基于模型分块交叉移动的学习型模拟退火算法地震反演

针对地震非线性反演问题,提出一种基于模型分块交叉移动的学习型模拟退火的全局优化地震反演方法。其步骤为:首先,在模拟退火算法及粒子群算法基础上,在算法模型扰动项里面加入1个向目标优化的方向移动的学习项;其次,针对地震反演模型数量多及地震记录为褶积形式的特点,采用模型分块交叉移动的方法来实施模拟退火反演,给出模型分块交叉移动的学习型模拟退火算法流程。研究结果表明:该方法具有收敛速度快、精度高、实现简单、高效的特点,可以用于其他多维多极值的目标函数反演。

基于模型分块逼近的三关节机器人鲁棒滑模控制

三关节机器人结构参数、作业环境的外界干扰及结构振动等不确定因素均会造成其动力学模型不确定,导致机器人关节位置镇定或轨迹跟踪控制器的设计具有一定的难度。为此,设计三个RBF(Radical Basis Function)神经网络分别对机器人不确定模型中的三个不确定项进行分块逼近,得到三个不确定项的估计信息,从而得出机器人估计模型,神经网络的权值采用适应算法。针对机器人估计模型设计鲁棒滑模控制律,其中鲁棒项用于克服神经网络建模误差。通过定义Lyapunov函数,证明了控制系统是稳定的。实验结果也表明了三关节均约在1s时达到期望位置或跟踪期望轨迹,位置镇定误差或轨迹跟踪误差也快速、稳定地趋于零。

模型分块逼近的RBF网络机械臂自适应控制

针对隧道掘进后期维护中喷涂机械臂的控制轨迹精确度不高的问题,研究了一类基于模型分块逼近的机械臂RBF网络自适应控制方法。通过RBF网络分别逼近机械臂动力学中的三个方程系数矩阵,设计自适应律,实现机械臂控制,并对系统的稳定性进行证明。仿真显示模型分块逼近的RBF网络自适应方法具有很好的轨迹跟踪特性。

基于改进随机分块模型的电商网络链路预测算法

通过改进的随机分块模型(SBM)链路预测算法,研究电子商务网络的演化过程与社团结构。针对原始SBM模型块之间的度分布为二项式分布,引入度衰减参数使得随机分块模型中块之间的度分布遵循幂律分布。针对原始SBM模型中节点之间的连接仅仅取决于节点所属块的假设,引入度控制参数使其更接近真实网络的度数分布。基于此提出优化后的随机分块模型,并利用阿里巴巴淘宝数据集验证该算法,结果显示该算法精确度高于随机分块模型(SBM)、度修正的随机分块模型(DCSBM)以及层次结构模型(HBM)。说明改进后的算法能较好地刻画电商网络中的社团结构,准确地发现网络中的缺失链接。

基于局部分块和模型更新的视觉跟踪算法

针对目标跟踪过程中的目标表观变化、背景干扰及发生遮挡等问题,该文提出一种基于局部分块和模型更新的视觉跟踪算法。该文采用粗搜索与精搜索相结合的双层搜索方法来提高目标的定位精度。首先,在包含部分背景区域的初始跟踪区域内构建目标模型。然后,利用基于积分直方图的局部穷搜索算法初步确定目标的位置,接着在当前跟踪区域内通过分块学习来精确搜索目标的最终位置。最后,利用创建的模型更新域对目标模型进行更新。该文主要针对分块跟踪中的背景抑制、模型更新等方面进行了研究,实验结果表明该算法对目标表观变化、背景干扰及遮挡情况的处理能力都有所增强。

基于帧差分块的混合高斯背景模型

针对混合高斯背景模型计算量过大、对复杂场景的适应能力较差等问题,提出了一种基于帧差分块和自适应学习率的混合高斯背景模型改进算法。引入分块模型思想,有效结合了像素的空域信息;根据帧间差分结果,判断可疑前景区域和背景区域,提高了检测灵敏度;针对前景可疑区域采用复杂模型,保证运动目标检测的精度,反之采用简单模型降低计算量;通过自适应学习率,加速背景的形成与消退。实验结果证明该算法较好地兼顾了检测精度和计算代价。

改进的多元精馏塔动态分块模型

以某大型芳烃抽出液塔为对象，采用文献［１］中改进的分块方法建立了其动态分块模型，并进行了大量的仿真研究。

基于页面分块模型的PageRank算法研究

提出了一个基于页面分块重要性模型的PageRank改进算法。该算法考虑同一页面内属于不同分块的出链接有着不同的重要性,故对不同分块的出链接赋予相应的权重,从而更合理、更公正、更有效地计算页面的PageRank值。与以往的PageRank算法及其改进算法相比,该算法以基于视觉特征的页面分块算法为核心,更好地反映了网页的特性,符合了用户的使用习惯,具有良好的效果。

分块降阶模型及其在风与膜结构流固耦合计算中的应用

提出一种分块降阶模型,将流固耦合体系看成由力模型和结构动力模型构成,力模型中作用于结构上的力由力幅和频率信号构成,考虑膜结构的非线性,对模型进行了非线性校正。校正时采用本征正交分解方法,对每一个模态利用其时间系数进行比例调整;最后将力模型输出结果输入到结构动力模型中,计算得到膜结构的风振响应。将降阶模型应用于风与膜结构的流固耦合分析中,计算得到膜结构风压系数、风振响应等参数,并与全阶模型进行了对比。结果表明,降阶模型可以准确预测膜结构的风致响应和风压系数,且计算效率大大提高。

分块线性模型中Bayes线性无偏估计的可加性

得到了βi在线性模型M=(y,X1β1+X2β2,T)下的Bayes线性无偏估计与其在小模型Mi=(y,Xiβi,T)下的Bayes线性无偏估计相等的充分必要条件,i=1,2;并考虑了Xiβi在小模型Mi下的Bayes线性无偏估计之和与Xβ在全模型M下的Bayes线性无偏估计之间的相等关系.

