基于粒子滤波的短时正弦信号相位参数估计

针对传统的相位参数估计方法的精度和局部收敛问题,提出了一种基于粒子滤波算法估计短时正弦信号相位的方法,设计了算法流程,研究了粒子数和相似度对参数估计精度的影响,估计了不同信噪比的正弦信号的相位,并与遗传算法和最小二乘法的结果进行了比较分析。结果表明,在信噪比大于20dB时,粒子滤波算法可以更快速、准确地估计出正弦信号的相位。     

城市用水量非线性组合预测方法研究

利用小波网络构造模型的优化组合函数,建立了城市用水量非线性组合预测模型.将非线性组合函数的拟合转化为小波网络参数的估计,采用遗忘因子法训练网络的权值,利用递推预报误差算法训练尺度因子和平移因子.实例表明,该方法具有很强的泛化能力与自适应数据和函数变化的能力,能够有效提高预测精度,克服了线性组合预测方法适应性不强的问题.     

基于改进遗传算法的河流水质模型多参数识别

结合多种群遗传算法和自适应遗传算法,提出基于多种群-自适应遗传算法(MPAGA)水质模型多参数识别方法,实现对河流水质模型参数断面平均流速u、河流离散系数D和污染物降解系数K识别和估计。利用河流示踪剂实验监测数据,分别对美国特拉基河3个不同流量河段作水质模型多参数识别和估计。结果表明,与传统遗传算法(TGA)相比,MPAGA算法对3种不同流量河段水质模型参数估计结果准确和可靠。基于MPAGA水质模型多参数识别方法和分河段水质模型参数估计结果可提高河流水污染预测精度,判定河流水污染危险区域,为保障工农业用水安全提供重要科学依据和技术支撑。     

多维项目反应理论二级评分模型的参数估计

利用DSY算法开发了多维二级评分模型的参数估计程序,推广了该类评分模型的参数估计方法,比较了MCMC和DSY算法,说明了DSY算法能有效估计该类型评分模型的参数,提出了一些有待研究的问题.     

各向异性含水层参数估计的差分进化算法

【目的】通过分析抽水试验数据进行各向异性含水层参数估计,为各向异性含水层参数估计提供新的方法。【方法】以各向同性情况下的泰斯公式为基础,将差分进化算法应用于各向异性条件下含水层参数的估计,并将其计算结果与其他方法的参数估计结果进行比较,对不同初始参数范围下的参数估计值进行分析探讨。【结果】差分进化算法估计的参数值与其他方法估计的参数值之间有较小的差异,相对误差不到4%,且目标函数值相对更小,达到0.003 93;对于不同的初始参数范围,利用该算法均能得到满意的参数估计结果。【结论】基于抽水试验数据估计各向异性含水层参数的差分进化算法估计结果有效且可靠,算法稳定性高,寻优能力强。     

Sacramento模型的多步骤参数估计方法及应用

为了解决传统优化算法在Sacramento模型参数估计中存在早熟、收敛速度慢、容易陷入局部最优和传统求解过程出现模型模拟吻合度较差等问题。对于人工生成的理想水文资料,分别采用SCE-UA算法、并行遗传算法(PGA)、改进粒子群算法(SMSE-PSO)和提出的免疫克隆选择算法(ICSA)进行参数率定,比较结果选出最优算法,同时,将最优算法与多步骤参数估计方法结合进行实测资料的洪水预报,并比较单步骤与多步骤方法的预报效果。结果表明:ICSA收敛结果更好,效率和精度更高,将其与多步骤参数估计结合提高了洪水预报精度。ICSA算法和多步骤参数估计方法结合为Sacramento模型参数估计提供了一条新途径。     

微生物降解动力学参数估计新算法的比较

为了有效地估计较大范围变化的微生物降解动力学参数,发展了基于瞬时精英保护策略的遗传算法(IEPGA)和简单改进遗传算法(IGA),并和多次在参数区间内获取随机初值联用Matlab的lsqnonlin搜寻的算法进行了比较.这些算法利用模拟数据和文献数据,估计了积分形式的Monod模型参数.结果表明,虽然三者均能较好解决这一问题,但考虑到实际运行规模、时间以及最终结果精度,对于较大范围变化的微生物降解参数估计问题,多次(>20次)随机初值联用lsqnonlin的方法相对两种遗传算法更为可行.     

