摘要：梳理了随机有限集(RFS)的理论基础和发展脉络,重点对其在多目标跟踪中应用和实现的难点问题进行详细分析.首先针对单传感器情形,深入讨论RFS的几类典型近似技术,包括:概率假设密度(PHD)滤波器、势概率假设密度(CPHD)滤波器、多伯努利(MeMBer)滤波器以及泛化标签多伯努利(GLMB)滤波器,对其发展脉络进行分析,并对高斯混合(GM)及序贯蒙特卡罗(SMC)实现中面临的问题进行研究;其次,针对多传感器情形,介绍时空配准问题的处理方法,并分别从集中式、分布式融合两个方面对基于RFS多传感器多目标跟踪技术进行分析;再次,对RFS滤波器在实际应用中面临的困难及挑战进行分析;最后,基于现有研究进展,提出RFS在多目标跟踪领域未来需重点关注及研究的方向.

摘要：针对模型响应不确定性的稳健参数设计问题,在高斯过程回归(Gaussian process regression, GPR)建模的框架下,结合贝叶斯超参数最大后验(Maximum a posteriori estimation, MAP)估计和多目标线性加权方法构建一个新的优化模型.首先,利用MAP方法获得最优超参数组合,构建高斯回归模型;然后,考虑响应不确定性与响应之间的交互效应,采用线性加权准则,构建多响应稳健优化模型;最后,利用聚类分析方法获得最优参数解.该方法考虑了输出响应不确定性对优化结果的影响,权衡了最优因子水平与多元质量特性之间的关系.结合实际案例和软件仿真对所提出方法进行实证研究,结果表明,该方法能够较好地兼顾输出响应的最优性和稳健性,从而实现稳健参数设计.

摘要：网络入侵方式已日趋多样化,其隐蔽性强且变异性快,开发灵活度高、适应性强的实时网络安全监测系统面临严峻挑战.对此,提出一种基于模糊粗糙集属性约简(FRS-AR)和GMM-LDA最优聚类簇特征学习(GMM-LDA-OCFL)的自适应网络入侵检测(ANID)方法.首先,引入一种基于模糊粗糙集(FRS)信息增益率的属性约简(AR)方法以实现网络连接数据最优属性集选择;然后,提出一种基于GMM-LDA的最优聚类簇特征学习方法,以获得正常模式特征库和入侵模式库的最优特征表示,同时引入模式库自适应更新机制,使入侵检测模型能够适应网络环境动态变化. KDD99数据集和基于Nidsbench的网络虚拟仿真实验平台的入侵检测结果表明,所提出的ANID方法能有效适应网络环境动态变化,可实时检测出真实网络连接数据中的各种入侵行为,其性能优于当前常用的入侵检测方法,应用前景广阔.

摘要：针对机床构件的生产存在多品种、小批量、生产能耗大的特点,建立以完工时间、空闲时间、加工质量及机器能耗为目标的多目标柔性作业车间调度模型,提出一种基于直觉模糊集相似度的遗传算法(IFS_GA).该算法将直觉模糊集相似度值作为适应度值来引导算法进化;利用拥挤距离修剪外部档案,提高种群的多样性.此外,为提高初始种群的质量,设计一种基于权重的启发式规则.为提高算法的寻优能力,提出一种新的染色体交叉方法,通过直觉模糊集相似度值选出引导体以引导交叉.最后,在可行的Pareto最优解集中,选择直觉模糊集相似度值最大的解作为最满意解.通过算例测试、实例仿真和QUEST软件验证,结果表明,所提出算法是有效的,并且效果优于NSGAII算法.

摘要：以两轮移动机器人(TWMR)为对象,针对机器人的非线性模型分别设计控制机器人平衡和位置的区间二型模糊逻辑控制器(IT2 FLC).针对区间二型模糊规则中参数难以设定的问题,通过改进的量子粒子群算法(LTQPSO)优化区间二型模糊集参数,并给出优化算法的流程图.针对区间二型模糊逻辑控制器和一型模糊逻辑控制器(T1 FLC)对平衡和位置的控制效果进行对比.进一步考虑质量不确定和位置扰动对两种控制器控制效果的影响.仿真结果表明, IT2 FLC可以有效地达到设定的控制目标,与T1 FLC相比, IT2 FLC拥有更好的处理不确定性的能力以及更强的抗扰动能力.