基于自适应指数哥伦布编码的图像压缩算法

在徐勇等人提出的适用于硬件的低复杂度算法的基础上,提出了一种基于自适应指数哥伦布编码的图像压缩算法来进一步提高压缩性能.首先,对图像进行4级5/3小波变换;根据小波变换后的子带数据进行建模,得到最佳量化步长.然后,采用JPEG_LS算法预测量化后的IL子带,并对各个子带数据进行零游程编码.最后,对零游程编码得到的数据进行自适应指数哥伦布编码.实验表明：当比特率大于0.25 bpp时,本算法略好于徐的算法;当比特率小于0.25bpp时,本算法重构图像的峰值信噪比较徐的算法高0.2～2 dB.结果显示,本算法不仅提升了压缩性能,而且由于指数哥伦布编码级数更新模型复杂度很低,完全可以用硬件实现.

基于质心和自适应指数惯性权重改进的粒子群算法

针对粒子群优化(PSO)算法易出现早熟收敛及寻优精度低等问题,为提高粒子群优化算法寻优能力,提出了一种基于质心和自适应指数惯性权重改进的粒子群优化算法(CEPSO)。首先,使用各粒子的适应度计算权重系数;然后,分别使用各粒子当前位置和迄今为止最优位置构造了加权的种群质心和最优个体质心,使用平均粒距来度量群体状态,并依据群体状态设计了分段指数惯性权重;最后,结合使用分段指数惯性权重和双质心调整了粒子速度更新公式。仿真结果表明,CEPSO能增强寻优能力,并具有较强的稳定性。

基于质心和自适应指数惯性权重改进的粒子群算法

针对标准粒子群优化算法易出现早熟收敛及寻优精度低等缺陷,提出一种基于双质心和自适应指数惯性权重的改进粒子群算法(DCAEPSO)。算法使用粒子搜到的最优解和当前解构造加权的种群质心和最优个体质心,结合使用自适应指数惯性权重调整了速度更新公式。通过几个典型测试函数仿真及Friedman和Holm检验,实验结果显示DCAEPSO比其他粒子群算法寻优能力强。

自适应指数加权互信息配准医学图像的测度及相应算法

为配准医学图像,本文提出了一种新的自适应指数加权的互信息(Adaptive Exponential Weighted Mutual Informa- tion,AEWMI)测度,分析表明:通过对互信息(Mutual Information,MI)测度进行指数加权可以提高测度曲线的峰值尖锐性和平滑性;而指数的权值则可以通过评估待配准图像的质量和分辨率大小来自适应确定。仿真实验结果在验证分析结果的同时也表明,基于本文AEWMI测度的配准方案,对图像噪声、分辨率差异等有较高的鲁棒性,且可有效地提高配准的成功率。

崔柯—利茨自适应指数平滑法在医院管理中的应用探讨

目的 探讨崔柯—利茨自适应指数平滑法预测模型在医院管理中的应用价值。方法 由于医疗保障制度改革的影响,某医院2003~2004年门诊诊次数据出现了陡然下降的剧烈变化,其时间序列呈阶梯型。采用崔柯—利茨自适应指数平滑法对该院2008年门诊诊次进行统计预测。结果 利用该院1998~2007年门诊诊次数据建立预测模型,当时间序列急剧变动时,崔柯—利茨自适应指数平滑法建模所得预测值能够较快跟上时间序列的变动。本模型预测该院2008年门诊诊次为25.67万人次,2008年实际值为26.45万人次,绝对误差0.81万人次,相对误差2.95%,预测效果满意。结论 崔柯—利茨自适应指数平滑预测模型适用于数据结构发生剧烈变化的时间序列的统计预测,特别适用于阶梯形数据,是可供医院统计预测选用的模型之一。

