2013年 第39卷 第10期
2013, 39(10): 1581-1593.
doi: 10.3724/SP.J.1004.2013.01581
摘要:
针对彩色图像分割问题,研究Markov 随机场(Markov random fields, MRF)模型内迭代条件模式(Iterative conditional mode, ICM)方法的标记推理策略. 通过小波分解构造图像多尺度表达,针对顶层图像先验标记获取问题,改进原始谱聚类算法, 通过近邻传播自动确定图像的聚类参数,运用集成学习提高算法的稳定性和准确度. 对其他各尺度图像,通过分析尺度关联下的区域特征变化,结合不同尺度间的特征相似性和同一尺度内空间邻域的一致性, 提出一种立体结构描述下的尺度--空间映射法则.通过定量和定性的分割实验,结果表明本文算法具有良好的准确性、鲁棒性和普适性.
针对彩色图像分割问题,研究Markov 随机场(Markov random fields, MRF)模型内迭代条件模式(Iterative conditional mode, ICM)方法的标记推理策略. 通过小波分解构造图像多尺度表达,针对顶层图像先验标记获取问题,改进原始谱聚类算法, 通过近邻传播自动确定图像的聚类参数,运用集成学习提高算法的稳定性和准确度. 对其他各尺度图像,通过分析尺度关联下的区域特征变化,结合不同尺度间的特征相似性和同一尺度内空间邻域的一致性, 提出一种立体结构描述下的尺度--空间映射法则.通过定量和定性的分割实验,结果表明本文算法具有良好的准确性、鲁棒性和普适性.
2013, 39(10): 1594-1601.
doi: 10.3724/SP.J.1004.2013.01594
摘要:
自适应隐写可避免修改载体的敏感区域, 有效提高隐写术的安全性. 总结分析了现有自适应隐写的边信息同步方法. 通过推广单调纹理函数思想, 构造一种基于自由度的纹理保序函数, 实现了自适应隐写边信息的快速同步. 结合湿纸编码和多层嵌入思想, 提出自适应 ± 1和± 2 隐写算法. 新算法既保证通信双方能快速同步边信息, 同时具有很高的抗检测性能. 理论分析和实验结果均表明了算法的有效性.
自适应隐写可避免修改载体的敏感区域, 有效提高隐写术的安全性. 总结分析了现有自适应隐写的边信息同步方法. 通过推广单调纹理函数思想, 构造一种基于自由度的纹理保序函数, 实现了自适应隐写边信息的快速同步. 结合湿纸编码和多层嵌入思想, 提出自适应 ± 1和± 2 隐写算法. 新算法既保证通信双方能快速同步边信息, 同时具有很高的抗检测性能. 理论分析和实验结果均表明了算法的有效性.
2013, 39(10): 1602-1610.
doi: 10.3724/SP.J.1004.2013.01602
摘要:
在移动机器人路径规划中需要考虑运动几何约束,同时,由于它经常工作于动态、时变的环 境中,因此,还必须保证路径规划算法的效率.本文提出了一种基于变维度状态空间的增量启发式路径规划 方法,该方法既能满足移动机器人的运动几何约束,又能保证规划算法的效率.首先,设计了变维度状态空间, 在机器人周围的局部区域考虑运动几何约束组织高维状态空间,其他区域组织低维状态空间;然后,基于变维 度状态空间,提出了一种增量启发式路径规划方法,该方法在新的规划进程中可以使用以前的规划结果,仅对 机器人周围的局部区域进行重搜索,从而能保证算法的增量性及实时性;最后,通过仿真计算和机器人实验验 证了算法的有效性.
在移动机器人路径规划中需要考虑运动几何约束,同时,由于它经常工作于动态、时变的环 境中,因此,还必须保证路径规划算法的效率.本文提出了一种基于变维度状态空间的增量启发式路径规划 方法,该方法既能满足移动机器人的运动几何约束,又能保证规划算法的效率.首先,设计了变维度状态空间, 在机器人周围的局部区域考虑运动几何约束组织高维状态空间,其他区域组织低维状态空间;然后,基于变维 度状态空间,提出了一种增量启发式路径规划方法,该方法在新的规划进程中可以使用以前的规划结果,仅对 机器人周围的局部区域进行重搜索,从而能保证算法的增量性及实时性;最后,通过仿真计算和机器人实验验 证了算法的有效性.
