基于约束误差不变的高光谱图像端元优化模型

线性混合模型(linear mixture model,LMM)在端元提取中起着至关重要的作用.在LMM假设下,理想的端元提取效果需要重建误差最小.但是在实际的高光谱数据集中噪声是不可避免的,单纯追求重建误差最小化可能会导致最终结果偏离真实端元.为平衡重建误差与噪声的影响,使用几何优化模型计算重建误差,通过约束重建误差...     

基于低秩和一维稀疏矩阵分解的多通道SAR-GMTI方法

多通道合成孔径雷达地面运行目标指示(synthetic aperture radar-ground moving target indicator,SAR-GMTI)系统的数据按一定方式重组并处理后,可认为是由表示地杂波的低秩矩阵、表示运动目标的稀疏矩阵和表示噪声的矩阵这3部分组成.但已有的基于矩阵分解的GMTI方法,...     

基于非负稀疏编码和RBPNN的掌纹图像识别方法

主要探讨了一种新颖的基于非负稀疏编码（NNSC）和径向基概率神经网络（RBPNN）模型的掌纹图像识别方法。使用NNSC算法可以成功地提取掌纹图像的特征,利用RBPNN模型可以有效、快速地实现掌纹图像的分类。与RBFNN和BPNN模型相比,实验结果表明RBPNN模型具有更高的识别率和更好的分类能力。     

基于改进蚁群算法的船舶多约束最优航线设计

为提高船舶航线经济性,基于电子海图显示与信息系统(electronic chart display and information system,ECDIS),分析影响航线设计的各种因素,建立航线设计网络模型。将改进蚁群算法的基本原理应用于船舶航行路径搜索中,提出一种多约束条件下航行综合成本最低的最优航线生成算法。仿真试验证明,该算法是可行的,且具有动态寻优的特点,将其应用于多约束条件下的最优航线设计是合理的。     

矩阵广义逆的Urquhart型表达式

设A∈Cm×nr,子空间T Cn,S Cm且dimT=dimS⊥=t≤r。在AT S=Cm条件下,适当地选取矩阵U和V,文[2,4,5]中给出了广义逆A(2)T,S的Urquhart型表达式A(2)T,S=U(VAU)-1V,其中R(A(2)T,S)=R(U)及N(A(2)T,S)=N(V)。本文用矩阵满秩分解的方法,给出了A ,A M,N,Ad,Ag,A(-1)(L),A( )(L),和Ad,W等A的多种广义逆的类似的表达式。     

基于蚁群智能的物流配送系统车辆线路优化算法

针对当前蚁群算法中存在的计算时间长、易出现停滞或局部收敛的缺陷,为大型物流配送系统提出一种新型的基于蚁群智能的车辆线路(Vehicle Routing Problems,VRP)优化算法——AntProber．AntProber算法借鉴选择窗口的思想并加以改进,引入依概率动态自适应调整的候选可行解链表(Candidates List,CL)机制,设计一种新颖的概率转移规则,并在此基础上提出一种智能信息素更新策略．仿真结果表明,AntProber算法具有快速、高效的全局搜索性能和良好的可扩展性,可较好地解决加速收敛与局部停滞之间的矛盾．     

基于NSGAⅡ的带时间窗生鲜品配送路径优化

考虑到生鲜品的易腐性、高时效性和对运输环境要求高的特点,为减少生鲜品配送企业的配送成本,提高客户满意度,在车辆载重、时间窗、生鲜品保质期等约束条件下,提出将配送总成本最小化和生鲜品新鲜度最大化的多目标车辆路径优化模型。利用改进的非支配排序遗传算法(non-dominated sorting genetic algorithmⅡ,NSGAⅡ)对模型进行求解。求出满足配送总成本最小和生鲜品新鲜度最大的相对较优解,证明模型的有效性。该模型在大规模配送和客户地理位置分布较为分散的情况下,对生鲜品新鲜度的优化较为明显。     