依据智能交通的PHEV自适应指数模型预测控制

为了降低插电式混合动力汽车使用成本,提出了基于智能交通系统的自适应指数模型预测控制策略。介绍了PHEV混合动力系统及工作模式,建立了动力系统关键部件模型;提出了带SOC参考轨迹的自适应指数模型预测控制方法,在模型预测方面,使用支持向量机识别车辆行驶工况,根据行驶工况自适应调整指数模型,实现了车辆状态高精度预测;在SOC轨迹规划方面,使用智能交通系统实时获取交通信息,基于DP算法规划预测时域内SOC轨迹。经实验验证,相比于理论最优控制,基于实时交通信息的自适应指数模型预测控制方法实现了96.22%的使用经济性,无交通信息参考的模型预测控制只能实现84.34%的使用经济性,说明这里提出的控制方法可以实现很高的使用经济性。

自适应指数加权移动平均指数控制图设计

现代制造过程中,某些产品的不合格率非常低,这类过程通常称为高质量过程,此时过程中相邻不合格产品之间的时间间隔服从指数分布。为了监控这类高质量过程,文章提出一种自适应指数加权移动平均(AEWMA)指数控制图。仿真结果表明,此控制图的平均运行链长(ARL)与Shewhart控制图、指数加权移动平均(EWMA)控制图相比具有优越性,尤其对整个区间内的偏移具有较好的检测性能。

基于自适应指数蝙蝠和SAE的并行大数据分类

为解决深度学习进行大数据分类时效率低的问题,本文提出一种基于自适应指数蝙蝠和堆叠自编码器(SAE)的并行大数据分类方法.在并行计算框架中,Map阶段使用自适应指数蝙蝠算法进行特征选择,自适应指数加权移动平均值蝙蝠算法(AEB)由指数加权移动平均值(EWMA)和自适应权重策略得到.将选择的特征作为Reduce输入进行大数据分类,Reduce阶段使用AEB算法训练的深度堆叠自动编码器(SAE)进行分类,进一步提高了分类精度.实验结果表明,针对不同的训练数据百分比,本文所提方法在准确度和真正例率(TPR)性能方面优于其他现有方法.

自适应指数平滑模型预测区域经济研究

三次指数平滑法预测区域经济时 ,平滑参数为一常量 ,这与实际不符 ,容易使预测结果误差偏大 ,甚至严重失真。本文在深入剖析指数平滑模型缺陷的基础上 ,对其进行改进 ,建立了自适应指数平滑模型。实践证明 ,该模型能够更好地反映区域经济发展的动态特性 ,提高预测的精度。

自适应单指数平滑法在短期交通流预测中的应用

短时交通流预测是实现交通规划和管理的关键技术之一.指数平滑法因其计算过程简单,需要观测数据较少等优点,在短时交通流预测中获得了广泛的应用,但其平滑系数缺乏有效的选取方法.本文提出了一种自适应单指数平滑法,通过近似动态规划方法的引入,结合实际交通流数据对指数平滑系数进行优化,使其随预测过程自动更新,从而保证了预测的实时性、准确性.严格的理论推导证明了这种预测方法的收敛性,仿真结果验证了算法的有效性.

桥式吊车耦合无模型自适应滑模跟踪控制

为解决不确定性条件下桥式吊车系统与其数学模型失配而导致控制器设计困难的问题,提出一种基于目标轨迹的增强耦合无模型自适应滑模跟踪控制策略。具体而言,将PD控制器替代传统滑模控制器中的等效控制部分,使得控制器设计无需依赖于精确的数学模型等先验信息。设计新型自适应指数趋近律来解决传统滑模控制引起的收敛速度慢和系统抖振问题。通过设计广义信号来增强小车运动与负载摆动之间的耦合关系,从而提升系统暂态控制性能。最后利用Lyapunov理论和Schur补引理严格论证了闭环系统的渐近稳定性,仿真结果验证了所设计控制器的良好性能和对不确定性因素的鲁棒性。