2013, 39(10): 1611-1622.
doi: 10.3724/SP.J.1004.2013.01611
摘要:
提高蛇形机器人的三维运动控制能力是提高蛇形机器人环境适应能力的关键之一. 虽然联结中枢模式生成器(Connectionist central pattern generator, CCPG)模型具有复杂度小、适合硬件实现等优点, 但是目前的CCPG模型难以生成相位协调的多自由度运动的控制信号,从而限制了它的三维步态控制能力. 本文根据生物CPG机制的分层结构和运动神经元的功能,提出一个有层次化结构的CCPG (Hierarchical CCPG, HCCPG)模型. HCCPG模型由基本节律信号生成层、模式形成层、运动信号调整层这三个部分组成. 运动信号调整层的运动神经元能够独立地对模式形成层的输出信号的幅值、相位等进行调整,从而较好地 解决了CCPG模型难以生成相位协调的多自由度运动控制信号的问题. HCCPG模型具有步态控制能力强、复杂度小、有良好的扩展性等优点,从而适合用于控制三维步态. 在HCCPG模型的基础上提出一个三维步态控制方法.仿真验证了这个控制方法的有效性.
提高蛇形机器人的三维运动控制能力是提高蛇形机器人环境适应能力的关键之一. 虽然联结中枢模式生成器(Connectionist central pattern generator, CCPG)模型具有复杂度小、适合硬件实现等优点, 但是目前的CCPG模型难以生成相位协调的多自由度运动的控制信号,从而限制了它的三维步态控制能力. 本文根据生物CPG机制的分层结构和运动神经元的功能,提出一个有层次化结构的CCPG (Hierarchical CCPG, HCCPG)模型. HCCPG模型由基本节律信号生成层、模式形成层、运动信号调整层这三个部分组成. 运动信号调整层的运动神经元能够独立地对模式形成层的输出信号的幅值、相位等进行调整,从而较好地 解决了CCPG模型难以生成相位协调的多自由度运动控制信号的问题. HCCPG模型具有步态控制能力强、复杂度小、有良好的扩展性等优点,从而适合用于控制三维步态. 在HCCPG模型的基础上提出一个三维步态控制方法.仿真验证了这个控制方法的有效性.
2013, 39(10): 1623-1631.
doi: 10.3724/SP.J.1004.2013.01623
摘要:
在多态网络中, 数据可以通过不同路径来传输. 之前研究多集中于路径不相交之情形, 较少考虑路径含有共享链路情形. 本文考虑计算机网络两个源点通过各自的最小路集向各自宿点传输数据的情况, 其中, 不同的最小路集含有共享链路. 各源点产生一数据序列, 其产生数据的时间间隔随机分布, 不同时刻产生的数据量也随机分布. 时间间隔和数据量可通过Monte-Carlo模拟方法获得. 由于所有数据都通过共享链路进行传输, 数据需要竞争使用链路的优先权, 而这可能会导致冲突. 本文考虑路径连通情况下, 各数据在传输时间限制下成功传输的可靠度评估问题. 仿真结果显示冲突会延长数据的传输时间并由此影响网络可靠度. 本文研究结果为管理者调整时间间隔和数据量以达到理想的网络可靠度提供了参考.
在多态网络中, 数据可以通过不同路径来传输. 之前研究多集中于路径不相交之情形, 较少考虑路径含有共享链路情形. 本文考虑计算机网络两个源点通过各自的最小路集向各自宿点传输数据的情况, 其中, 不同的最小路集含有共享链路. 各源点产生一数据序列, 其产生数据的时间间隔随机分布, 不同时刻产生的数据量也随机分布. 时间间隔和数据量可通过Monte-Carlo模拟方法获得. 由于所有数据都通过共享链路进行传输, 数据需要竞争使用链路的优先权, 而这可能会导致冲突. 本文考虑路径连通情况下, 各数据在传输时间限制下成功传输的可靠度评估问题. 仿真结果显示冲突会延长数据的传输时间并由此影响网络可靠度. 本文研究结果为管理者调整时间间隔和数据量以达到理想的网络可靠度提供了参考.