自相似网络流量预测研究

研究发现,网络流量自相似特性具有普遍性,且不随缓冲、交换、传输和延迟而改变,网络流量预测必须考虑这种自相似特性.本文从自相似网络流量的多个方面对现有研究成果进行了分析,从网络自相似的模型、参数估计、性能预测等多个方面对网络自相似流量预测研究进展进行了总结,并提出了一种基于测量的流量自相似等价带宽预测算法.分析表明:该算法能有效地减少计算量和降低实现复杂度.     

用相关系数法估计威布尔分布的位置参数

通过对相关和纱数与位置参数的分析研究，作者提出了一种估计威布尔分布位置参 数的新方法－－相关系数法。并从理论上推导出该法求位置参数的方程。相关系数法精度高，算法简单，解决了在威布尔分布位置参数估计中提高精度与简化算法不能兼顾的矛盾。通过分析表明，位置参数在相关系数最大时的估计值即为最佳估计值。     

一种优化的小波包码分多址系统信道估计算法

在小波包码分多址(WPDM-CDMA)系统中,信道估计对于系统性能提升有着显著的影响,针对WPDM-CDMA 系统最小二乘(LS)信道估计算法信道噪声很敏感问题,提出利用小波包阈值去噪对LS估计的信道响应值进 行处理,以此来减少噪声影响.最后将此算法在3径Rayleigh信道模型下进行了测试,仿真结果表明该算法比传统 的LS估计算法具有更好的性能,能够有效减小信道噪声的影响,提高信道估计精度.     

基于正态平稳的马尔可夫周期流量预测算法

为提高网络流量预测的准确度,提出一种新的马尔可夫流量预测算法。将实际网络流量序列分解为周期序列和正态平稳序列,对正态平稳序列建立马尔可夫模型并对其进行预测,结合预测值和周期序列得到实际网络流量的预测结果。实验结果表明,该算法具有较高准确度。     

基于改进的BP网络的高速公路事件检测

在高速公路交通拥挤状态自动判别(ACI)系统中,高速公路事件检测的精度尤为重要。分析了引起高速公路交通事件的主要因素,提取人、车和环境三者中对交通事件影响比较大的因素的模糊评价值作为输入,然后运用BP神经网络对基本的交通参数进行预测,把预测值和实测值的比值也作为神经网络的输入。为了克服BP网络在学习训练过程中收敛速度慢、容易陷入局部极小的不足,采用了自适应的学习速率和附加动量法,对网络进行训练。最后,将此算法在MATLAB环境中进行仿真。仿真结果表明了算法的有效性。     

抗剪切鲁棒图像数字水印的研究与实现

数字水印是解决信息安全和版权保护的有效方法,为增强其鲁棒性,提出一种结合离散余弦和离散小波的数字图像水印算法:对原始灰度图像进行小波分解,对得到的LL图像按照一定大小进行分块;对每一块进行离散余弦变换,把水印图像经过Arnold置乱后的值嵌入到变换后的系数上;进行逆变换。实验结果表明,该算法能够经受住中值滤波、剪切等的攻击,具有很强的鲁棒性。     

基于深度学习的笼养蛋鸡行为实时检测方法

针对蛋鸡养殖中,传统蛋鸡行为检测操作复杂、分类单一、实时性差的问题,提出一种基于深度学习的轻量型蛋鸡行为检测算法TD-YOLOV3。该检测算法以YOLOV3为基础网络结构,对其进行网络结构压缩,获得轻量型T-YOLOV3网络结构,用以提高系统检测速度;将第一个多尺度预测中的残差模块替换为Dense block,并在网络结构中的第Convolution 5,Convolution 7,Convolution 10,Convolution 12的卷积层之后添加NIN网络中的MLP结构,用以提高检测精度;采用基于K-means算法的聚类维度优化和训练策略优化对本研究的数据集进行训练和测试。试验结果表明,本研究提出的TD-YOLOV3检测算法的平均精准度均值89.26%,检测速度为33帧/s,参数量为55 MB;在同一硬件水平下与YOLOV3和T-YOLOV3相比,TD-YOLOV3在检测速度、精度等方面的综合性能最优,更适用于笼养蛋鸡行为的实时自动检测。     

