基于改进AdaBoost.M2算法的自动调制识别方法

针对同族调制类型通信信号识别难度大、深度学习模型普遍存在泛化能力弱的问题,基于经典AdaBoost.M2算法,提出改进样本权重的AdaBoost.M2算法,用于解决大样本情况下学习率与加权后样本数据难以相适应的问题。改进后的新样本权重确保训练样本数据的数量级在加权后不变,并使算法更迅速地关注到难分类样本,提高了弱分类器综合性能,降低了加权投票模型中弱分类器重要性之间的差异。针对部分样本的统计特性易淹没于噪声中造成难分类问题,提出随机特征裁剪方法,使算法避免过度关注异常特征,降低了极难分类样本对AdaBoost.M2算法性能的负面影响,提升了算法的泛化能力,并以低信噪比数据进行实验验证。针对调制类型同族信号难分类的问题,选取同族调制类型的通信信号开展模型训练和测试。实验结果表明:相比于单一卷积长短时记忆全连接深度网络(CLDNN)算法,改进AdaBoost.M2算法对低信噪比PSK族类和QAM族类通信信号的测试集准确率分别提高了8.5%和11.25%,相比于直接集成CLDNN的经典AdaBoost.M2算法,测试集准确率分别提高了8.25%和6.5%。

基于改进YOLOv5m的电动车骑行者头盔与车牌检测方法

电动车上路必须佩戴安全头盔已成为交管部门的强制性规定.为了能自动检测出电动车骑行者的头盔佩戴情况,提出一种基于改进的YOLOv5m模型的头盔与车牌检测方法,在检测出骑行者未佩戴头盔的同时还能检测出电动车车牌.模型使用自建电动车骑行者头盔与车牌检测数据集进行训练,用DIOU损失函数代替GIOU损失函数,DIOU_NMS代替加权NMS,增强模型对密集骑行场景的识别能力.在Backone部位与预测中小目标的Neck部位加入ECA注意力机制,使得模型对中小目标的识别率有所提高;用K-means算法对锚框尺寸重新进行聚类.最后,改进Mosaic数据增强方式.实验结果表明:改进的YOLOv5m电动车骑行者头盔与车牌检测模型的mAP为92.7%,较原YOLOv5m模型提高2.15个百分点,较YOLOv4-tiny、Faster RCNN模型分别提高5.7个百分点与6.9个百分点.改进后的YOLOv5m模型能有效提高对头盔与车牌的识别率.

基于逐步搜索EMS算法的M2PL模型潜变量选择

介绍了基于期望模型选择(EMS)算法的多维双参数Logistic(M2PL)模型的潜变量选择方法,并采用逐步搜索的方式对模型选择(MS)步的计算做出了改进.与传统的MS步相比,改进方法计算的子模型个数更少,能够有效提升计算效率.模拟比较显示,改进方法用时更短,且在潜变量选择和参数估计方面具有良好的表现.

基于泰芯TX8M2260的矢量变频器

针对传统矢量变频器成本高、结构复杂等问题,设计了一种基于TX8M2260微控制器的矢量变频器设计方案,该方案充分利用了TX8M2260的高性能低功耗特性以及其特有的硬件加速单元(MDU),并且采用了一种结构紧凑、成本效益高且高度集成化的硬件架构。通过对基于FOC理论的控制算法的实施和对硬件设计的优化,提出的矢量变频器在TX8M2260平台上进行了实现和实验验证。实验结果表明,所设计的矢量变频器成功实现了要求的各项功能,并具有良好的动态性能和稳定性,这进一步证实了这种矢量变频方案的方便有效。

基于重叠区域改进SURF的无人机影像快速匹配算法

针对无人机影像匹配算法因影像信息量大、视场大和地物纹理复杂而导致匹配精度及效率低的问题,以加速稳健特征(Speeded Up Robust Features, SURF)算法为基础,提出了一种基于重叠区域改进SURF算法的无人机影像快速匹配算法。算法主要分为3步:(1)利用无人机影像重叠率计算影像特征点检测提取区域,并在区域内进行SURF特征点检测提取,避免无效特征点影响匹配精度与效率;(2)采用同心圆环8区域模板替换原SURF算法矩形模板,并引入影像色彩信息构建34维的特征描述符,进行特征匹配;(3)采用M估计抽样一致性(M-estimator Sample Consensus, MSAC)算法剔除误匹配点,实现影像的精匹配。实验分析表明,所提算法能够有效提升无人机影像特征匹配正确率及算法运行时间效率。

