自适应参数

摘要： 在机动目标跟踪中,传统当前统计模型卡尔曼滤波算法对弱/无机动目标跟踪精度不高,对突发机动跟踪精度显著下降,且跟踪性能受限于先验参数。针对上述问题,本文提出一种基于机动检测的参数自适应机动目标跟踪算法,算法利用新息的概率分布特性构建双阈值检测门限,依据检测结果进行参数自适应调整。首先,利用加速度预测误差方差信息,自适应调整机动频率、加速度方差,克服模型参数需先验设置的问题,同时提高算法对弱机动目标跟踪精度;其次,在检测到机动后引入渐消因子,使渐消因子的引入时机更合理,增强算法对机动的响应能力。两种典型机动场景下的仿真结果表明,与基于固定参数的当前统计模型的卡尔曼滤波算法相比,本文所提方法能够较好地适应加速度阶跃机动和转弯机动。

摘要： 常用的叠后地震属性主要有相干体(描述波形相似性)、曲率体(表征构造应力引起的地层弯曲程度)、倾角体(刻画地层构造变化特征)等,但仅仅依靠单一属性很难准确地预测地下裂缝分布情况。为此,提出一种基于非下采样剪切波变换(NSST)—参数自适应脉冲耦合神经网络(PA-PCNN)的属性融合裂缝预测方法,该方法基于NSST分解算法,将多种属性数据分解为高、低频子带,将融合后的多尺度、多方向高、低频子带进行数据重构,得到最终的多属性融合结果,可进一步提取裂缝的轮廓及细节信息。具体步骤为:①提取描述相同尺度裂缝的多种地震属性(相干、曲率及倾角等属性),通过NSST将多种属性分解为高、低频子带,其中高频子带包含更多的裂缝细节信息,低频子带可更好地刻画裂缝轮廓且具有丰富的能量信息。②对高频子带运用PA-PCNN模型进行融合,无需人工设置参数,得到更全面的高频数据;结合八邻域的改进拉普拉斯算子加权和与局部能量加权方法对低频子带进行融合,使低频数据更好地保留细节及能量信息,以得到丰富的低频数据。③通过逆NSST方法有效地完成属性融合裂缝预测。运用所提方法对M区属性数据进行测试,并对比了不同方法的属性融合裂缝预测结果,证明基于NSST—PAPCNN的属性融合裂缝预测方法能够更有效地预测裂缝。

摘要： 传统配电网多故障抢修依赖决策人员的主观判断,缺少科学依据,容易出现判断失误,造成抢修资源无法得到合理应用或者不能第一时间恢复供电。为解决该问题,建立了考虑任务分配和抢修顺序的配电网多故障抢修多目标优化模型,设计了自适应参数的非支配排序遗传算法(NSGA)-Ⅱ,得到Pareto前沿后利用基于角度选择的拐点决策算法,在无决策人员参与的情况下能够直接求解出一个相对理想的抢修方案。最后使用Matlab对某镇实际的配电线路进行仿真,仿真分析表明自适应参数的调整策略可以提高种群进化前期的全局搜索能力及进化后期的局部搜索能力,基于角度选择的拐点决策算法可从多个可行方案中直接选择最终的决策方案,减轻决策人员的负担,且适用于实际抢修工作。

摘要： 在去蜂窝大规模多输入多输出(Cell-Free Massive MIMO)系统中,大量接入点(Access Point,AP)同时为多个用户服务的连接方式会导致较大的功率损耗和回程链路开销。为了给用户选出最佳服务AP集合,本文提出了一种基于树种二进制差分进化的AP选择算法。首先,提出基于二进制差分进化的AP选择算法,通过多个个体的进化实现高维数据搜索的全局优化。其次,针对传统二进制差分进化算法容易陷入局部最优的问题,进一步给出基于树种优化的双机制搜索策略,利用搜索趋势(search tendency,ST)实现全局搜索和局部搜索的最佳平衡。最后,通过定义交叉率(crossover rate,CR)自适应递减准则,加快算法收敛速度。仿真结果表明,与现有算法相比,所提出的算法可显著提高系统和速率。

摘要： 传统Voronoi图对大量点集进行Voronoi划分时会产生Voronoi单元格数过多的现象,导致难以适用于地理信息系统、生物医学等诸多领域。为了解决这个问题,提出一种自适应基于密度的聚类算法(Density-Based Spatial Clustering of Applications with Noise,DBSCAN)的Voronoi图。阐述了Voronoi单元合并的现象,证明了其发生的充要条件,提出该Voronoi图的生成算法并进行仿真。通过显微镜下嗜中性粒细胞、我国地表火点数据对算法进行验证,结果表明,该算法能够有效解决点集规模较大时,Voronoi图划分过于细致的问题,突破了传统Voronoi图单点对单点的划分形式。此外,该算法拓宽了Voronoi图在图形图像处理、生物医学、地理信息系统等领域的应用。