拥堵指数自适应调节的交通运行状态识别方法及应用研究

拥堵指数是客观评价城市交通运行状态的有效指标。针对当前拥堵指数模型中对交通畅行速度时空特性考虑不足的问题,本文在车辆定位与路网时空匹配数据的基础上,引入概率密度分段原理对车辆速度进行距离和时间分段,建立了具有自适应调节能力的拥堵指数模型,用于城市交通运行状态的分类与识别。以厦门市节假日浮动车辆定位数据为例,仿真分析了拥堵指数模型在复杂道路和城市交通中的适用性,并揭示了城市交通运行状态的变化规律。分析结果表明:拥堵指数模型能有效区分道路的空闲和繁忙时段,并依据对应时段的畅行速度进行自适应调节;针对复杂互通立交和专用共线道路,拥堵指数计算结果相较传统方法平均提升了6.5%和3.2%;厦门市交通为单一晚高峰拥堵形态,平均拥堵指数介于1.0~3.0之间,拥堵时间为16:10-21:00,空间分布集中在厦门市进出岛方向的主干道枢纽位置,以及厦门岛内东西走向主干道。该项研究对于快速建立不同城市及具有特殊时段需求的交通运行识别方法起到积极作用。

基于自适应单指数平滑法的矿井防尘用水量预测

煤矿井下防尘用水量是矿井防尘供水管网优化设计和可靠性评价的基础参数,分析实测防尘用水量,发现用水量周期性变化规律,进而预测下一周期的防尘用水量,对于矿井防尘供水水源规划、供水优化调度、供水系统改造、评价供水管网系统可靠性具有重要意义。为实现矿井防尘用水量的准确预测,建立了自动调整平滑参数的单指数平滑法预测模型,并以开滦集团钱家营煤矿防尘用水量实测数据为例,验证了应用模型进行矿井防尘用水量预测的有效性。

基于数据间内在关联性的自适应模糊聚类模型

提出了一种新的模糊聚类模型(Fuzzy C-means clustering model,FCM),称为自适应模糊聚类(Adaptive FCM,AFCM).和现有的大多数模糊聚类方法不同的是,AFCM考虑了数据集中全体数据的内在关联性,模型中引入了自适应度向量W和自适应指数p.其中,W在迭代过程中是自适应的,p是一个给定参数.W和p共同作用调控聚类过程.AFCM同时输出三组参数:模糊隶属度集U,自适应度向量W,以及聚类原型集V.本文给出了两组数据实验验证AFCM的性能.第1组实验验证AFCM的聚类性能,以FCM为比较对象.实验表明AFCM可以得到更好的聚类质量,而且通过合理选择自适应指数p,AFCM和FCM在时间复杂性上保持同一水平.第2组实验检验了AFCM的离群点挖掘性能,以目前常用的基于密度的LOF为比较对象.实验表明AFCM算法具有极大的计算效率优势,且AFCM得到的离群点是全局的,反映的是离群点和整个数据集的关系,离群点涵盖的信息也更丰富.文章指出,AFCM在挖掘大数据集和实时数据中的离群点应用方面,以及获得高质量的聚类结果的应用方面,特别在聚类的同时需要挖掘离群点的应用方面具有独特的优势.

基于新型指数趋近律的终端滑模导引律

为使得终端滑模导引律的收敛效果和制导精度更高,文中提出一种新型的自适应变指数趋近律用来设计滑模控制律,并针对滑模控制律中各个参数对弹道的影响做了分析。仿真结果表明:在文中设计的新型自适应变指数趋近律下,系统在趋近滑模面过程中能有效削弱抖振,在逼近滑模面时能消除抖振;通过大量试验得到了最优制导参数,此最优参数下的制导律比传统滑模控制导引律的制导精度更高。

