择问题,提出一种互信息引导下的前向搜索导联选择算法,首先根据互信息及最大相关最小冗余(maximum dependency with minimum redundancy,mRMR)原理对各个导联进行排序,以排序靠前的导联信号分类准确率为判据,采用前向搜索算法依次选择后续导联,获得最优导联组合。以BCI competitionⅣdata sets 1为分析数据集,实验结果表明,所提算法在减少导联的同时提高了BCI系统的识别率,为BCI系统的应用提供了技术参考。

基于前向搜索的快速视差范围估计方法

在立体匹配中,设置合理的视差搜索范围能够提高匹配的速度和精度。为此,提出了一种基于前向搜索的图像迭代细分方法用以估算视差范围的上下限。将参考图像均分为若干个图像块,在对每一块的匹配过程中,采用前向搜索策略,对当前匹配块继续均分成若干子块,并对其子块进行相似度匹配。在计算视差范围上限时,用当前块的子块视差中的最大值来表示其视差值,找到视差最大的图像块后继续迭代细分,直到得到稳定的视差范围上限。在计算视差范围下限时,用当前块的子块视差中的最小值来表示其视差值,找到视差最小的图像块后继续迭代细分,直到得到稳定的视差范围下限。实验结果表明,采用前向搜索策略计算视差范围的方法,在搜索空间降低比率达到28.8%的同时能够达到98%的命中率,相较直接进行匹配误匹配率降低了47.4%,能够得到更精确的视差范围。

基于路标隐式分解的前向搜索规划方法

提出一种利用路标信息隐式分解前向搜索过程的规划算法.以路标计数启发式估值的降低作为分界点,将规划任务分解成多个规模更小的子任务,当访问到估值更低的状态时,表明搜索过程完成一个子任务的求解,反复执行这一过程直到路标计数启发式估值降低为零.与其它将路标具体指定为中间目标的分解方法相比,基于路标计数启发式的隐式分解方法能指导前向搜索过程快速向目标方向推进,实现搜索空间的大规模压缩,在求解效率和规划解质量上都有较大提高.

基于平均影响值-启发式前向搜索的异常光伏用户识别方法

随着国家对光伏产业的大力推进与扶持,以及国家补贴政策具有长期性,出现了很多不法用户以虚假记录发电量骗取国家补贴的行为。针对现有的分布式光伏防窃电技术,提出了一种基于平均影响值(MIV)-启发式前向搜索的异常光伏用户识别方法。通过获取同一地区的标杆光伏用户及其他光伏用户在同一时段的发电数据,利用原始数据训练BP神经网络,再根据MIV的计算原理构造2组新的训练样本,用新样本的仿真结果计算各光伏用户的MIV,结合启发式前向搜索算法筛选得到与标杆光伏用户发电数据关联性大的用户,未被筛选的用户就是异常光伏用户。仿真结果验证了所提方法对异常光伏用户识别的有效性。

基于前向搜索和投票的移动群智感知动态用户招募方法

随着移动传感设备的快速发展,移动群智感知已经成为城市数据收集的一项重要模式.用户招募——招募进行数据收集的用户——是移动群智感知中的重要一环.现有的研究主要集中在静态的用户招募,对动态的用户招募研究还比较少.因此,本文提出了一个基于前向搜索和投票的动态用户招募方法,该方法能够很好地综合多个因素,从而做出更优的招募决策.除此之外,本文还设计了一个新的数据均匀程度指标来更好地评估数据的质量.基于真实世界的Foursquare用户数据的实验结果表明,相比于基准方法,本文的方法能够收集到均匀程度更高的数据.

基于回溯正则化的前向搜索正交匹配追踪算法研究

为了解决前向搜索正交匹配追踪算法重构质量较差的问题,提出了一种回溯正则化前向搜索正交匹配追踪算法用于信号重构,在选择原子的过程中先通过回溯策略选择初始候选集,再用正则化方法对初选集中的原子进行筛选,从而提高信息重构的精度。通过一维信号、二维图像重构实验,与正交匹配追踪算法、前向搜索正交匹配追踪算法进行了对比实验,结果表明所提算法可以实现信号的高精度重构,并且在重构率和重构信噪比方面与同类算法相比,有明显提升。

基于前向搜索的GNSS长距多径信号判别技术

卫星导航接收机中的多径信号,尤其是长距多径信号会造成伪码的错误捕获与跟踪,带来很大的伪距测量误差,甚至定位失效。针对这一问题,利用卫星导航系统中独有的直达信号相对于多径信号具有最超前码相位的特性,在导航信号捕获跟踪之后,继续通过相关峰前向搜索的方法来判别直达信号与多径信号,在剔除多径分量之后获得准确的伪距测量值。在此基础上讨论了长距多径信号的搜索区间,给出了新的接收机处理架构,从而为卫星导航中长距多径信号的去除与精确定位的实施提供了重要参考。