2013, 39(10): 1632-1641.
doi: 10.3724/SP.J.1004.2013.01632
摘要:
根据视觉注意机制, 提出一种基于图像单元对比度与空间统计特性的可靠显著性区域检测方法. 通过自适应的图像分割构造图像单元结构, 以图像单元为基础, 分别利用颜色对比度和空间统计特性两种模型进行显著性区域检测, 最后, 将两种模型的检测结果通过高斯模型进行结合, 得到最终的显著性区域检测的结果. 实验表明, 该检测方法与现有的方法比较, 具有更好的精度和召回率, 能明显抑制复杂纹理和噪声, 去除复杂背景的影响.
根据视觉注意机制, 提出一种基于图像单元对比度与空间统计特性的可靠显著性区域检测方法. 通过自适应的图像分割构造图像单元结构, 以图像单元为基础, 分别利用颜色对比度和空间统计特性两种模型进行显著性区域检测, 最后, 将两种模型的检测结果通过高斯模型进行结合, 得到最终的显著性区域检测的结果. 实验表明, 该检测方法与现有的方法比较, 具有更好的精度和召回率, 能明显抑制复杂纹理和噪声, 去除复杂背景的影响.
2013, 39(10): 1642-1652.
doi: 10.3724/SP.J.1004.2013.01642
摘要:
模式匹配是模式集成、语义WEB及电子商务等领域的重点及难点问题. 为了有效利用专家知识提高匹配质量, 提出了一种基于部分已验证匹配关系的模式匹配模型. 在该模型中, 首先,人工验证待匹配模式元素间的少量对应关系, 进而推理出当前任务下部分已知的匹配关系及单独匹配器的缺省权重; 然后,基于上述已收集到的先验知识对多种匹配器所生成的相似度矩阵进行合并及调整, 并在全局范围内进行优化; 最后,对优化矩阵的选择性进行评估, 从而为不同匹配任务推荐最合理的候选匹配生成方案. 实验结果表明, 部分已验证匹配关系的使用有助于模式匹配质量的提高.
模式匹配是模式集成、语义WEB及电子商务等领域的重点及难点问题. 为了有效利用专家知识提高匹配质量, 提出了一种基于部分已验证匹配关系的模式匹配模型. 在该模型中, 首先,人工验证待匹配模式元素间的少量对应关系, 进而推理出当前任务下部分已知的匹配关系及单独匹配器的缺省权重; 然后,基于上述已收集到的先验知识对多种匹配器所生成的相似度矩阵进行合并及调整, 并在全局范围内进行优化; 最后,对优化矩阵的选择性进行评估, 从而为不同匹配任务推荐最合理的候选匹配生成方案. 实验结果表明, 部分已验证匹配关系的使用有助于模式匹配质量的提高.
2013, 39(10): 1653-1664.
doi: doi{10.3724/SP.J.1004.2013.01653
摘要:
为克服基于路径相似度计算时间复杂度高以及基于单一过分割区域集的聚类方法 容易导致误合并的缺陷, 提出一种结合均值漂移和路径相似度的谱聚类算法. 该算法使用超像 素构建基于路径相似度的模型来实现加速. 首先, 利用均值漂移算法对图像进行两次预分割(不同参数), 将这些过分割区域视为两组超像素集合, 构建基于双重过分割区域集的加权图; 之后, 使用各超像素的色彩均值和超像素间存在的交叉像素计算初始相似度, 再利用路径相似度模型得 到基于路径的相似度; 最后, 采用Multiway Ncut算法进行聚类. 通过算法自身参数和图结构实验, 测试算法的鲁棒性和稳定性; 通过多幅彩 色图片的分割实验, 表明本文的方法在准确性和时效性方面都具有很好的性能.
为克服基于路径相似度计算时间复杂度高以及基于单一过分割区域集的聚类方法 容易导致误合并的缺陷, 提出一种结合均值漂移和路径相似度的谱聚类算法. 该算法使用超像 素构建基于路径相似度的模型来实现加速. 首先, 利用均值漂移算法对图像进行两次预分割(不同参数), 将这些过分割区域视为两组超像素集合, 构建基于双重过分割区域集的加权图; 之后, 使用各超像素的色彩均值和超像素间存在的交叉像素计算初始相似度, 再利用路径相似度模型得 到基于路径的相似度; 最后, 采用Multiway Ncut算法进行聚类. 通过算法自身参数和图结构实验, 测试算法的鲁棒性和稳定性; 通过多幅彩 色图片的分割实验, 表明本文的方法在准确性和时效性方面都具有很好的性能.
