基于误差加权的三维双曲线定位算法

为了减小三维空间中对未知节点定位的误差,提高三维DV-Hop算法的定位精度,提出一种基于误差加权和三维双曲线定位的三维DV-Hop改进算法。改进算法首先采用误差加权的方法处理未知节点的平均每跳距离,然后分类选择未知节点与锚节点之间的跳段距离,最后将二维双曲线法扩展到三维空间计算未知节点的坐标。仿真实验结果表明,改进算法在三维WSN环境中可以对未知节点进行有效的定位,平均定位误差和定位精度显著优于三维DV-Hop算法,相较于对比文献也有一定的提升,并且锚节点密度和通信半径对平均定位误差和定位精度的影响较小。

基于误差加权哈希的图像检索方法

图像检索技术旨在大规模图像库中准确、快速地检索与查询图像相似的图像。基于此,对误差加权哈希Error Weighted Hashing(EWH)快速近似最近邻搜索算法进行分析,并将其与Locality Sensitive Hashing(LSH)局部敏感哈希、Multi-Index Hashing(MIH)多索引哈希进行分析比较,然后基于误差加权哈希(EWH)算法构建图像检索系统,设计分段哈希索引的结构以及该系统所需要实现的功能模块。

由闭环极点配置确定误差加权阵Q的一种方法

本文提出了由闭环极点设置确定误差加权阵Q的一种新方法,它将典型控制理论与现代控制理论有机地结合在一起,即从典型控制理论出发,通过设置闭环极点和研究根轨迹,确定二次型指标的误差加权阵Q,从而实现最优控制和状态反馈.

距离误差加权与多通信半径的蝙蝠优化无线网络节点定位算法

传统DV-Hop定位算法存在明显的定位误差,改进的粒子群优化算法由于易陷入局部最优、局部收敛过慢等问题无法满足节点的定位精度要求。针对于此,通过设置跳数阈值优选锚节点以排除异常锚节点对定位精度的干扰;引入多通信半径广播方法修正最小跳数;采用距离误差和跳数归一化思想修正平均跳距;通过利用立方映射均匀化初始蝙蝠种群,引入Levy飞行特征加强算法跳出局部最优能力,使用Powell局部搜索加快算法收敛等三方面改进蝙蝠算法,并利用改进的蝙蝠算法定位未知节点。仿真结果表明,相比传统DV-Hop、BIDV-Hop、GAPSODV-Hop等3种算法,本文改进的定位算法有效降低了定位误差,提高了定位精度。

基于加权预测误差的低复杂度去混响

在音视频会议以及人机交互等应用场景下,设备所采集到的音频信号往往会受到室内混响的干扰,从而降低语音的清晰度与可懂度。基于加权预测误差的自适应去混响算法是目前较为主流的盲去混响算法,该算法能够实时有效地去除混响,然而往往具有较高的计算复杂度。为降低算法的复杂度,通过分块对角矩阵简化原算法中相关的矩阵运算,实验证明,所设计的算法在确保语音质量的同时,降低了原算法的计算开销。

全空间相关矩阵广义加权预测误差算法去混响研究

广义加权预测误差(generalized weighted prediction error, GWPE)算法是一种有效的多通道语音去混响算法,但在麦克风间距较近时去混响效果变差。文章分析了GWPE算法在小间距麦克风阵列下的局限性,即未充分考虑麦克风信号间的空间相关性。据此,研究了全空间相关矩阵的广义加权预测误差(generalized weighted prediction error of full-space correlation matrix, GWPE-FCM)算法,该算法考虑了不同输入通道之间的空间相关性,计算复杂度比GWPE算法略增加。仿真结果表明,GWPE-FCM算法与GWPE算法相比在整体去混响方面效果更好,特别是在麦克风距离较近的情况下。全空间相关矩阵能够更准确地估计输入信号的相关性,使得GWPE-FCM算法在去混响效果上表现更出色。

基于距离加权误差的曲面体位姿调整优化算法

针对大型曲面体装配对接中存在的误差优化,研究了位姿调整中控制点匹配问题和测量误差最小化算法。提出了一种由对接基准面位置决定的距离加权误差计算新模型,研究不同的位姿控制点与基准面的位置关系对制造误差的权重赋值,并对控制点的理论坐标进行预处理,用非线性最小二乘法和高斯—牛顿迭代法求解坐标系转换的七参数最优解。通过实验验证,相比预处理前,该算法有效提高了对接准确度,为机床定位器调姿提供了一种新方法。

