基于压缩感知的加速近端梯度下降法

运用图像处理技术对卫星、侦察机和无人机侦察获取的图像进行校正和去噪等处理,可以提高战场环境影像和打击目标图像清晰度,有利于提升战场侦察监视效能。基于压缩感知技术能够以远小于奈奎斯特采样率从少量的测量值中重构出原信号的基本原理,提出了一种基于压缩感知的加速近端梯度下降(DAPG)图像去噪重构算法,并证明了该算法的收敛性。试验结果表明,与4种传统算法相比,该算法重构的图像有效提高了清晰度,其目标特征更加明显。

传感器网络中阈值Nesterov加速梯度下降定位方法

在传感器网络定位问题中,利用接收信号强度RSSI(Received Signal Strength Indication)的定位方法存在着接收信号传播不稳定,定位精度较低的问题。为解决该问题,提出了一种基于阈值Nesterov加速梯度下降NAGT(Nesterov Accelerated Gradient Descent with Threshold)的RSSI定位算法。算法引入Nesterov思想,不断更新寻优动量,以达到损失函数最小,从而求取对应的未知基站坐标,通过增设阈值,降低了算法陷入局部最优的概率。经仿真比较分析,NAGT方法相对于粒子群算法与随机梯度法,在定位精度与效率上有着较为明显的优势。

基于鲁棒控制的自适应分数阶梯度优化算法设计

当目标函数是强凸函数时,一般的分数阶梯度下降法不能够使函数收敛到最小值点,只能收敛到一个包含最小值点的区域内或者是发散的.为了解决这个问题,本文提出了自适应分数阶梯度下降法(AFOGD)和自适应分数阶加速梯度下降法(AFOAGD)两种新的优化算法.受到鲁棒控制理论中二次约束和李雅普诺夫稳定性理论的启发,建立了一个线性矩阵不等式去分析所提出的算法的收敛性.当目标函数是L-光滑且m-强凸时,算法可以达到R线性收敛.最后几个数值仿真证明了算法的有效性和优越性.

姿态解算与外力加速度同步估计算法

针对惯性导航应用中,姿态解算与外力加速度估计互相干扰的问题,提出一种基于四元数和扩展卡尔曼滤波器的姿态解算与外力加速度同步估计算法。首先,利用估计的外力加速度修正传感器加速度数据得到准确的反向重力加速度,再结合地磁场向量通过梯度下降算法解算得到旋转四元数的测量值;其次,构建扩展卡尔曼滤波模型,对旋转四元数和外力加速度进行更新,得到旋转四元数的预测值和外力加速度的预测值;最后,用旋转四元数的测量值和测量得到的加速度数据对预测值通过扩展卡尔曼滤波的方法进行校正,最终得到准确的旋转四元数和参考坐标系下三轴方向上的外力加速度。实验表明,通过扩展卡尔曼滤波同时对姿态和外力加速度估计的方法,能够迅速收敛并准确得机体姿态信息以及外力加速度信息,欧拉角误差为±1.95°,加速度误差为±0.12 m/s^2,并且该算法能有效抑制外力加速度对姿态解算的影响,准确估计外力加速度。

点至平面代数曲线正交投影计算的混合算法

点至平面代数曲线的正交投影计算在计算机图形学、计算机辅助几何设计领域,特别是交互式设计等应用中有着非常重要而广泛的运用.基于牛顿梯度下降法、切线和曲率圆形成中点的中点脚点法,以及混合几何加速正交法的计算方法,提出一种混合算法用于计算点到平面代数曲线的正交投影问题.首先,采用牛顿梯度下降法使初始迭代点落在平面代数曲线上;其次,利用切线和曲率圆所形成的中点作为脚点,再结合牛顿梯度下降法,将落在平面代数曲线上的迭代点逐渐挪动至正交投影点很靠近位置;最后,使用混合几何加速正交法得到正交投影点.采用3个封闭平面代数曲线实例进行实验,通过收敛性计算验证,结果表明当测试点比较远或代数曲线次数比较高时,该算法是鲁棒和高效的.

改进扩展卡尔曼滤波的四旋翼姿态估计算法

为了提高标准扩展卡尔曼姿态估计算法的精确度和快速性,将运动加速度抑制的动态步长梯度下降算法融入扩展卡尔曼中,提出一种改进扩展卡尔曼的四旋翼姿态估计算法。该算法在卡尔曼测量更新中采用梯度下降法进行非线性观测,消除标准扩展卡尔曼算法在线性化时带来的线性化误差,提高算法的准确性和快速性;对梯度下降法的梯度步长进行动态处理,使算法步长与四旋翼飞行器的运动合角速度成正比,增强微型四旋翼飞行器姿态解算的动态性能;对强机动运动过程中机体产生的运动加速度进行抑制处理,消除运动加速度对姿态解算的不利影响,提高了微型四旋翼飞行器姿态解算的跟踪精度。为了验证所设计算法的可行性和有效性,基于STM32单片机搭建四旋翼实验平台系统进行实时在线性能验证。结果表明,所设计算法能提高四旋翼飞行器在强机动、高速运动情况下的姿态跟踪精度、动态性能,增强姿态融合算法的抗干扰性,保证微型四旋翼飞行器的稳定飞行。

