【摘 要】
：
本文对于SAR(SimultaneousAutoregressive)特征提出了正则化的计算方法.在通常的SAR特征的计算中使用的LSE(LeastSquareEstimate)方法是不稳定的.已有的理论已经证明正则化方法能够有效地消除计算中因外在噪声或者机器截断误差所造成的不稳定性.提出了三种正则化方法来降低使用LSE来计算SAR特征带来的不稳定性.这些方法包括:标准的正则化方法SR(Stand
【机 构】
：
北京联合大学信息学院,北京100101 北京理工大学电子工程系,北京100081
论文部分内容阅读
本文对于SAR(SimultaneousAutoregressive)特征提出了正则化的计算方法.在通常的SAR特征的计算中使用的LSE(LeastSquareEstimate)方法是不稳定的.已有的理论已经证明正则化方法能够有效地消除计算中因外在噪声或者机器截断误差所造成的不稳定性.提出了三种正则化方法来降低使用LSE来计算SAR特征带来的不稳定性.这些方法包括:标准的正则化方法SR(StandardRegularization),带惩罚的正则化方法PR(PenalizedRegularization)以及基于全变差的正则化迭代方法TVR(TotalVariationBasedRegularization).本文使用Brodatz纹理测试集和不同的分类器(SVM和C4.5)进行了纹理图像分类实验,结果表明正则化方法的稳定性优于LSE方法.
其他文献
研究了基于扩展卡尔曼滤波(EKF)、Unscented卡尔曼滤波(UKF)和粒子滤波器(PF)的非线性随机系统的故障检测与诊断.采用了多模型故障检测,并运用似然比检验方法进行故障模式的分类.在不同噪声环境下,对基于EKF、UKF和PF的非线性随机系统的故障诊断方法进行了比较研究.仿真结果证明了基于PF方法对于非线性、非高斯系统的故障检测与诊断的有效性.
本文探讨了一种基于小波包和模糊模式识别理论的齿轮故障诊断方法.利用db3小波包对实际测量的齿轮振动信号进行4尺度分解分析,然后通过提取特征值(小波包系数方差),确定标准模糊子集和待识别模糊子集,利用模糊理论中的贴近度原则对于齿轮故障的不同阶段进行模糊分类,效果明显.文中还对信号作小波包分析和未作小波包分析后对测试信号分类的效果进行了比较,结果是小波包分析后再对测试信号进行模糊模式识别的准确率明显提
金属磁记忆技术可有效判断套管应力集中区域.利用应力集中区域的最大梯度值可以有效评估铁磁材料的微损伤程度,但是梯度对噪声非常敏感.小波分析具有很好的局部性,在奇异性检测和奇异性定位研究中得到了广泛的应用.基于小波变换的信号奇异性检测理论,提出了突变点模极大值检测条件;求取磁记忆信号的奇异性指数代替梯度,作为特征量评估应力集中量化程度.实验结果证实了该方法的有效性和可行性.
人脸识别技术已成为一种公认的最为方便和安全的身份认证技术.本文讨论了利用三控制要素(两个控制点一个控制斜率)可以实现非线性函数的多项式模糊拟合,利用隶属度函数的归一化贴近度可评价拟合曲线的线性度,并将其应用于人脸图像识别中.首先采用非线性降维算法对人脸图像进行降维,获得性能好的待识别图像数据,然后进行模糊拟合识别.实验结果表明,此方法具有良好的识别性能.
采用模糊控制器选择电压空间矢量,构建基于模糊控制的异步电动机直接转矩控制系统,并利用MATLAB/SIMULINK建立该系统的仿真模型.仿真结果表明采用模糊控制器后,系统转矩响应加快,转矩脉动减小,动静态性能得到改善,鲁棒性得到提高.
传统的支持向量回归(SVR)算法不能很好地处理含有不确定信息的训练数据,为解决这一问题,本文引入数学中区间知识的概念,利用区间数来表征不完整的输入信息,将区间运算引入SVR算法中,进而提出一种对不完整信息进行处理的支持向量回归算法,该算法拓展了支持向量回归算法的应用范围和处理能力,将其应用于网页信息挖掘中的实验表明,该算法在不完整或残缺的网页信息挖掘方面可行而有效,具有现实的推广意义.
针对烧结过程的强非线性、强耦合性及时变时滞特性,融合自适应控制、神经网络和模糊控制的优点,提出了一种模糊神经网络自适应控制方法,并应用于烧结过程终点控制.本文将模糊控制映射到一类神经网络结构中,从而将模糊规则的自组织问题,转化为神经网络的自学习问题;采用辨识模型对烧结过程动态特性进行在线辨识,提高了控制精度和自适应能力.应用结果表明,这种方法能较为准确、快速的反映烧结终点状态,具有较好的自适应控制
信息安全审计系统智能性研究是目前信息安全领域的研究热点,其中模式识别及数据挖掘等技术在信息安全审计上的应用得到了广泛的关注.模糊神经网络作为模式识别的重要方法,具有自组织、自学习和推广能力,将模糊神经网络方法应用于信息安全审计系统中,将使系统既可以对已知不良信息有较好的识别能力,又具有检测未知不良信息的能力.
考虑半Markov控制过程核未知情况下的优化问题,提出一种基于强化学习的在线自适应优化算法.运用基于事件的优化方法,通过建立半Markov控制过程事件驱动的随机切换分析模型,利用此模型的动态结构特性,结合在线学习估计梯度与随机逼近改进策略,导出在线自适应优化算法.该算法不依赖于半Markov核的信息,也无需计算相关状态的性能势,且以概率1收敛到全局最优.仿真实验结果验证了算法的有效性.
文章研究两端固定的n根系列连接的Timoshenko梁系统的镇定问题,假设该系统在连接点处力是连续的但位移不连续.在连接点处设置控制器,观测节点处的力,通过补偿器补偿后反馈回系统,使得闭环系统渐近稳定.通过对闭环系统的频率分析,在一定条件下我们得到闭环系统的Riesz基性质.