测量误差不确定性加权的立体视觉位姿估计目标函数

针对视觉测量过程中配合目标特征点在成像时灰度模式的各向异性且非独立同分布对位姿估计求解的影响,建立了基于特征点测量误差不确定性加权的位姿估计目标函数。利用协方差矩阵描述特征点的方向不确定性,分析成像特征点的不确定性对目标函数的作用权重,并将特征点测量误差的不确定性融入到空间共线性误差函数中,进而构造了基于成像特征点测量误差不确定性加权的新目标函数。该方法适应于特征点测量误差具有不同程度的方向不确定性的情况,最后通过广义正交迭代算法对该目标函数进行迭代优化求解。实验表明,当测量空间为2 300 mm×1 400 mm×1 400mm,采用新目标函数得到靶标重投影后图像坐标的最大误差不超过0.11pixel,立体视觉系统对标准杆的相对测量精度优于0.01%。所得的结果验证了新目标函数的位姿估计精度高、稳定性强,适用于实际的工程应用。

基于加权最小平方误差boosting的人脸检测

近年来Adaboost算法被成功地用于人脸检测中,本文给出了一种基于加权最小平方误差boos-ting算法的人脸检测。首先本方法在每一次循环中用加权最小平方误差准则训练弱假设,与原始Ada-boost算法不同的是弱假设的生成不仅用于预测分类,而且用于估计每次预测的自信率,然后由这组含自信率的弱假设集成构造出强分类器。实践表明基于加权最小平方误差boosting算法的分类器有较高的检测率和较低的正样本误检率。

加权误差:让神经网络更快收敛

区别于神经网络良好的效果,其所需的巨大运算量和运算时间一直为人诟病。本文结合误差定义结合反向传播过程针对图像分类过程进行深入讨论,提出了一种加权误差算法,让神经网络可以有两个通道进行梯度下降。通过两组常见数据的实例检测,加权误差算法具有类似学习率下降的效果,让神经网络可以动态地调整模型对于不同数据的敏感度,加快了收敛速度。并在部分网络中可以得到类似正则化的效果。

基于双向转动因子的加权误差函数最小化逆合成孔径雷达方位标定方法

逆合成孔径雷达(Inverse Synthetic Aperture Radar,ISAR)通常对非合作目标成像.为了实现对目标的精确识别,需要确定目标的二维分辨率.目标的距离向分辨率由发射信号的带宽决定,而方位向分辨率即方位向标定则由相干积累角度决定,因此转角估计对方位向标定至关重要.本文提出了一种基于转动因子的稳定双向加权误差函数的转角估计算法.其首先在距离多普勒算法成像的基础上将图像分为不同的子序列,然后通过双向加权误差函数最小化估计子序列图像间的最优转角,从而实现方位向标定,数值仿真和实际数据处理结果验证了该方法的准确性和鲁棒性.

利用广义指数加权回归估计贝叶斯动态线性模型误差方差矩阵W_t的方法(英文)

本文主要研究广义指数加权回归在贝叶斯线性动态线性模型参数估计中的作用 。

具有最小时间加权平方误差积分的主动队列管理算法ISTE-PI

针对现有基于控制论的主动队列管理（AQM）算法的不足,在不忽略TCP/AQM传递函数模型中时滞环节的条件下,将TCP短流和UDP流作为干扰信号引入AQM控制器的设计过程,并借助最小＂时间加权平方误差积分（ISTE）＂控制方法,设计了一个基于PI控制器的AQM算法ISTE-PI.与现有算法相比,ISTE-PI算法同时具备响应速度快、抗干扰能力强、能用于大时滞网络环境且鲁棒性好等特点.鉴于Internet网络流量由TCP长流、TCP短流和UDP流构成,且是大时滞网络,因此ISTE-PI算法能更好地适应Internet网络环境下的主动队列管理.