农机虚拟装配分类检测网络数据集构建方法

目的 虚拟装配在工业中可节约生产成本,提升机械部件生产效率。现有的虚拟现实引擎缺乏自动建立碰撞体功能,无法完整还原实际装配过程中的物理属性;通用化构建零件网格实体是提升虚拟装配实用性、精确性及通用性的重要途径。方法 以批量农机部件为样本对象,设计批量预处理算法及改进采样相关算法,通过构建三维模型样本的图片数据集,训练人工智能分类检测网络,从图片中分类并检测相关参数,实现自动构建碰撞体功能。结果 经过优化算法处理训练得到的分类检测网络从图片分类零件种类的精度在98%以上,从图片检测零件各项碰撞体构建参数的精度在98%以上;未经优化处理训练的网络不收敛。结论 本研究方法可以有效提升人工智能分类检测网络的识别精度及训练效率,结合碰撞体参数化构建程序,可提升碰撞体建模精度。     

基于双通道PCNN的玉米种子机械裂纹检测方法

针对玉米种子机械裂纹检测准确率低的问题,提出一种基于双通道脉冲耦合神经网络(PCNN)模型的数字图像融合方法:1)运用离散小波变换(DWT)、非下采样轮廓波变换(NSCT)分别对预处理后的玉米种子机械裂纹图像进行分解,得到各自的高低频子带;2)对高低频子带系数分别采用不同链接强度的改进空间频率激励的双通道PCNN模型进行融合操作,得到融合后的高低频子带系数;3)通过NSCT反变换得到最终的玉米种子机械裂纹图像.试验结果表明:采用双通道PCNN模型检测玉米种子机械裂纹的准确率为97.2％;图像熵、相关熵、相关系数、均方根误差分别为0.3511、1.7314、0.9835和0.5263,整体优于LoG、DWT、NSCT和PCNN方法;双通道PCNN方法的单张图像的执行时间为14.9007 s,运行时间最长,但效果最优.     

基于小波变换的网络异常检测研究

由于普通的网络流量很难从中检测出异常,为了有效地分析网络流量,深入研究网络流量的性质,本文提出了一种基于小波的分解与重构思想,将网络流量通过小波变换分解成不同尺度下的逼近信号和细节信号,然后分别单支重构成低频序列和高频序列,根据低频序列和高频序列的特性,对异常网络流量进行检测.通过对真实网络流最的仿真实验,结果显示该方法能够比较简单且准确地检测出异常的网络流量.     

P2P应用网络流量特性研究

通过研究P2P网络流量数据,证实了在Maze应用中少量的流和主机产生了大部分的网络流量,但同时也发现同WWW应用和整个链路流量的情况相比较这一现象并不突出.针对流的自相似性分析表明,Maze应用的流到达间隔时间和流到达速率具有明显的自相似特征,但是自相似系数并没有达到很高程度.     

基于ICA和DWT的自适应盲水印算法

为了使数字水印具有较强的鲁棒性和不可见性,提出一种基于独立分量分析（ICA）和离散小波变换（DWT）的自适应鲁棒性盲水印算法.该算法先将载体图像进行小波变换,然后将原始水印进行平铺和置乱,再根据噪声可见函数（NVF）的视觉掩蔽作用,将其自适应地嵌入到载体图像小波变换域的低频系数上,最后利用ICA技术实现了水印盲提取.实验结果表明,该算法的水印不可见性较好,且可抵抗多种常见水印攻击,其中对JPEG压缩、尺度缩放等攻击的鲁棒性较突出,可应用于图像的版权保护.     

基于支持向量机优化粒子群算法的作物生育期ET_0预测

ET0是计算作物需水量、进行农田灌溉管理及区域水资源优化配置的重要依据。为了提高ET0的预测精度,将粒子群(particle swarm optimization,PSO)算法引入到ET0预测中,并用支持向量回归机(support vector machine,SVM)优化参数。PSO-SVM将最高气温、最低气温、相对湿度、平均风速与日照时数输入到SVM中学习,将SVM参数作为PSO中的粒子,把ET0值作为PSO的目标函数,然后通过粒子之间相互协作得到SVM最优参数,对ET0进行预测,并采用PM模型计算值验证。该文以新疆喀什地区为例,通过采用粒子群耦合支持向量机(PSO-SVM)算法训练得到模型,并用10组数据进行预测;最后引用BP神经网络算法和PSO-SVM算法进行了对比,其结果表明,PSO-SVM算法预测准确率较高,预测值与实测值间相关系数达0.682,平均相对误差为3.19%。