具有全局收敛性的盲均衡算法

为了解决传统的自适应均衡技术需发送训练序列的问题,采用盲均衡技术,利用接收信号本身的特征使均衡器收敛。提出了一种新的盲均衡算法(C&D算法),该算法将CRIMNO算法和判决引导(Decision Directed,DD)算法相结合,利用信号序列间的互不相关特性,从而使其具有全局收敛性能。实验结果表明:与CRIMNO算法相比,在相同的信噪比下,该算法具有收敛快速、运算量少和残留误差小的特点。     

基于遗传算法的车用散热器优化设计

选取散热器的散热量、体积和压降作为优化目标,采用线性加权法建立了散热器的多目标优化模型。在给定的散热器原始数据和性能要求条件下,对散热器芯体的外形尺寸和翅片参数进行了优化。介绍了遗传优化算法的执行步骤和流程,在此基础上开发了优化程序。结果表明,优化后散热器的散热量明显增大,散热器芯体的体积和压降也有不同程度的减小。     

反舰导弹目标捕捉概率的动态模拟算法

针对反舰导弹目标捕捉概率的静态模拟法所存在的问题 ,提出并推导出一种全新的方法——动态模拟算法 ,该法比静态法能更准确地模拟计算反舰导弹目标捕捉概率 ,最后分析了该算法的误差。     

武器-目标分配问题的贪心模拟退火算法

针对已有算法解决WTA问题时存在的缺点,提出将贪心机制应用于模拟退火算法解决该问题的思路,即贪心模拟退火算法;通过合理设置模拟退火算法中冷却进度表的各项参数,提高最优解的质量和求解效率。通过在计算机上仿真运行多个战例取得了良好的分配效果,结果表明该算法运算速度较快,结果精度较高,可为作战指挥自动化决策提供科学、有效的支持。     

次级通道估计误差对Fx-Newton算法的影响

Fx-Newton算法在执行过程中需要估计次级通道模型,针对主被动隔振工程应用中次级通道估计存在误差的问题,假设输入信号为正弦信号,建立含次级通道估计误差的Fx-Newton算法结构模型,推导了Fx-Newton算法的稳定性条件,并就相位误差和幅值误差对Fx-Newton算法稳定性和收敛性的影响做了详细阐述。最后对两自由度主被动隔振模型开展仿真研究,验证了理论分析结果。     

基于时间外推的目标跟踪解析算法及其改进*

为了解决解析算法在解算过程中存在的多解问题,提出一种解的确定方法,通过预测传感器发现目标的时间,给出一种时间递进的解的确定过程。最后,借助于Repast仿真平台,对算法进行了仿真,表明解析算法与线性拟和算法相比,具有更好的精度。     

预警机引导战斗机空战目标分配模型

从预警机引导战斗机空战的角度出发,通过对预警机引导战斗机空战过程的分析,确立了战斗机对敌攻击时应具有的优势函数,建立了基于蚁群算法的空战目标分配模型。最后通过具体仿真算例,证明文中给出的蚁群算法模型能够有效地解决预警机引导战斗机空战目标分配问题。     

防空火力单元射击有利度计算方法研究

针对现代防空作战火力分配的实际需要,在确定防空火力单元可射击系数的基础上,对影响防空火力单元射击有利度的指标进行分析,结合防空作战的实际情况,介绍了计算射击有利度的一般步骤。该算法有效克服了传统射击有利度算法的不足,较好地实现了射击有利度的计算。     

A novel facial emotion recognition scheme based on graph mining

Recent years have seen an explosion in graph data from a variety of scientific, social and technological fields. From these fields, emotion recognition is an interesting research area because it finds many applications in real life such as in effective social robotics to increase the interactivity of the robot with human, driver safety during driving, pain monitoring during surgery etc. A novel facial emotion recognition based on graph mining has been proposed in this paper to make a paradigm shift in the way of representing the face region, where the face region is represented as a graph of nodes and edges and the gSpan frequent sub-graphs mining algorithm is used to find the frequent sub-structures in the graph database of each emotion. To reduce the number of generated sub-graphs, overlap ratio metric is utilized for this purpose. After encoding the final selected sub-graphs, binary classification is then applied to classify the emotion of the queried input facial image using six levels of classification. Binary cat swarm intelligence is applied within each level of classification to select proper sub-graphs that give the highest accuracy in that level. Different experiments have been conducted using Surrey Audio-Visual Expressed Emotion (SAVEE) database and the final system accuracy was 90.00%. The results show significant accuracy improvements (about 2%) by the proposed system in comparison to current published works in SAVEE database.     

二次型极小化问题的迭代算法

在新的控制条件下,证明了二次型极小化问题的迭代算法的有效性,所得结果改进了徐洪坤关于二次型优化的最新结果。