2013, 39(10): 1665-1673.
doi: 10.3724/SP.J.1004.2013.01665
摘要:
Co-training是一种主流的半监督学习算法. 该算法中两视图下的分类器通过迭代的方式, 互为对方从无标记样本集中挑选新增样本, 以更新对方训练集. Co-training以分类器的后验概率输出作为新增样本的挑选策略, 该策略忽略了样本对于当前分类器的价值. 针对该问题, 本文提出一种改进的Co-training式算法—CVCOT (Conditional value-based co-training), 即采用基于样本条件价值的挑选策略来优化Co-training. 通过定义无标记样本的条件价值, 各视图下的分类器以样本条件价值为依据来挑选新增样本, 以此更新训练集. 该策略既可保证新增样本的标记可靠性, 又能优先将价值较高的富信息样本补充到训练集中, 可以有效地优化分类器. 在UCI数据集和网页分类应用上的实验结果表明: CVCOT具有较好的分类性能和学习效率.
Co-training是一种主流的半监督学习算法. 该算法中两视图下的分类器通过迭代的方式, 互为对方从无标记样本集中挑选新增样本, 以更新对方训练集. Co-training以分类器的后验概率输出作为新增样本的挑选策略, 该策略忽略了样本对于当前分类器的价值. 针对该问题, 本文提出一种改进的Co-training式算法—CVCOT (Conditional value-based co-training), 即采用基于样本条件价值的挑选策略来优化Co-training. 通过定义无标记样本的条件价值, 各视图下的分类器以样本条件价值为依据来挑选新增样本, 以此更新训练集. 该策略既可保证新增样本的标记可靠性, 又能优先将价值较高的富信息样本补充到训练集中, 可以有效地优化分类器. 在UCI数据集和网页分类应用上的实验结果表明: CVCOT具有较好的分类性能和学习效率.
2013, 39(10): 1674-1680.
doi: 10.3724/SP.J.1004.2013.01674
摘要:
在高斯图特征提取过程中,通用背景模型(Universal background model, UBM) 方法常用于根据总体分布估计每一幅图像中特征点分布的高斯混合模型(Gaussian mixture model, GMM)参数. 然而UBM估计的GMM权重参数中有很多接近零的数值,它们所对应的高斯分量对分布估计贡献小却又都参与了计算, 因此UBM的时间复杂度较高. 为解决这个问题,本文提出Bayes UBM方法. 通过引入受限的对称Dirichlet分布来描述GMM权重参数的先验分布,利用Bayes最大后验概率对GMM参数集进行估计. 实验表明Bayes UBM方法不仅有效地降低了时间复杂度,而且提高了Corel数据集上的图像标注精度.
在高斯图特征提取过程中,通用背景模型(Universal background model, UBM) 方法常用于根据总体分布估计每一幅图像中特征点分布的高斯混合模型(Gaussian mixture model, GMM)参数. 然而UBM估计的GMM权重参数中有很多接近零的数值,它们所对应的高斯分量对分布估计贡献小却又都参与了计算, 因此UBM的时间复杂度较高. 为解决这个问题,本文提出Bayes UBM方法. 通过引入受限的对称Dirichlet分布来描述GMM权重参数的先验分布,利用Bayes最大后验概率对GMM参数集进行估计. 实验表明Bayes UBM方法不仅有效地降低了时间复杂度,而且提高了Corel数据集上的图像标注精度.
2013, 39(10): 1681-1690.
doi: 10.3724/SP.J.1004.2013.01681
摘要:
协同过滤推荐系统极易受到托攻击的侵害. 开发托攻击探测技术已成为保障推荐系统可靠性与鲁棒性的关键. 本文以数据非随机缺失机制为依托,对导致评分缺失的潜在因素进行解析, 并在概率产生模型框架内将这些潜在因素与Dirichlet过程相融合, 提出了用于托攻击探测的缺失评分潜在因素分析(Latent factor analysis for missing ratings, LFAMR)模型. 实验表明,与现有探测技术相比, LFAMR具备更强的普适性和无监督性, 即使缺乏系统相关先验知识,仍可有效探测各种常见托攻击.