基于改进YOLOv7-tiny的道路病害检测算法

针对目前道路病害检测方法参数量较大、小目标病害检测效果差且易出现误检、漏检的问题,提出一种基于改进YOLOv7-tiny的道路病害检测算法。引入深度可分离卷积(DSC)和无参注意力机制(SimAM)设计ELAN-SimAM-D结构,减少计算量和参数量以实现轻量化,同时加强模型的特征提取和特征融合的能力;引入自适应指数加权池化和自适应融合设计SPPAda结构作为空间金字塔池化结构,增强道路病害信息的保留程度,降低病害的漏检;新增P2小目标网络层,加强对较小目标病害的检测能力,提高模型的检测精度;设计新的损失函数NWD-EIOU替换原CIOU损失函数,提高小目标定位的精度。实验结果表明,相较于原始的YOLOv7-tiny算法,改进后的YOLOv7-tiny算法在自建实验数据集下mAP@0.5达到83.14%,提升了3.50%,召回率上提升了4.96%,模型的参数量降低了33.84%,能够满足道路病害检测的需求。

一种新型永磁同步电机高阶滑模控制算法

针对永磁同步电机控制系统易因外部扰动等不确定性影响而导致控制性能下降的问题,提出了一种基于改进自适应非奇异终端滑模控制器和滑模扰动观测器补偿技术的复合控制算法。选择新型自适应指数趋近律设计非奇异终端滑模转速环控制器,新型趋近律可以在保证减少抖振的同时保证控制系统能够快速收敛,可动态适应被控系统的变化;利用扩展滑模扰动观测器实时估计系统中不确定性参数,并对控制器进行前馈补偿,且通过Lyapunov函数证明了其稳定性。仿真和试验结果表明,与PI控制、传统滑模控制方法相比,所提方法有效改善了抖振问题,提高了控制系统对电机的控制精度,提升了系统的鲁棒性和抗干扰性能。

融合对抗网络和维纳滤波的无人机图像去模糊方法研究

针对无人机(UAV)测量中出现的运动模糊问题,尝试将DeblurGANv2网络引入到UAV测量模糊图像的恢复任务中,并设计一种自适应指数移动平均损失函数(Adaptive Exponential Moving Average Loss Function, AEMALF),又将维纳滤波后的图像存在振铃效应进行高频抑制并通过色彩映射等方法恢复原图像部分细节,建立了模拟仿真的UAV测量运动模糊图像数据集。提出了一种改进的对抗网络DeblurGANv2算法和配合维纳滤波预处理的图像去模糊方法。实验结果表明,相较于同类算法,所提算法更能充分挖掘图像多尺度特征,恢复的图像平均峰值信噪比(Peak Signal to Noise Ratio, PSNR)和平均结构相似性(Structural Similarity, SSIM)均有显著提高。

极端工况下永磁同步电机改进非奇异终端滑模控制

针对永磁同步电机控制系统性能易受参数变化、外部扰动等不确定性因素影响而下降的问题,设计了一种转速环改进型非奇异终端滑模控制方法。首先,建立永磁同步电机的数学模型;然后,采用改进型指数趋近律与非奇异终端滑模面相结合设计控制器;同时,利用扩展滑模扰动观测器估计系统中不确定性参数,并通过Lyapunov函数证明了其稳定性;最后,通过仿真实验对所提出的控制方案的有效性进行了分析验证。结果表明,与PI控制和传统NTSMC方法相比,该方法在保证快速收敛的同时明显削弱了抖振现象,具有一定的鲁棒性和抗干扰性。

基于AVL数据的公交到站时间实时预测模型

公交车辆到站时间预测是公交信息服务、公交动态调度的关键参数。基于实时和历史的公交车辆自动定位数据(AVL)需求分析,将公交车辆到站时间划分为站点停靠时间、区段全程运行时间和区段部分运行时间,分别采用点估计法、BP神经网络法和自适应指数平滑法对其进行动态预测。最后结合实验线路公交车辆的AVL运行数据,对预测模型进行了验证和评价分析。研究结果表明:本预测模型由于将历史数据规律和实时交通状况进行了有效融合,从而提高了公交到站时间预测的鲁棒性和预测精度。