一种结合MDA的高阶模型转换方法

模型转换是MDA的关键技术,也是MDA的研究热点。目前,不同的MDA开发平台都有一套相对独立的开发技术和转换框架,这使平台之间缺乏兼容性,模型转换代码重用困难。究其原因是缺少一种与具体转换语言相对应,且与平台无关的转换规则模型。为了解决以上问题,将高阶模型转换的思想与模型驱动软件开发相结合,提出了一种构造模型转换规则的高阶转换元模型,并以ATL语言为例展示了高阶转换元模型的使用方法;最后通过一个实例验证了该方法的可行性和可用性。该方法提高了模型转换语言的抽象层次,降低了模型转换语言的重用难度,在一定程度上解决了模型转换技术不兼容的问题。

高阶模型的快速图像修补

图像修补是图像复原研究中的一个重要课题。针对总变分模型在修补图像过程中存在的阶梯效应,将高阶偏微分方程(PDE)引入到图像修补中,采用罚方法及交替极小化算法求解该模型。通过仿真实验及结果分析说明该模型及算法的有效性和优越性。

全变分高阶模型的快速去噪算法

全变分模型的图像去噪,虽然能保持图像边缘,但导致阶梯效应。为了去除阶梯效应,提出了全变分的高阶模型。本文将采用交替方向乘子法(ADMM),对该高阶模型进行求解,并对ADMM算法进行改造,在具体数值求解的过程中使用快速傅里叶变换法,通过仿真实验证明该模型的有效性和优越性。

预测视角下双因子模型与高阶模型的模拟比较

双因子模型和高阶因子模型,作为既有全局因子又有局部因子的两个竞争模型,在研究中得到了广泛应用。本文采用Monte Carlo模拟方法,在模型拟合比较的基础上,比较了效标分别为外显变量和内潜变量时,两个模型在各种负荷水平下预测准确度的差异。结果发现,两种模型在拟合效果方面无显著差异;但在预测效度方面,当效标为显变量时,两个模型的结构系数估计值皆为无偏估计;而效标为潜变量时,高阶因子模型表现优于双因子模型:高阶因子模型的结构系数为无偏估计,双因子模型的结构系数估计值则在50%左右的情况下存在偏差。

基于高阶重力场模型的山区高程拟合研究

选用沿海山区GNSS水准点的实测高程异常,分别对近几年国际上公布的EGM2008、EIGEN-6C2、EIGEN-6C3stat、GECO、XGM2019e、SGG-UGM-2这6个高阶重力场模型计算的高程异常进行精度检验,分析不同模型、不同截断阶次模型高程异常精度与阶次的关系,采用基于Kd-Tree算法的二次曲面拟合方法进行山区水准面移去—拟合—恢复。结果表明,利用基于Kd-Tree算法高阶重力场模型进行山区水准拟合精度提高明显,具有较好的适应性。

射流管力反馈两级电液伺服阀的高阶状态空间模型

射流管力反馈两级电液伺服阀常用数学模型为单输入单输出的三阶或二阶简化传递函数模型,其无法描述伺服阀各状态参数的变化且不便于采用现代控制理论的方法进行研究。基于现代控制理论,以衔铁角位移、射流喷嘴位移、射流管阀输出压力、滑阀的阀芯位移为输出,建立了射流管力反馈两级电液伺服阀五阶状态空间模型,不同于传统简化模型,此模型包含了滑阀的黏性阻力和液动力、油液压缩和泄漏、反馈杆弹簧力等多种因素的影响。通过仿真,给出了某型号射流管力反馈两级电液伺服阀的衔铁角位移、射流喷嘴位移、射流管阀输出压力和滑阀阀芯位移的阶跃响应曲线和频率响应曲线,结果显示所建高阶状态空间模型误差较小。

高阶扩散模型在脑胶质瘤中的应用研究进展

扩散成像是一种无创且能准确提供体内水分子扩散运动速率及水分子运动方向的MRI技术。随着MR技术的不断发展,在扩散成像基础上衍生的高阶扩散模型也越来越多,这些高阶扩散模型,为中枢神经系统尤其是脑胶质瘤提供了更多更高级的研究方法。本文将对目前最新的高阶扩散模型在脑胶质瘤方面的临床研究状况予以综述。

