改进的强跟踪UKF算法及其在INS/GPS组合导航中的应用

针对标准UKF缺乏对系统状态异常的自适应调整能力,导致滤波精度降低的问题,提出一种改进的强跟踪UKF算法。该算法采用假设检验的方法对异常状态进行检测,当系统状态发生异常时,对预测协方差阵引入次优渐消因子自适应的调整滤波增益,实现对系统真实状态的强跟踪。该算法中次优渐消因子的确定无需计算系统模型的雅克比矩阵,提高了传统强跟踪UKF的实用性。将提出的算法应用于INS/GPS组合导航系统进行仿真验证,并与标准UKF进行比较,结果表明,在系统状态存在异常时,提出的带单重次优渐消因子的强跟踪UKF得到的东向、北向位置误差在[-13.7 m,14.9 m]以内,带多重次优渐消因子的强跟踪UKF得到的东向、北向位置误差在[-10.0 m,12.1 m]以内,滤波性能明显优于标准UKF,提高了组合导航系统的解算精度。

分类学习算法的性能度量指标综述

在机器学习的分类问题研究中,对分类学习算法的正确评价是非常重要的。现实中,许多性能度量指标被从不同的角度提出,文中主要介绍了基于错误率的、基于混淆矩阵的和基于统计显著性检验的三大类性能度量指标,详细地讨论了分类学习算法各性能度量指标的提出背景、意义以及适用范围,分析了各种性能度量之间的差异,提出和分析了各方法中有待进一步研究的问题和方向。进一步,通过实验数据横向(每类度量中各方法之间的类内差异)和纵向(3类度量之间的类间差异)对照了各性能度量指标之间的差异,分析了各性能度量指标在分类算法选择上的一致性。

疏失误差及协方差矩阵的调整

给出了检验疏失误差是否存在的符号检验法和游程数检验法。并给出了存在疏失误差时如何调整实验数据协方差矩阵的方法。

两总体的统计检验及其在刑事技术中的应用

文献［3］给出了双样本协方差矩阵检验的统计量λ及其概率密度函数f（λ），但由于f（λ）的计算相当复杂，其分位数表又尚未算出，无法实用，本文采用统计模拟的方法给出了λ的经验分布，由此计算出λ的上100α％分位数表。

结合测量误差的检测多元协方差矩阵的EWMA控制图

目前,带有测量误差的一元控制图显著降低了测量误差对于控制图性能的影响,并在监控实际生产过程时发挥着重要作用.然而由于多元控制图的复杂性,尤其是在协方差矩阵发生漂移情况下,对带有测量误差的多元控制图的研究还有所不足.因此文章结合多元测量误差模型,构建了对监控过程协方差矩阵漂移具有显著优越性的ME-KQE、KME-KQE控制图,并分析了测量误差对于检测效率的影响.最后,文章通过实例展示了其在实际应用中对存在测量误差的数据有较好的监测效果.