基于L-M优化算法的BP神经网络的作物需水量预测模型

应用L-M优化算法BP神经网络,通过多维气象数据(太阳辐射、空气温度、湿度)与作物需水量的相关分析,来确定网络的拓扑结构,建立作物需水量的人工神经网络模型。用美国田纳西州大学高原实验室所测的100d气象数据为输入、作物需水量为输出来训练建立好的BP神经网络,仿真表明该神经网络能很好地解决需水量多影响因素之间的不确定性和非线性,模型的预测精度较高,同时通过一组非样本天气环境参数和作物需水量来验证该神经网络,也得到了较好的预测结果,能够满足灌溉的精度要求。

基于快速kurtogram算法的共振解调方法在滚动轴承故障特征提取中的应用

共振解调方法是滚动轴承故障特征提取和故障诊断中最为常用的一种方法。然而传统的共振解调技术存在带通滤波参数(中心频率和滤波带宽)需要人工进行预先确定,其具有很大的偶然性、局限性等缺陷。本文将快速Kurtogram算法用于共振解调技术带通滤波器参数的确定中,并结合共振解调技术成功运用于滚动轴承的故障特征提取,弥补了传统共振解调方法需要人工干预进行带通滤波参数确定的不足,并分别进行仿真和实验来验证该方法的有效性。

交流伺服系统振动鲁棒M/T测速算法

针对使用增量式正交脉冲编码器进行测速的交流伺服系统中M/T测速算法易受电机转子机械振动干扰的问题,提出一种基于假脉冲剔除的M/T测速算法。分析M/T测速算法的实现机理,将机械振动条件下导致速度测量误差的主要原因归结为引起位置量化误差的假脉冲信号。分别采用数字滤波器和方向信号鉴别器对高频和低频假脉冲信号进行抑制,并给出改进后的M/T测速算法实现方案。仿真和实验结果表明:基于数字滤波器和方向信号鉴别器的假脉冲剔除法能够消除机械振动引起的位置量化误差。改进后的M/T测速算法对机械振动具有鲁棒性,且能够在电机整个运行速度范围内给出准确的速度测量值,从而提高了交流伺服系统的速度控制性能。

基于L-M优化算法的喷头射程神经网络预测模型

喷头射程受较多因素影响,各因素之间相互作用,是一个复杂的非线性系统。神经网络能有效地描述非线性模型多输入和不确定的特征。采用Levengerg-Marquardt优化算法对神经网络进行了改进,对获得的数据进行训练,建立了喷头射程预测中喷嘴仰角、喷嘴直径和工作压力的映射网络模型,并模拟分析了喷头射程与其影响因素之间的变化规律。结果表明,用基于L-M算法的人工神经网络预测喷头射程时,不需要建立具体的模型,设计方便、运算迅速、仿真性强、精确度高。

基于m序列的信道编码信息隐藏算法

信道编码信息隐藏技术是一门新兴的信息隐藏技术。该文提出了一种基于m序列的信道编码信息隐藏算法。该算法采用m序列对秘密信息进行伪随机加扰,并利用m序列来选取秘密信息在码字载体中的嵌入位置。实验结果表明该隐藏算法具有较好的不可检测性和较高的安全性。

低频振荡模式在线辨识的最小平均M估计自适应滤波算法

研究了常规最小均方二乘自适应滤波算法应用于低频振荡的基本原理,以及最小平均M估计(least meanM-estimate,LMM)算法的基本原理。首次将LMM算法应用于低频振荡模式的在线辨识,采用新英格兰-39节点系统时域仿真数据和某电网的同步相量装置(phasormeasurement unit,PMU)实测数据对所提方法进行了测试,验证了LMM算法在低频振荡模式在线辨识的鲁棒性和有效性,对稳态类噪声数据和动态数据均可辨识,并能消除异常数据对辨识结果的影响。

M序Walsh变换的快速算法设计

讨论了 Walsh函数系的一种序—逆 Walsh序 ( M序 ) .利用矩阵分解法设计了 4种 M序的快速

一种参数m在线优化的FCM改进算法

采用模糊决策思想对 ＦＣＭ（ Ｆｕｚｚｙ Ｃ－ Ｍｅａｎｓ）聚类算法影响较大的参数 ｍ提出一种在线自适应优化的方法。为了保证参数ｍ的在线优化具有实际意义，必须首先解决ＦＣＭ算法的初值选择问题，在此基础上进行参数ｍ在线优化。它能有效地对数据进行聚类，自适应地决定聚类数目和参数ｍ的最优选择。仿真结果表明此算法具有较好的聚类效果。