基于粒子群算法的卫星任务地面站资源调度方法

针对卫星数传、测控任务的地面站资源调度问题,提出一种结合启发式方法的粒子群改进算法,对卫星的数传、测控任务进行一体化调度。首先分析卫星任务及地面站资源的约束条件,建立基于启发式规则的约束满足模型,筛选出较优的初始种群,然后设计一种结合启发式规则的粒子群算法求解。仿真对比实验表明,相对于常规调度算法(如遗传算法),粒子群算法具有较好的寻优能力和收敛速度;相对于传统粒子群算法,结合启发式方法的粒子群改进算法具有更好的寻优能力、收敛速度和稳定性。     

基于对数正态分布代入法的布莱克—斯科尔斯模型的研究

根据正态分布的特性和证券价格自然对数的变化特征,先推导出一个具有普适价值的对数正态分布公式,然后结合期权定价的特征,导出了布莱克—斯科尔斯期权定价公式。此方法笔者将之命名为对数正态分布代入法。与随机偏微分方程方法和鞅方法相比较,这种方法对数学的要求并不高,只需掌握常规的概率论知识即可,因此它简单易懂,便于理解接受。     

一种新的基于FrFT的动目标测速和定位方法

使用分数阶傅里叶变换(FrFT)进行SAR动目标测速的传统计算方式是二维搜索,即遍历所有的旋转角度进行FrFT计算,在二维平面内搜索峰值获得最优解。该方法需要在计算精度和计算量之间权衡。提出一种基于时频平面几何信息的动目标测速和定位方法,首先计算两个不同角度下的FrFT及其投影长度;然后利用时频平面内的几何关系,计算动目标的最优旋转角;最后计算最优旋转角下的FrFT,并对动目标测速和定位。值得注意的是,通过选择关于π对称的两个旋转角度,可以进一步抑制杂波。综上,该方法具有速度快、参数估计精度高的优点。通过仿真实验和真实数据实验,验证了提出方法的有效性和优越性。     

一种基于自修改代码技术的软件保护方法

提出一种基于自修改代码(SMC)技术的软件保护方法,该方法通过将关键代码转换为数据存储在原程序中,以隐藏关键代码;受保护的可执行文件执行过程中,通过修改进程中存储有隐藏代码的虚拟内存页面属性为可执行,实现数据到可执行代码的转换. 实验证明,此软件保护方法简单,易实现,可以有效提高SMC的抗逆向分析能力.     

基于新鲜度和配送成本的易腐食品配送路径

为解决企业在制定易腐食品配送计划时难以权衡配送总成本与交付产品的新鲜度的问题,建立以配送总成本最低和交付产品平均新鲜度最大为目标,带时间窗的易腐食品配送路径规划模型。采用自适应差分进化(differential evolution,DE)算法求解模型,通过数值算例验证模型和算法的有效性。与基本DE算法和基本蚁群算法的求解结果进行对比,自适应DE算法的求解结果更优,收敛速度更快。求得的帕累托解集表明配送总成本与交付产品平均新鲜度相悖,增加少量的配送成本可以使交付产品的平均新鲜度得到大幅提升。对易腐食品保质期、时间窗宽度和车辆装载量进行灵敏度分析,为企业在不同配送情景下在配送总成本与交付产品的平均新鲜度之间的权衡提供参考。     

基于LSTM循环神经网络的电池SOC预测方法

针对锂离子电池荷电状态(state of charge, SOC)预测问题,利用长短期记忆（long short term memory, LSTM）循环神经网络建立电池SOC预测模型。在恒阻放电情况下,将电池输出电流、输出电压和电池表面温度作为模型的主要输入,使用训练样本对神经网络进行训练,使用验证样本进行验证。结果表明,用该方法进行电池SOC预测时可使最大绝对误差仅为1.96%,均方根误差为0.986%,可行性被验证。分析神经网络隐含层中不同的神经元个数对预测结果的影响,对比不同批大小情况下训练出的神经网络的预测误差。将隐含层分别设置为1至3个LSTM细胞核,得到不同条件下神经网络的预测误差。结果为电池SOC预测的神经网络模型的隐含层神经元个数、批大小和LSTM细胞核个数的设定提供参考。