协同过滤推荐系统极易受到托攻击的侵害. 开发托攻击探测技术已成为保障推荐系统可靠性与鲁棒性的关键. 本文以数据非随机缺失机制为依托,对导致评分缺失的潜在因素进行解析, 并在概率产生模型框架内将这些潜在因素与Dirichlet过程相融合, 提出了用于托攻击探测的缺失评分潜在因素分析(Latent factor analysis for missing ratings, LFAMR)模型. 实验表明,与现有探测技术相比, LFAMR具备更强的普适性和无监督性, 即使缺乏系统相关先验知识,仍可有效探测各种常见托攻击.
2013, 39(10): 1691-1702.
doi: 10.3724/SP.J.1004.2013.01691
摘要:
传输可靠性是衡量无线传感器(Wireless sensor networks, WSN)网络性能的一个重要指标. 针对节点故障会影响网络传输稳定性和可靠性的问题, 提出了基于多路径纠删编码的 无线传感器网络可靠传输策略(Multi-paths and erasure encoding strategy, MPE2S). 根据反映链路质量的最优最差蚂蚁系统的信息素归一化值, 在相邻等级节点间建立多条互不交叉的传输路径, 将源数据包经纠删编码的 数据片沿多条路径分配和传输以实现负载均衡和故障容错. 理论分析和仿真结果表明,MPE2S具有较高数据包接收率、数据准确率和能效性, 体现了良好的故障容错性、数据传输稳定性和可靠性.
传输可靠性是衡量无线传感器(Wireless sensor networks, WSN)网络性能的一个重要指标. 针对节点故障会影响网络传输稳定性和可靠性的问题, 提出了基于多路径纠删编码的 无线传感器网络可靠传输策略(Multi-paths and erasure encoding strategy, MPE2S). 根据反映链路质量的最优最差蚂蚁系统的信息素归一化值, 在相邻等级节点间建立多条互不交叉的传输路径, 将源数据包经纠删编码的 数据片沿多条路径分配和传输以实现负载均衡和故障容错. 理论分析和仿真结果表明,MPE2S具有较高数据包接收率、数据准确率和能效性, 体现了良好的故障容错性、数据传输稳定性和可靠性.
2013, 39(10): 1703-1713.
doi: 10.3724/SP.J.1004.2013.01703
摘要:
复杂设备早期微小故障检测是故障检测与诊断领域的难题,系统状态和参数发生阶跃变化或者缓慢漂移是这类故障的主要特征. 本文在正交性原理的基础上,提出一种强跟踪平方根中心差分卡尔曼滤波(Square-root center difference Kalman filter, SR-CDKF), 即SSR-CDKF,并将SSR-CDKF应用于复杂设备的早期微小故障检测中. 仿真结果表明, SSR-CDKF能够更准确地估计系统状态和参数,更迅速地跟踪系统和参数突变情况. 通过仿真计算比较滤波器在不同参数取值下的方差值,得出了选择合适参数的方法. 最后利用该算法检测出了陀螺仪的早期微小故障.
复杂设备早期微小故障检测是故障检测与诊断领域的难题,系统状态和参数发生阶跃变化或者缓慢漂移是这类故障的主要特征. 本文在正交性原理的基础上,提出一种强跟踪平方根中心差分卡尔曼滤波(Square-root center difference Kalman filter, SR-CDKF), 即SSR-CDKF,并将SSR-CDKF应用于复杂设备的早期微小故障检测中. 仿真结果表明, SSR-CDKF能够更准确地估计系统状态和参数,更迅速地跟踪系统和参数突变情况. 通过仿真计算比较滤波器在不同参数取值下的方差值,得出了选择合适参数的方法. 最后利用该算法检测出了陀螺仪的早期微小故障.
2013, 39(10): 1714-1721.
doi: 10.3724/SP.J.1004.2013.01714
摘要:
基于区间二型模糊包含度的公理化定义,给出了新的区间二型模糊包含度计算公式.进一步,通过包含度定义了区间二型模糊粗糙集,并讨论了它的一些基本性质.最后,利用区间二型模糊粗糙集研究了连续域决策信息系统的属性约简,给出了新的约简方法.实例说明了该约简方法的具体计算步骤,并且通过实验验证了该算法的有效性和可行性.
基于区间二型模糊包含度的公理化定义,给出了新的区间二型模糊包含度计算公式.进一步,通过包含度定义了区间二型模糊粗糙集,并讨论了它的一些基本性质.最后,利用区间二型模糊粗糙集研究了连续域决策信息系统的属性约简,给出了新的约简方法.实例说明了该约简方法的具体计算步骤,并且通过实验验证了该算法的有效性和可行性.