摘要： 针对标准萤火虫算法后期收敛速度慢、收敛精度低、易陷入局部最优解的问题,提出了参数自适应策略的改进萤火虫算法,建立了基于改进萤火虫算法的有限元模型修正方法。通过隔代随机吸引度因子扩大了算法搜索路径,提升了算法遍历性,避免计算陷入局部最优;通过自适应步长因子使得算法寻优过程中能随迭代次数逐渐减少随机搜索范围,从而提高收敛速度。单、多峰测试函数计算结果表明,改进算法显著提高了收敛速率与收敛精度;简支梁数值算例与某刚构桥实桥有限元模型修正结果表明,简支梁参数最大误差由初始的66.7%降低至修正后的1.08%,刚构桥频率最大误差由14.47%降低至3.25%。所提方法具有良好的更新精度,适用于大型复杂结构的有限元模型修正。

摘要： 针对传统差分进化算法在求解作战目标分配时存在的参数敏感性高、高维变量求解精度低和易陷入局部最优等缺陷,提出一种改进的多策略协同差分进化算法。以精英种群引导3个等规模种群协同进化,各种群将产生优秀变异体的历史信息作为自学习经验,根据进化程度适应性选择变异策略、缩放因子和交叉概率,从而平衡全局搜索能力和收敛速度。与3种常用算法在8个测试函数上进行实验对比,对最优解的平均值、标准差、Wilcoxon rank-sum检验和胜率进行分析,测试了算法的收敛性和稳定性。以某次联合火力打击为例进行仿真实验,结果表明,算法能够有效解决作战目标分配问题。

摘要： 三维人脸表情合成技术是动画、电影等诸多领域的热点,Waters肌肉模型是常见的表情合成模型。针对传统肌肉模型的不足,提出一种基于改进模型的三维人脸自适应肌肉参数配置方法。在线性肌模型中加入斥力弹簧和边约束,解决肌肉收缩力大时网格出现尖锐突出和拓扑结构被破坏的问题。根据一般人脸和特定人脸的特征映射关系,实现肌肉参数的自适应配置。通过实验证明了该方法合成的表情更具有真实感,且参数配置精度高,时间效率提升。

摘要： 深度卷积神经网络显著提升了单图像超分辨率的性能.通常,网络越深,性能越好.然而加深网络往往会急剧增加参数量和计算负荷,限制了在资源受限的移动设备上的应用.提出一个基于轻量级自适应级联的注意力网络的单图像超分辨率方法.特别地提出了局部像素级注意力模块,给输入特征的每一个特征通道上的像素点都赋以不同的权值,从而为重建高质量图像选取更精确的高频信息.此外,设计了自适应的级联残差连接,可以自适应地结合网络产生的层次特征,能够更好地进行特征重用.最后,为了充分利用网络产生的信息,提出了多尺度全局自适应重建模块.多尺度全局自适应重建模块使用不同大小的卷积核处理网络在不同深度处产生的信息,提高了重建质量.与当前最好的类似方法相比,该方法的参数量更小,客观和主观度量显著更好.

摘要： 为了提高武器-目标分配问题的求解效率和质量,给出一种基于改进海洋捕食者算法的求解策略。首先,给出基于反向学习策略的种群初始化改进方案,初始种群中一半的个体随机生成,另一半个体基于反向学习策略给出,提高了算法的收敛速度;其次,应用基于自适应参数的轮盘赌法对猎物更新方式进行了改进以增强其随机性,以及协调算法全局与局部搜索能力。最后,将其与遗传算法、粒子群算法、蜻蜓算法与鲸鱼优化算法之仿真值进行对比,结果表明:改进海洋捕食者算法具有更快收敛速度、更强的全局搜索能力及更高的稳定性,有望应用于未来战争的指挥决策中。

摘要： 针对自抗扰控制器可调参数多且不易整定的问题,提出了一种用单神经元改进非线性状态误差反馈控制律的算法.利用神经网络的自学习能力,采用一个单神经元构造自适应参数,使参数依据系统误差的变化自动作相应地调整,从而完成参数的在线自整定.仿真结果表明,改进后的控制器调整参数大大减少,而且具有更强的适应性和鲁棒性.

摘要： 本发明公开一种基于图像自适应分解及参数自适应的多聚焦图像融合方法，本发明的实现步骤为：1、构建反卷积神经网络；2、选取多聚焦图像；3、对图像进行自适应分解；4、对低频特征图和高频特征图进行融合；5、重构多聚焦融合图像。本发明对同场景的大小相同的两幅多聚焦图像进行融合，将通过反卷积神经网络自适应得到的高频和低频系数作为待融合图像的最佳分解系数，并将不同方向的高频特征图提取不同方向的空间频率特征输入脉冲耦合神经网络进行融合，突出了图像中的重要特征和边缘细节信息，显著提高了融合后图像的清晰度和对比度。

摘要： 一种示例方法包括：经由视频比特流的第一语法级别对第一去块滤波控制语法元素进行解码，该第一去块滤波控制语法元素具有指定去块滤波信息是否存在于比特流的第二语法级别中的值；经由译码视频比特流的第一语法级别对第二去块滤波控制语法元素进行解码，该第二去块滤波控制语法元素具有指定去块覆盖是否被启用的值；响应于第一去块滤波控制语法元素指定去块滤波信息存在于比特流的第二语法级别中，并且不管第二去块滤波控制语法元素的值如何，经由第二语法级别对指定去块滤波信息的一个或多个语法元素进行解码；以及基于去块滤波信息，对视频数据的块应用去块滤波。