一类分块混合效应模型的参数估计(英文)

研究一类分块混合效应模型中部分固定效应向量的估计问题 ,为得到其可行的最佳线性无偏估计 ,提出了一种减约模型 ,并给出了由此减约模型得出的可行估计等于原模型下相应的最佳线性无偏估计的充分必要条件 ,并以实例说明文中结果。

接地网的分块模型及其程序实现

为了将一个大规模接地网拆分为许多相互独立的小规模块分别进行诊断,提出了接地网的分块模型,定义了自治单元、非自治单元、相互关联、块及其原形、块的投影、分区和待求本征支路集合等概念,论述了块的划分原则和块的分类。论述了实现接地网的分块模型的程序流程,建议了一种自治性判断方法。以一个60条支路的实验接地网为例进行了详细说明,表明所建议的方法是可行的。

基于分块极大值模型的商业银行操作风险计量研究

尽管高级计量法由于具有计算精确和节约监管资本等优点而被多数商业银行所青睐,但对于采用哪一种方法来刻画低频高危的操作风险尾部数据却没有一致认识。本文根据巴塞尔委员会关于操作风险计量的原则,采用分块极大值方法和概率加权矩参数估计法,对中国商业银行1990—2009年间的操作风险数据进行了实证。从图形检验和数值检验结果来看,该模型估计的参数具有较高的拟合优度,能够较好地拟合操作风险极端值的尾部分布,为商业银行计量操作风险资本提供了较高的参考价值。

裂解炉辐射室的分块集中模型

采用分块集中方法建立了裂解炉辐射室简化动态模型，提出了借助于外部特性进行分块的原则。

分块线性模型下似然比检验统计量的稳健性

讨论了分块线性模型 AV:y～N( Xβ+ Uγ,σ2 V)下的似然比检验统计量的稳健性问题。并且利用正交投影阵及矩阵的秩的一般理论 ,证明了当 V>0时 ,对于相容检验问题 H0 :Aβ=0 ,其在分块线性模型 AV 下的似然比检验统计量与相同检验问题在模型 AV 的导出模型 M*V:M* V-12 y～ N( M* V-12 Xβ,σ2 M* ) (其中 M* =I- PV- 1 2 U)下的似然比检验统计量之间的相等关系。

改进的多元精馏塔动态分块模型 Ⅰ．模型描述与求解

采用改进的分块方法建立了多元精馏塔简化动态模型，提出了借助于稳态特性进行分块的原则，讨论了旨在提高简化模型精度的一些策略。该模型可用于在线优化与控制的研究。

分块混料模型的最优设计

本文给出了分块混料的最优设计模型 ,此模型只需一个设计方案 ,就能估计出其系数 。

基于随机分块模型的结构脑网络连接优化

针对传统的结构脑网络构建以及分析方法缺乏对网络中连接的可信程度的验证,且在现有的研究中对结构脑网络进行优化的方法存在缺陷,介绍一种基于随机分块模型的算法,对结构脑网络中的连接可靠性进行量化评价,作为基础对网络结构进行优化。利用网络中节点间的模块化结构,以及节点间是否存在连接依赖于节点在网络中起到的作用这两个属性,将节点分为模块,迭代多次,直到节点发挥其最大作用为止。通过与真实网络相比较,验证该方法是否可以应用在结构脑网络。结果表明,在不同的网络稀疏度情况下,使用该算法优化后的网络的正确边的比率,均远高于原有的方法说明该方法对结构脑网络的优化有显著效果。

基于随机分块模型的静息态功能脑网络可信度优化

为了提高静息态功能脑网络可信度,引用基于随机分块模型的网络重构方法对脑网络进行重构。通过网络指标的分析,验证该方法在脑网络中的适用性,找到网络中的虚假边;采用网络最大联通子集的方法来分析虚假边对网络连通性的影响。实验结果表明,该方法可用于脑网络的重构,通过重构可以找到影响脑网络连通性的虚假边,提高了连通性的可信度。

基于自适应分块主元分析模型的提高故障检测与分离（英文）

In chemical process, a large number of measured and manipulated variables are highly correlated. Principal component analysis(PCA) is widely applied as a dimension reduction technique for capturing strong correlation underlying in the process measurements. However, it is difficult for PCA based fault detection results to be interpreted physically and to provide support for isolation. Some approaches incorporating process knowledge are developed, but the information is always shortage and deficient in practice. Therefore, this work proposes an adaptive partitioning PCA algorithm entirely based on operation data. The process feature space is partitioned into several sub-feature spaces. Constructed sub-block models can not only reflect the local behavior of process change, namely to grasp the intrinsic local information underlying the process changes, but also improve the fault detection and isolation through the combination of local fault detection results and reduction of smearing effect.The method is demonstrated in TE process, and the results show that the new method is much better in fault detection and isolation compared to conventional PCA method.