基于高阶Markov链模型的风电功率预测性能分析

为了提高短期风电功率预测的精度,提出一种基于Markov链理论的预测算法。该算法直接对风电功率数据进行分析,划分了四种状态空间,并根据状态空间数和建模数据量的不同分别建立一阶和二阶Markov链模型。采用新误差公式NRMSE,给出不同状态空间数和建模数据量下的一阶、二阶Markov链模型预测性能比较结果。进一步给出在选取相同状态空间数、相同建模数据量的情况下,一阶和二阶Markov链模型的灵敏度分析。经实例验证,该算法能有效地提高单点值预测精度,并且给出了与预测值相关的概率分布结果。

含压电片复合材料层合板的高阶计算模型

给出了一种分析含任意内埋压电片复合材料层合板的高阶耦合模型,板的位移场采用三阶剪切理论,并提出了压电片中电势场在厚度方向的三次分布模式,可以更精确地描述力、电耦合作用下电场的非均匀分布。在平面应力的假设下给出了简化的压电材料本构方程,推导了基于该模型的压电层合板有限元计算公式,并对双压电片梁的弯曲和层合板的变形控制进行了计算,压电梁的弯曲计算结果与解析结果吻合良好,表明本文的模型和公式是精确有效的。

压缩机系统高阶Moore-Greitzer模型的动态行为分析

以压缩机系统不稳定现象的MG(Moore-Greitzer)模型为基础提出了其高阶Galerkin扩展形式,并进行了稳定性分析,得到旋转失速和喘振的条件:失速仅受阀门参数的影响,而喘振受阀门参数、稳定性参数两者的综合影响.然后,在压缩机性能曲线为三次曲线的典型条件下,从稳定状态到喘振状态分阶段对系统的动态行为进行数值仿真.结果表明:高阶速度扰动模态波在失速初始阶段严重影响一阶模态波,而在过失速阶段则影响不大;在相同的初始条件下,高阶扩展模型失速发展的速度比一阶模型快了约16%,因此可以更早地检测到失速的发生;高阶模型对初始扰动更加敏感.

面向学习测评的纵向认知诊断模型的泛化性能比较研究

为了研究纵向认知诊断模型适应新数据的能力,该文主要考查3种纵向认知诊断模型在不同类型纵向数据上的泛化性能.这3种纵向认知诊断模型分别为模式级别上的潜在转换分析模型Patt-DINA、属性级别上的潜在转换分析模型Att-DINA和基于高阶潜在结构的sLong-DINA模型.借助被试知识状态的属性判准率、模式判准率、绝对拟合指标和相对拟合指标等4个指标,评价这3种模型的表现.研究结果表明:Att-DINA模型和sLong-DINA模型在大多数条件下更具优势,即泛化性能相对较好,Patt-DINA模型因待估计参数较多而优势较小,但Patt-DINA模型在样本量较大时仍具有优势并且它能估计的知识状态类间转移概率有更大的变化空间.

Ad hoc网络消息传播过程的高阶描述模型

为避免采用随机抽样模型对Ad hoc网络消息传播过程进行定量分析时存在的高估消息覆盖节点数的问题,对现有模型进行修正,提出了一种高阶描述模型.该模型在转发消息时考虑了会对下一次消息转发到达新节点的概率产生影响的2个参数:节点被访问次数和节点度.节点被访问的次数越多,模型的阶数越高.在包含2 000个节点的随机图网络拓扑上的仿真试验结果表明,当消息覆盖的节点数超过1 800时,无论拓扑是否连通,一阶模型和二阶模型对Ad hoc网络消息传播过程的拟合度均优于随机抽样模型.当网络拓扑不连通时,一阶模型和二阶模型仍会高估消息覆盖的节点数;相反,当网络拓扑连通时,两者对仿真结果的拟合度较好,最终误差分别为-7%和-1%.

激光捷联惯导系统高阶误差模型的建立与分析

针对弹道导弹、火箭的工作环境存在剧烈振动的情况,研究了激光陀螺捷联惯导系统在线振动环境下的误差传播特性,指出加速度计二次项误差对导航精度有重大影响,建立了包括加速度计二次项误差的31阶误差模型。为了评价该模型的准确性,设计了静态和线振动仿真实验,将其与不考虑二次项误差的28阶误差模型进行了比较。仿真结果表明:静态时,两种模型准确度相当;当系统工作环境存在线振动时,建立的31阶误差模型比28阶误差模型准确度提高约5倍。

城市快速路高阶流体模型实证研究

在回顾宏观流体模型的发展和分析宏观模型中的高阶流体模型的基础上,利用上海高架快速路实测交通数据,对快速路控制中常用的一种高阶流体模型进行了参数辨识和模型性能分析,验证了模型对于我国城市快速路的适用性;最后给出下一步研究的设想.研究结论可为我国城市快速路的规划、设计、运营和管理提供有力依据和数据支持.