摘要： 提供一种有效进行利用特定条件的学习数据执行了DNN的声学模型的自适应且可提高精度的统计声学模型的自适应方法。在采用了DNN的声学模型的说话人自适应方法中，包括：第1存储装置分别存储不同的说话人的讲话数据(90～98)的步骤；准备按说话人区分的隐藏层模块(112～120)的步骤；在切换选择讲话数据(90～98)的同时，一面用与选出的讲话数据相对应的隐藏层模块(112～120)动态地置换特定层(110)，一面进行针对DNN(80)的所有层(42、44、110、48、50、52、54)的准备性学习的步骤；用初始隐藏层置换已完成准备性学习的DNN的特定层(110)的步骤；和将初始隐藏层以外的层的参数固定，采用特定说话人的声音数据进行DNN的学习的步骤。

摘要： 本发明公开一种基于图像自适应分解及参数自适应的多聚焦图像融合方法，本发明的实现步骤为：1、构建反卷积神经网络；2、选取多聚焦图像；3、对图像进行自适应分解；4、对低频特征图和高频特征图进行融合；5、重构多聚焦融合图像。本发明对同场景的大小相同的两幅多聚焦图像进行融合，将通过反卷积神经网络自适应得到的高频和低频系数作为待融合图像的最佳分解系数，并将不同方向的高频特征图提取不同方向的空间频率特征输入脉冲耦合神经网络进行融合，突出了图像中的重要特征和边缘细节信息，显著提高了融合后图像的清晰度和对比度。

摘要： 本发明公开了一种控制参数自适应和策略自适应的差分进化算法，本发明通过13个100维标准测试函数的仿真测试和在实际优化问题的应用均表明，该算法具有较强的全局搜优性能和较快的收敛速率，并能较好的避免很多传统的智能优化算法存在的“早熟“现象。不仅实现了控制参数的自适应，而且对变异策略的选择也实现自适应。测试仿真结果表明，DE‑CPASA算法具有更高的求解精度和较快的收敛速度。最后，将DE‑CPASA算法应用于Hg氧化动力学参数估计，得到了较好的优化结果。

摘要： 本发明公开了一种基于模型参考自适应的永磁同步电机无速度传感器控制算法自适应率参数整定方法，该方法是通过将模型参考自适应模型及其稳定性条件进行线性化得到系统的开环传递函数，并结合古尔丹法计算出开环系统的截止频率以及相位。然后结合自动控制理论给出开环系统稳定的条件，并在截止频率以及相位裕度不满足相关条件时给出了自适应参数的调整方法。采用本发明可以很好地实现基于模型参考自适应的永磁同步电机无速度传感器控制算法自适应率参数地整定。

摘要： 本公开涉及链路自适应参数指示方法，包括：从链路自适应参数集合中确定链路自适应参数子集；将所述至少一个链路自适应参数发送至终端；在所述至少一个链路自适应参数中确定目标链路自适应参数；根据所述目标链路自适应参数确定指示信息，向所述终端发送所述指示信息。根据本公开的实施例，由于基站不必在链路自适应参数集合中确定需要指示给终端的目标链路自适应参数，而是可以从链路自适应参数集合中确定链路自适应参数子集，进而在这至少一个链路自适应参数中选择目标链路自适应参数指示给终端，指示信息所需占用的比特数就减少了，节约了通信资源。

摘要： 一种视觉媒体处理方法，包括：使用自适应环路滤波器(ALF)执行视觉媒体数据的当前视频块和该当前视频块的比特流表示之间的转换，其中，该比特流表示根据格式规则配置，该格式规则规定在比特流表示中包括表示ALF滤波器是否应用于当前视频块的一个或多个语法元素，该一个或多个语法元素是基于自适应参数集(APS)或基于固定滤波器集来确定的。

摘要： 对视频数据进行解码的方法，所述方法包括从针对其为图片、切片、瓦片或瓦片组中的一者或多者中的亮度块启用自适应环路滤波的视频比特流中解码用于指示针对亮度块的自适应参数集的数量的第一语法元素；基于针对亮度块的所述自适应参数集的数量，来对针对亮度块的多个第一自适应参数集索引进行解码；以及从针对其为图片、切片、瓦片或瓦片组中的一者或多者中的色度块启用自适应环路滤波的视频比特流中解码针对色度块的第二自适应参数集索引。

摘要： 本发明公开了一种基于模型参考自适应的永磁同步电机无速度传感器控制算法自适应率参数整定方法，该方法是通过将模型参考自适应模型及其稳定性条件进行线性化得到系统的开环传递函数，并结合古尔丹法计算出开环系统的截止频率以及相位。然后结合自动控制理论给出开环系统稳定的条件，并在截止频率以及相位裕度不满足相关条件时给出了自适应参数的调整方法。采用本发明可以很好地实现基于模型参考自适应的永磁同步电机无速度传感器控制算法自适应率参数地整定。