基于加权平方误差损失函数的鲁棒TOA源定位算法

针对视距/非视距混合环境下的源定位问题,提出加权平方误差损失函数的鲁棒定位算法(WSE-RS)。当节点处于视距环境,就利用抽样均值构建加权平方误差损失函数;当节点处于视距/非视距混合环境,就利用抽样中值构建加权平方误差损失函数。建立两个场景下加权平方误差损失函数之和最小化的目标函数,并利用高斯牛顿法求解,进而获取源节点的位置。仿真结果表明,提出的WSE-RS算法提高了定位精度,但算法的运算时间较长。

高炉铁水质量均方根误差概率加权集成学习建模

高炉炼铁是一个物理化学反应复杂、多相多场耦合的大滞后、非线性动态密闭系统,其关键质量指标―铁水温度、Si含量、P含量、S含量难以直接在线检测,且离线化验过程滞后严重.针对这一实际工程难题,本文提出一种基于均方根误差概率加权集成学习建模算法,用于高炉多元铁水质量的预测建模.首先,为了提高建模数据质量,对高炉原始数据进行时间粒度的统一、数据归一化等数据预处理操作;为了提高建模效率和降低计算复杂度,采用灰色关联分析法提取与多元铁水质量指标关联度最强的关键变量作为建模输入变量.然后,为了提高建模的精度,提出一种均方根误差概率加权集成随机权神经网络(RVFLNs)算法.该算法采用具有快速建模速度的RVFLNs为子模型,使用核密度估计方法估计出子模型的均方根误差概率密度函数曲线,进而求出每个子模型的均方根误差概率并作为自身权重进行加权求和,得到最终的均方根误差加权集成RVFLNs模型.最后,数值仿真验证和工业试验表明:所提算法能够根据实时输入数据的变化对多元铁水质量进行快速准确的预测.

基于加权预测误差算法的声源定位方法

混响是导致室内声源定位精度下降的主要因素之一。为了降低混响环境下的定位误差,本文应用加权预测误差算法对麦克风阵列信号进行去混响预处理。为了定量分析该去混响方法为声源定位带来的精准度上的提升,我们在多种混响时间、多种白噪声信噪比、两类定位算法和两种阵列参数条件下进行了仿真和实验。仿真和实验结果均表明,与不使用去混响预处理的方法相比,引入去混响预处理可以显著地提升声源定位的鲁棒性,其中在混响时间为1.4 s的仿真环境下,定位误差降低了87%,在实验环境下的定位误差也有不低于50%的下降。

一种加权误差最小化的深度信念网络优化技术

传统的深度信念网络模型缺乏并行有效的算法来确定网络层数以及隐藏层神经元的数目,实验时大多依据经验来选取,这样做不仅使得模型训练困难,且范化能力差,影响实验结果.针对此问题,通过比较重构误差和验证集错误分类率的乘积(加权误差)大小来选取网络层数,网络层数确定后,再根据重构误差使用渐增法或二分法来选择合适的隐层神经元数目,以使整个模型达到最优.实验结果表明,用上述方法确定模型网络层数及隐藏层神经元数目,能有效提高模型分类或预测的精度.

基于加权MMSE方法的中继发射波束成形器设计

针对一个全双工(Full Duplex, FD)双向通信系统提出了中继发射波束形成器的设计问题.该系统的两个源结点配备多根天线,附近的每个中继结点配备两根天线,一根用于传输,另一根用于接收.中继处在有限的发射功率和使用迫零归零技术下,设计了两种具有迭代线性复杂度的中继波束成形器:最小化两个源结点加权均方误差和最大化较小源结点的信噪比.通过对加权总和传输速率和平均运行时间的仿真,数值实验验证了改进加权最小均方误差波束成形器的有效性和高效性.

一种基于加权均方误差系数的评价因子筛选方法

评价因子的筛选一直是统计分析中的热门话题,目前对因子筛选方法很多,如综合指数法、全局主成分分析方法等;这些方法在特定的环境中均得到充分的运用,但是当因子间的相关性较强时,这些方法的分析不理想,如在交通助推农村产业的分析中就得不到与实际相符的结果。为了克服此问题,本文提出了一种加权均方误差系数法;并以贵州交通对农村产业的影响为例进行实证分析。实验结果表明,我们的方法是有效。