基于LightGBM-VIF-MIC-SFS的风电机组故障诊断输入特征选择方法

针对风电机组数据采集与监视控制(SCADA)系统数据维数较高、特征冗余、特征相关性高导致风电机组的故障诊断过程存在误差大、分类正确率低的问题,提出一种基于LightGBM-VIF-MIC-SFS的三段式特征选择方法。首先,根据LightGBM实现对所有特征的重要性计算,确定初步特征空间;其次,根据方差膨胀因子(VIF)和最大信息系数(MIC)构建相关性判别阵,据此评估一次筛选中重要性相近的特征,舍弃相似性高的输入特征;最后,使用序列前向搜索法对特征进行第3次处理,逐个输入前2次特征选择获得的特征,保留能提升系统性能的特征,从而实现最终特征的选取。在完成了模型的建立后,使用风电场真实SCADA系统数据进行性能评估,将所提方法与2种对比算法在6个数据集上进行对比,结果显示所提出的LightGBM-VIF-MIC-SFS相较2种对比特征选择算法有显著优势。对所提方法内部的3个模块进行了消融实验,有效验证了所提特征选取方法内部各个模块的有效性以及基于所提方法得到的最优特征空间的合理性及准确性。

一种高质量的领域无关前向规划剪枝策略

前向启发式搜索和放宽规划方法被很多领域无关的规划器所采用,被认为是一种有效的规划范型.FF规划器利用放宽规划图计算状态的启发式估值,并提取有利动作集合进行前向搜索的剪枝.但过大的有利动作集合造成了过多的消耗.文中提出了一种新的高质量的领域无关剪枝策略.该策略根据放宽规划图的动作层和命题层之间的关系,提取出所谓的直接效用动作集合,此集合之外的其它动作都被剪枝.直接效用动作集合比FF的有利动作集合更加精简,更具启发性,能指导前向搜索集中在那些离目标更近的状态.根据直接效用动作作者开发了一种新的lookahead搜索邻居,并应用在改进后的增强型爬山搜索算法中,使得前向搜索具备良好的前瞻性.当增强型爬山法失败时,采取一种从局部极小值重启完备搜索的策略以保持系统完备性.通过对国际规划大赛基准问题的测试表明,基于该剪枝策略及前向搜索算法实现的前向规划系统有效地缩小了搜索空间,搜索的节点数目比FF的有利动作策略明显要少,搜索效率有显著的提升.

基于样本重叠与近似马尔可夫毯的特征选择算法

随着信息技术的快速发展,数据中的高维特征极大地增加了产生冗余特征的可能性,冗余特征不仅导致搜索空间增大,而且影响了分类的准确率。针对现有的特征选择算法难以解决高维特征选择问题,提出了基于样本重叠与近似马尔可夫毯的特征选择算法(samples overlapping based modified Markov blanket, SOMMB)。该算法首先融合最大信息系数与改进强近似马尔可夫毯去除冗余特征;其次采用样本重叠策略指导前向搜索的过程,选取相关特征。该算法在10个公开数据集上与目前流行的PGVNS、FCBF-MIC、CFS、mRMR、RF、CBFS、ReliefF以及FFSG算法进行对比实验,SOMMB算法的平均准确率为82.519%,对比FFSG获得的最高准确率提升了4.214%,表明SOMMB算法可以提高分类精度。

基于压缩感知的加速前向后向匹配追踪算法

前向后向匹配追踪(FBP)算法作为一个新颖的两阶段贪婪逼近算法,因为较高的重构精度和不需要稀疏度作为先验信息的特点,受到了人们的广泛关注。然而,FBP算法必须运行更多的时间才能得到更高的精度。鉴于此,该文提出加速前向后向匹配追踪(AFBP)算法。该算法利用每次迭代中候选支撑集的信息,实现对已删除原子的再次加入,以此减少算法迭代次数。通过不同非零项分布的稀疏信号和稀疏图像的仿真结果表明,相对于FBP算法,该文提出的方案在不降低重构精度的同时,大幅降低了算法运行时间。

基于信息增益与序列后向搜索的负荷预测方法

为准确辨识影响电网负荷的特征因素,解决人工智能算法用于负荷预测时所面临的“维数灾”问题,提出了一种基于两层架构的负荷预测智能算法。方法本质上是将两层架构特征选择过程前置于传统负荷预测智能算法所构成的复合型智能算法。上层架构为基于信息增益算法的过滤式特征选择,用于剔除与电网负荷相关度较低的外部因素。下层架构为基于序列后向搜索的包裹式特征选择,输出预测准确率最高的特征因素集。基于某电网实际数据构造的算例表明,方法能够有效剔除影响负荷预测效果的外部因素,提升负荷预测准确率及预测效率。