GMRES(m)算法在离散不适定问题中的应用

基于投影方法的规划算法——Krylov子空间技术,研究了离散不适定正则化和Krylov子空间广义极小残余算法(GMRES(m))的基本理论,特别是残余向量与Krylov子空间的关系。利用离散不适定正则化方法,将不适定问题转化为适定问题,利用广义极小残余算法对此适定问题进行数值求解。数值结果表明该算法是可靠和有效的。

机器学习AdaBoost.M2算法在砂砾岩流体识别中的应用

由于砾石成分复杂、孔隙结构多样、非均质性强,流体对测井响应的影响远小于岩石骨架,导致常规测井技术识别砂砾岩中的流体比较困难。为此,提出将机器学习AdaBoost.M2算法运用于砂砾岩流体识别中。应用该算法,结合试油、试采资料,将K类多流体类型拆解为K-1个二分类问题,通过多轮迭代得到样本分布,然后调用决策树算法作为弱学习算法自动得到分类器h_t进行判别。将该方法应用于A研究区砂砾岩流体识别中,样本回判准确率为95%,测试准确率达91.5%,证明了该方法的适用性,为常规测井识别砂砾岩流体性质提供了新的方法,对油气开采具有一定的指导意义。

基于MATLAB的GK模糊聚类算法程序设计

针对MATLAB缺乏GK模糊聚类工具,对于GK模糊聚类的应用及仿真十分不便的情况设计了一系列M函数:GK cluster、cluster-norm alize及clustereval,通过这些函数对输入的数据进行规范化处理、模糊聚类并得到聚类结果,最后将这些M函数加入到MATLAB的工具箱中以便直接调用,并用聚类实例表明该程序的正确性、有效性和快捷性。

自适应序贯M估计算法及其性能分析

针对复杂噪声环境下的参数估计问题,提出了一种稳健的自适应序贯M估计算法(Adaptive RecursiveM-Estimation,ARME),并从理论分析和Monte Carlo实验仿真两方面分析了该算法的收敛性、渐进无偏特性和稳健性.理论分析和仿真试验表明:在高斯白噪声背景下,ARME具有与序贯最小二乘算法(Recursive Least Square,RLS)相近的性能;在有突出干扰等非高斯噪声背景下,与RLS相比,ARME的参数估计收敛速度更快,估计误差更小,而且在稳健性上大大优于RLS.

基于FMM的Krylov子空间IGMRES(m)新算法及其应用

研究了Krylov子空间GMRES(m)算法的基本理论,提出一种基于FMM的Krylov子空间截断型IGMRES(m)新算法.给出三物体弹性摩擦接触算例,计算结果表明,所提出算法在保证计算精度的前提下,可以大大减少迭代次数,显著提高计算效率.

基于三元数的三维广义M集表示及其绘制算法

研究了基于三元数的三维广义Mandelbrot集表示方法 .从理论上分析和证明了指数为正整数的三元数映射t←tm+ct,c∈T ,m∈N ,m 2的三维广义M集所具有的性质 .提出了基于周期检测的光线投射体绘制算法 ,根据属于M集的各离散点的周期值来定义其颜色、不透明度和法向量 ,并用Newton Raphson方法来加速光线与M集的求交运算 .用文中提出的体绘制算法绘制了三元数法和四元代数法所构造的三维M集 .实验结果表明 ,与四元代数相比 ,用三元数来构造三维M集具有直观、快速、可控等优点 .三元数法可以进一步推广到其它三维M集和J集的构造 ,从而为三维分形图的生成提供了一个新的有效途径 .

大区域地下水模拟的预优并行GMRES(m)算法研究

大区域研究区由于涉及范围大、水文地质参数复杂多变,一直是进行地下水数值模拟的热点和难点。针对大区域地下水模拟的特点,在MPI环境中对Krylov子空间GMRES(m)算法的并行性进行分析,提出基于区域分解法的并行实现策略,并对不同的预条件子的加速效果进行比较。数值实验结果表明:并行GMRES(m)算法在求解大区域三维地下水模型时可以显著的加快求解速度,且具有较好的可扩展性。另外,Jacobi预条件子与GMRES算法的组合具有更优的加速比和执行效率,是一种求解大型化、复杂化地下水水流问题的可行方案。