利稷夫
- 作品数：4 被引量：6H指数：2
- 供职机构：西南交通大学电气工程学院更多>>
- 相关领域：自动化与计算机技术电子电信环境科学与工程更多>>
- 量子进化算法在网络平衡分配模型中的应用
- 2009年
- 给出了采用量子进化算法来解决平衡交通分配的求解方法,解决了网络平衡交通分配模型因变量多、维数大、不好求解而影响其在实际交通规划中的应用问题。
- 徐丽利稷夫张华
- 关键词：量子进化算法
- 基于新型混合SVC算法的雷达辐射源信号识别被引量：3
- 2010年
- 无监督学习方法能够对雷达辐射源信号进行有效的识别,支持向量聚类(Support Vector Clustering,SVC)算法是一种基于支持向量机的无监督聚类方法。SVC不仅时间复杂度高,而且在处理分布复杂、不均匀样本时,识别率较低。文章结合模糊C-均值算法与SVC算法的优点,提出了一种新的混合模糊C-均值法和SVC算法的无监督聚类方法。此方法用模糊C-均值聚类算法对数据样本作初步地线性划分,以将原数据样本划分成若干子样本。再用SVC算法分别对这些子样本进一步划分,再由模糊C-均值聚类法将二次规划问题分解,因而大大减少了SVC的计算量,降低了时间消耗。相对于原数据样本,子样本的分布较为简单、均匀,容易找到更为合适的SVC参数值。对雷达辐射源信号进行聚类分析的实验结果表明,此方法处理速度较快,具有较高的识别率。
- 利稷夫徐丽薛飞
- 关键词：模糊C-均值聚类算法支持向量聚类无监督聚类雷达辐射源识别率
- 神经网络预测控制在车辆横向半主动悬挂控制中的应用设计被引量：3
- 2010年
- 结合神经网络和预测控制的优点,提出了一种神经网络模型预测控制算法。给出了将该算法应用到车辆荷香半主动悬挂控制系统中的应用设计方法。仿真实验表明,该控制算法具有良好的控制效果并能适应被控对象参数的变化,同时具有较强的鲁棒性和稳定性。
- 薛飞利稷夫曾庆沛
- 关键词：神经网络预测控制
- 无监督聚类算法在辐射源信号分析中的应用
- 雷达辐射源信号识别是衡量雷达对抗设备技术先进程度的重要标志，是现代电子对抗领域急需解决的难题。然而随着军事科技的日益发展，电磁环境日益复杂，传统的一些分类识别方法已不能满足要求。
无监督学习是解决未知雷达辐射源信号...
- 利稷夫
- 关键词：无监督聚类模糊C-均值聚类支持向量聚类量子进化算法雷达辐射源信号识别
- 文献传递