基于自适应加速前向后向匹配追踪的压缩感知重构算法

针对传统前向后向匹配追踪(FBP)算法运行时间较长的问题,提出了一种自适应加速前向后向匹配追踪(AAFBP)算法。AAFBP算法的重构过程可分为2个阶段,在前向阶段利用自适应阈值来选取适量原子加入支撑集,在后向回溯过程中以原子的投影系数大小作为删除依据,利用自适应删除阈值来进行原子的删除,同时克服了自适应过程中存在的回溯过度现象。所提方法能够保证选入原子数量更具随机性,使每次迭代保留更多的正确原子。一维稀疏信号和二维图像的仿真结果表明,AAFBP算法在重构精度和运算时间上都更具有优势。

国际频道

美国粒子对撞机内首次探测到中微子3月20日,美国加州大学欧文分校官网报道称,该校物理学家主导的“前向搜索实验”(FASER)首次探测到粒子对撞机产生的中微子,此前该团队曾观察到6个中微子之间的相互作用,此次新发现有望加深科学家对中微子的理解,还有助揭示行进较长距离与地球发生碰撞的宇宙中微子。

科技资讯

粒子对撞机内首次探测到中微子据美国加州大学欧文分校官网2023年3月20日报道称,该校物理学家主导的“前向搜索实验”(FASER)首次探测到粒子对撞机产生的中微子,此前该团队曾观察到6个中微子之间的相互作用,此次新发现有望加深科学家对中微子的理解,还有助揭示行进较长距离与地球发生碰撞的宇宙中微子,为管窥遥远宇宙打开一扇窗。

复杂噪声环境下电能质量复合扰动特征选择

为满足复杂噪声环境下海量电能质量信号高效分类需要,提出一种可应用于复杂噪声环境的电能质量信号特征选择新方法。首先,采用贝叶斯优化方法优化随机森林参数;之后,以具有随机噪声的原始特征向量训练随机森林分类器,训练过程中通过Gini重要度量化比较各特征分类效果;然后,采用序列前向搜索方法,以分类准确率为主要标准,兼顾特征维数,确定最优特征子集;最后,以最优特征子集建立随机森林分类器,识别15种电能质量信号。仿真对比实验证明,在信噪比30 dB以上噪声环境下,新方法分类准确率在99.33%以上,20 dB噪声环境下分类准确率为94.60%。此外,通过葡萄牙某配电网实测电能质量数据开展实验,证明了新方法在实际工业应用中的有效性。

图像特征参量分析方法及其在胎盘分级中的应用

目的针对孕妇妊娠期胎盘功能分级这一具体应用 ,建立自动诊断系统 ,并探讨图像特征提取及选择、模式识别的方法。方法应用灰度统计量分析、二维滤波器和小波分析理论等图像处理理论 ,从胎盘B型超声图像中提取出用以胎盘功能分级的多个特征参量 ,然后利用前向搜索法进行参数的有效性分析 ,并分别通过线性回归法和数量化理论 ,建立特征参量与胎盘分级之间的联系。结果前向搜索法可以较好地分析各特征参量的应用价值 ,而且训练集的模式识别效果好。结论在样本集较小的情况下 。

基于单轴随机扩展算法的自主探测器大角度机动规划

自主姿态大角度机动是自主深空探测器的关键技术之一,而在满足敏感仪器、保持通信链路等约束的情况下实现姿态大角度机动的自主规划与执行是目前面临的一个难题。针对这个问题,提出一种单轴随机扩展算法,该算法采用扩展的方式生成规划路径,并充分利用扩展过程中邻近点的信息,把属于三维构造空间的大角度机动规划问题简化为二维规划问题,从而减少问题求解的搜索空间。最后利用前向搜索方法对初始的规划路径进行优化,并通过算例验证了此方法的可行性。

适用于便携式无线视频通信的OFDM同步算法

针对便携式无线视频通信在多径衰落信道下的符号同步问题,结合符号序列的延迟相关性与共轭对称性,提出一种改进的正交频分复用(OFDM)同步算法。该算法采用Schmidl & Cox算法确定符号同步范围,利用Park算法进行前向搜索,将首次大于门限阈值的点作为符号同步点。仿真结果表明,当信噪比大于3 dB时,该算法在6径典型城市信道下能够实现准确的OFDM符号同步,载波频偏估计均方误差小于0.000 4,适用于便携式无线视频通信系统。

一种多约束最优路径宽度优先松弛算法

在分析单播QoS路由问题的基础上,提出了宽度优先松弛算法BFRA,其核心思想是基于改进的宽度优先搜索策略,采用特殊的松弛算法分别前向(从源节点)和后向(从目标节点)搜索网络拓扑。前向搜索预先计算路径的综合度量、约束等参数,收集路径信息;后向搜索则采用Cost-measurement策略对路径进行选择和筛选,不断搜索到新的可行路径,并选取最优路径。讨论了在路径振荡时BFRA选取次优路径,为其他QoS流的接入预留了资源。理论分析表明BFRA保存的状态信息较少,时间复杂度为线性,仿真结果表明,BFRA发现最优路径的成功率较高。