预测视角下双因子模型与高阶因子模型的一般性模拟比较

高阶因子模型本质上是一种特殊的双因子模型,应用中却常被当做双因子模型的竞争模型。已有研究以满足比例约束的双因子模型(此时等价于一个高阶因子模型)为真实测量模型产生模拟数据,比较了用双因子模型和高阶因子模型作为测量模型的预测效果。本文使用不满足比例约束的双因子模型(此时不与任何高阶因子模型等价)为真实测量模型产生模拟数据进行比较,所得结果与满足比例约束的双因子模型的结果有很大差别,双因子模型结构系数的相对偏差较小、检验力较高,但第Ⅰ类错误率略高。结论是,在比例约束条件成立时可以使用高阶因子模型,否则,从统计角度看,一般情况下使用双因子模型进行预测比较好。

基于高阶时空模型的视觉传感网络数据关联方法

数据关联是视觉传感网络联合监控系统的基本问题之一.本文针对存在漏检条件下视觉传感网络的数据关联问题,提出高阶时空观测模型并在此基础上建立了数据关联问题的动态贝叶斯网络描述.给出了数据关联精确推理算法并分析了其计算复杂性,接着根据不同的独立性假设提出两种近似推理算法以降低算法运算量,并将提出的推理算法嵌入到EM算法框架中,使该算法能够应用于目标外观模型未知的情况.仿真和实验结果表明了所提方法的有效性.

梯度加权的高阶变分图像去噪模型

针对现有高阶变分模型不能很好保持边界的问题,引入卷积后的一阶梯度信息作为二阶导数的加权函数,建立了一个新的高阶变分能量泛函,并得到了四阶偏微分方程扩散模型。在加权系数的构造中,在分析经典二阶全变分扩散模型结构的基础上,给出了具有一定边缘保持能力的加权函数设计方案。此加权函数可判断图像局部区域结构,自适应调整扩散速度,有利于在扩散中保留细节。数值实验表明,该模型可以有效去除噪声,消除阶梯效应,避免边界振荡,具有较好的边界保持性质。

激光捷联惯导高阶误差模型参数系统级辨识

为改善高动态环境下激光捷联惯导系统的导航精度,建立了包含加速度计二次误差项和尺寸效应误差项的高阶误差模型,设计了合理的误差激励路径,以导航速度误差为观测量,利用系统级辨识方法对转台实测数据进行辨识,并对比了常规误差模型与高阶误差模型的补偿效果:在900 s动态导航过程中,东向速度误差由原来的15 m/s降低至3 m/s,北向速度误差由原来的10 m/s降低至2 m/s,结果表明基于系统级辨识的高阶误差模型可有效提高系统导航精度。

基于高阶条件随机场模型的改进型图像分割算法

在图像分割中,将条件随机场(CRF)模型及其高阶模型广泛用作能量函数,后者以二阶CRF模型为基础,通过引入高阶势函数反映各分割块内像素标记的一致性,使分割的目标边缘更加精确,但能量最小化的计算效率不理想。针对该问题,提出一种基于鲁棒P^nPotts高阶CRF模型的改进型图像分割算法。根据给定的标记集合运行最大流/最小割算法得到局部最优解,再用局部最优解修改节点的标记,对未确定标记的节点运行α扩展算法,并在每次迭代过程中动态更新图的流和边的剩余容量,使得每次迭代的时间快速减少。实验结果表明,与α扩展算法相比,改进算法在保持原有分割效果的基础上,相同图像的能量最小化收敛速度比原算法快2倍~3倍。

高阶神经网络模型特性研究

研究了高阶神经网络模型阶数和性能之间的关系 .给出了相应的算法和公式 ,并进行了仿真研究 .结果表明 :系统性能的提高并不是简单地与系统阶数成正比 ,对于全互联神经网络模型 ,就存储指标而言 ,只需考虑到四阶相互作用 ,更高阶的考虑对网络性能提高较小而其代价则急剧增大 .