当两类样本分布存在差异时,最接近支持向量机(Proximal Support Vector Machine,PSVM)等最小二乘类分类器分类结果将出现偏差,不能实现最小错误率分类.本文在分析PSVM等价广义特征值分解模型基础上,提出了一种改善原PSVM分类决策面的优...当两类样本分布存在差异时,最接近支持向量机(Proximal Support Vector Machine,PSVM)等最小二乘类分类器分类结果将出现偏差,不能实现最小错误率分类.本文在分析PSVM等价广义特征值分解模型基础上,提出了一种改善原PSVM分类决策面的优化样本分布PSVM,其基本思想是通过引入最大化正确分类样本距决策面距离,同时最小化错误分类样本距决策面距离的优化样本分布正则化项,构造优化样本分布PSVM的广义特征值分解模型.通过人工数据集和UCI数据集的10个数据子集上的对比实验,验证了该改进分类模型能够有效调整决策边界,从而获得更好的分类效果.展开更多
无线随钻测量(measurement while drilling,MWD)中泥浆脉冲信号的提取和正确识别是石油钻井施工中的一个关键技术,它决定着石油钻井过程中井眼轨迹是否正确。对泥浆脉冲信号进行了数值模拟,阐明了它的信号特征。针对PLM(pulse location ...无线随钻测量(measurement while drilling,MWD)中泥浆脉冲信号的提取和正确识别是石油钻井施工中的一个关键技术,它决定着石油钻井过程中井眼轨迹是否正确。对泥浆脉冲信号进行了数值模拟,阐明了它的信号特征。针对PLM(pulse location management)编码的泥浆脉冲信号提取和识别问题,采用二次相关去噪算法,对泥浆脉冲信号的噪声去除进行了研究;在此基础上,运用局部特征和波形特征识别相结合算法,对PLM编码的泥浆脉冲信号位置进行了准确识别;为泥浆脉冲信号的提取和准确识别奠定了基础。最后现场试验结果表明:该算法简单实用,符合工程应用要求。展开更多
近年来,鲁棒主成分分析法(Robust Principal Component Analysis,RPCA)被广泛应用到运动目标检测中,但该类方法未能有效利用运动目标的时空连续性先验,容易将动态背景误判为运动目标,且背景恢复精度不高.为此提出一种基于全变分-核回归...近年来,鲁棒主成分分析法(Robust Principal Component Analysis,RPCA)被广泛应用到运动目标检测中,但该类方法未能有效利用运动目标的时空连续性先验,容易将动态背景误判为运动目标,且背景恢复精度不高.为此提出一种基于全变分-核回归的RPCA运动目标检测方法.该方法以RPCA为基础,利用3维全变分模型增强前景的时空连续性,去除动态背景干扰,得到清晰完整的前景.同时,利用基于扩散张量的核回归对背景的时空相关性建模,去除噪声干扰,从而精确恢复背景.在多组公开数据集上的实验结果表明,该方法在动态背景、光照变化等复杂场景中能够较为精确地检测出运动目标和恢复背景.展开更多
针对四旋翼飞行器悬停控制不准确的问题,提出一种基于光流传感器的四旋翼飞行器悬停控制方法。设计了一种基于STM32F407为核心的飞行器主控平台,其中光流传感器模块采用PX4FLOW;为加快计算图像光流场的速度,将VOD(Variance of Differen...针对四旋翼飞行器悬停控制不准确的问题,提出一种基于光流传感器的四旋翼飞行器悬停控制方法。设计了一种基于STM32F407为核心的飞行器主控平台,其中光流传感器模块采用PX4FLOW;为加快计算图像光流场的速度,将VOD(Variance of Difference)块匹配准则的SEA算法应用到采集到的连续帧间图像光流场的计算上;最后采用增量式PID(Proportion Integration Differentiation)控制算法以达到比较精确的悬停控制。实验结果表明:该方法能够有效地提高四旋翼飞行器的悬停稳定性,悬停时在水平方向的控制范围在±10 cm之间,且计算相对简单,能满足实际需求。展开更多
文摘当两类样本分布存在差异时,最接近支持向量机(Proximal Support Vector Machine,PSVM)等最小二乘类分类器分类结果将出现偏差,不能实现最小错误率分类.本文在分析PSVM等价广义特征值分解模型基础上,提出了一种改善原PSVM分类决策面的优化样本分布PSVM,其基本思想是通过引入最大化正确分类样本距决策面距离,同时最小化错误分类样本距决策面距离的优化样本分布正则化项,构造优化样本分布PSVM的广义特征值分解模型.通过人工数据集和UCI数据集的10个数据子集上的对比实验,验证了该改进分类模型能够有效调整决策边界,从而获得更好的分类效果.
文摘无线随钻测量(measurement while drilling,MWD)中泥浆脉冲信号的提取和正确识别是石油钻井施工中的一个关键技术,它决定着石油钻井过程中井眼轨迹是否正确。对泥浆脉冲信号进行了数值模拟,阐明了它的信号特征。针对PLM(pulse location management)编码的泥浆脉冲信号提取和识别问题,采用二次相关去噪算法,对泥浆脉冲信号的噪声去除进行了研究;在此基础上,运用局部特征和波形特征识别相结合算法,对PLM编码的泥浆脉冲信号位置进行了准确识别;为泥浆脉冲信号的提取和准确识别奠定了基础。最后现场试验结果表明:该算法简单实用,符合工程应用要求。
文摘近年来,鲁棒主成分分析法(Robust Principal Component Analysis,RPCA)被广泛应用到运动目标检测中,但该类方法未能有效利用运动目标的时空连续性先验,容易将动态背景误判为运动目标,且背景恢复精度不高.为此提出一种基于全变分-核回归的RPCA运动目标检测方法.该方法以RPCA为基础,利用3维全变分模型增强前景的时空连续性,去除动态背景干扰,得到清晰完整的前景.同时,利用基于扩散张量的核回归对背景的时空相关性建模,去除噪声干扰,从而精确恢复背景.在多组公开数据集上的实验结果表明,该方法在动态背景、光照变化等复杂场景中能够较为精确地检测出运动目标和恢复背景.