运动加速度抑制的动态步长梯度下降姿态解算算法

为了提高微型四旋翼飞行器在强机动、高速运动情况下的姿态解算性能,提出了一种对运动加速度抑制的动态步长梯度下降姿态融合算法.该算法对强机动运动过程中机体产生的运动加速度进行抑制处理,消除运动加速度对姿态解算的不利影响,提高了微型四旋翼飞行器姿态解算的跟踪精度;对高速运动过程中梯度下降法的梯度步长进行动态处理,使得算法步长与四旋翼飞行器的运动合角速度成正比,增强了微型四旋翼飞行器姿态解算的动态性能.为了验证本文所设计算法的可行性和有效性,基于STM32单片机搭建微型四旋翼实验平台系统.实时在线性能实验结果表明,所设计算法提高了微型四旋翼飞行器在强机动、高速运动情况下的姿态跟踪精度、动态性能及增强姿态融合算法的抗干扰性,保证了微型四旋翼飞行器的稳定飞行.

基于RBF神经网络的跌倒检测算法

为了利用便携式可穿戴设备精确监测老年人运动状态,及时识别老年人突发跌倒等意外行为,针对传统算法中阈值设计的经验性、随机性等不足,提出基于径向基函数(radial basis function,RBF)神经网络的跌倒检测算法。通过分析研究人体日常行为和跌倒动作的运动特征,对人体日常运动状态进行分类。运用部署在人体腰部的三轴加速度传感器采集人体运动状态数据,构建关于加速度均值、标准差、极大值与极小值幅度差和极大值与极小值时间差的组合特征向量,采用梯度下降法进行RBF神经网络训练和优化,通过RBF神经网络分类器实现对日常行为和跌倒动作的识别。实验结果表明:基于RBF神经网络的跌倒检测算法在跌倒和非跌倒的分类识别中,准确率、灵敏度和特异性均保持了较高的水平,达到了较好的分类性能。

基于负相关性增强的不平衡多标签学习算法

由于标签空间过大,标签分布不平衡问题在多标签数据集中广泛存在,解决该问题在一定程度上可以提高多标签学习的分类性能。通过标签相关性提升分类性能是解决该问题的一种最常见的有效策略,众多学者进行了大量研究,然而这些研究更多地是采用基于正相关性策略提升性能。在实际问题中,除了正相关性外,标签的负相关性也可能存在,如果在考虑正相关性的同时,兼顾负相关性,无疑能够进一步改善分类器的性能。基于此,提出了一种基于负相关性增强的不平衡多标签学习算法——MLNCE,旨在解决多标签不平衡问题的同时,兼顾标签间的正负相关性,从而提高多标签分类器的分类性能。首先利用标签密度信息改造标签空间;然后在密度标签空间中探究标签真实的正反相关性信息,并添加到分类器目标函数中;最后利用加速梯度下降法求解输出权重以得到预测结果。在11个多标签标准数据集上与其他6种多标签学习算法进行对比实验,结果表明MLNCE算法可以有效提高分类精度。

基于对角递归神经网络的汽车主动悬架控制

为了提高电动汽车行驶平顺性及操纵稳定性,针对电动汽车悬架进行振动分析,建立了七自由度汽车电动主动悬架模型,设计四轮全驱电动汽车电动主动悬架结构及其控制系统.重点针对电动汽车主动悬架特点设计对角递归神经网络(DRNN)控制器,选取车身垂向加速度、悬架动行程和轮胎动行程作为神经网络控制器输入,采用梯度下降法对神经网络权值进行在线调整.仿真结果表明,具有DRNN控制器的电动主动悬架控制效果较PID控制主动悬架和被动悬架有显著提高,有效改善了汽车行驶平顺性及操纵稳定性,也说明所设计的控制策略在电动汽车电动主动悬架控制方面的有效性.

基于社会媒体内容和网络拓扑的特定话题推特摘要研究

推特摘要旨在从话题相关的社会媒体短文本中提炼概要的推文集,以获取有效信息,可用于舆情监控、竞争情报分析及电子商务等.然而社会媒体的海量、嘈杂及不规范性使得仅依赖纯文本的传统摘要方法难以直接迁移到社交媒体情景中;而现有的推特摘要方法很少考虑数据稀疏性和社会网络传播带来的强冗余性,鲜有通过挖掘推文之间潜在的社会网络结构关系进行文摘内容选择,忽略了信息可以沿着社交网络进行传播.受压缩感知及社会学理论的启发,该文提出基于社会网络和稀疏重构的推特摘要方法(SNSR)以更好地融合社会媒体内容和结构信息.首先,挖掘推文中隐含的摘要模式,将其建模为组稀疏正则项,以捕捉代表性的推特摘要组合;其次,建模社会网络中表达一致性与表达传染性为社会化正则项,以探索推文之间的潜在网络结构关系在推特摘要中的作用;再次,建模社会媒体信息传播带来的强冗余性为多样性正则项,进而将这些约束整合到稀疏重构的推特摘要框架中;最后,提出基于Nesterov加速梯度下降的推特摘要算法,以解决推特摘要优化框架中的覆盖性、稀疏性以及多样性等问题.同时,由于推特摘要标准语料的缺乏,作者建设了12个话题的评测数据集.相关的实验结果证明了文中提出方法的有效性.