2013, 39(10): 1722-1728.
doi: 10.3724/SP.J.1004.2013.01722
摘要:
为了满足卫星长期自主运行的任务需求, 本文同时考虑了大气阻力摄动和非球形摄动带谐项两种摄动对卫星平均轨道根数的影响, 提出了采用滤波算法在轨实时估计平均轨道根数的方法. 基于指数大气密度模型推导了大气阻力摄动下平均轨道根数的变化率, 分析了非球形带谐项摄动势函数对平均轨道根数的影响并推导了该影响下平均轨道根数变化率的通用计算方法, 由此建立了滤波状态方程以及以瞬时轨道根数为观测量的量测方程并分析了测量噪声特性; 为减小计算量以便于在轨实现,提出采用基于球形单边Sigma采样的平方根UKF (Unscented Kalman filter)滤波来估计平均轨道根数. 数值仿真结果表明, 该算法有效、精度较高且鲁棒性好, 能够满足卫星长期自主在轨实时计算平均轨道根数的要求.
为了满足卫星长期自主运行的任务需求, 本文同时考虑了大气阻力摄动和非球形摄动带谐项两种摄动对卫星平均轨道根数的影响, 提出了采用滤波算法在轨实时估计平均轨道根数的方法. 基于指数大气密度模型推导了大气阻力摄动下平均轨道根数的变化率, 分析了非球形带谐项摄动势函数对平均轨道根数的影响并推导了该影响下平均轨道根数变化率的通用计算方法, 由此建立了滤波状态方程以及以瞬时轨道根数为观测量的量测方程并分析了测量噪声特性; 为减小计算量以便于在轨实现,提出采用基于球形单边Sigma采样的平方根UKF (Unscented Kalman filter)滤波来估计平均轨道根数. 数值仿真结果表明, 该算法有效、精度较高且鲁棒性好, 能够满足卫星长期自主在轨实时计算平均轨道根数的要求.
2013, 39(10): 1729-1735.
doi: 10.3724/SP.J.1004.2013.01729
摘要:
文章针对带有不确定性的非线性网络系统设计了协调跟踪控制器, 使得follower实现了对仅部分信息可测且受干扰的动态leader的跟踪. 文章运用神经网络方法对follower动态进行建模, 提出了基于观测器的自适应控制策略, 并且通过Lyapunov理论证明, 在适当的网络拓扑条件和适当选择参数的前提下, 该网络系统可以达UUB (Cooperative Uniformly Ultimately Bounded). 最后, 文章给出仿真实例以验证所提算法的有效性.
文章针对带有不确定性的非线性网络系统设计了协调跟踪控制器, 使得follower实现了对仅部分信息可测且受干扰的动态leader的跟踪. 文章运用神经网络方法对follower动态进行建模, 提出了基于观测器的自适应控制策略, 并且通过Lyapunov理论证明, 在适当的网络拓扑条件和适当选择参数的前提下, 该网络系统可以达UUB (Cooperative Uniformly Ultimately Bounded). 最后, 文章给出仿真实例以验证所提算法的有效性.
2013, 39(10): 1735-1740.
doi: 10.3724/SP.J.1004.2013.01735
摘要:
为考虑控制变量方差变化对控制器经济性能的影响, 提出一种基于线性二次高斯(Linear Quadratic Gaussian, LQG)基准的预测控制器经济敏感度分析方法及调节准则. 首先由子空间辨识算法推导出带输入输出变量加权的LQG基准一般描述形式, 在此基础上, 构造了基于方差调节和基于约束松弛的两个优化问题进行敏感度分析, 最终求解得到敏感变量的方差调节量和约束松弛量以提高控制器的经济效益. Shell塔仿真实验结果表明本文方法的有效性.
为考虑控制变量方差变化对控制器经济性能的影响, 提出一种基于线性二次高斯(Linear Quadratic Gaussian, LQG)基准的预测控制器经济敏感度分析方法及调节准则. 首先由子空间辨识算法推导出带输入输出变量加权的LQG基准一般描述形式, 在此基础上, 构造了基于方差调节和基于约束松弛的两个优化问题进行敏感度分析, 最终求解得到敏感变量的方差调节量和约束松弛量以提高控制器的经济效益. Shell塔仿真实验结果表明本文方法的有效性.
