摘要:

聚类分析是重要的数据挖掘方法, 目的是寻找数据集中所包含的簇结构. 以往研究工作中聚类分析的一些
基本问题始终是人们关注的重点, 为此在简要回顾具有代表性的研究成果的基础上, 总结了该研究所面临的若干基
本问题及解决方法, 以期能够对相关研究提供有益的参考.

摘要:

针对某冶炼生产企业针铁矿法沉铁过程Fe2+ 浓度和Fe3+ 浓度难以实时检测的问题, 在奥拓昆普生产设备
和工艺的基础上, 利用改进最小二乘支持向量机模型具有对小样本进行非线性预测、过程神经网络可充分表达历史
数据序列中时间累积效应的特点, 提出一种基于信息熵方法的集成预测模型. 仿真实验表明, 集成预测模型具有良好
的预测性能, 预测效果能满足针铁矿法沉铁过程对铁离子浓度值的误差要求.

摘要:

针对一类带有未建模动态的非线性纯反馈系统, 利用神经网络逼近能力, 提出一种自适应动态面控制方案.
通过在传统后推设计中引入一阶滤波器, 避免了对虚拟控制反复求导而导致的计算复杂性问题. 利用Young’s 不等式
和积分型李亚普诺夫函数, 有效地减少了可调参数的数目, 无需虚拟控制增益系数导数的信息. 理论分析表明了闭环
控制系统是半全局一致终结有界的.

摘要:

为了进一步提高多模态函数寻优的效率, 提出一种融合Powell 搜索法的粒子群优化算法. 将PSO 算法的全
局搜索能力与Powell 法的强局部寻优能力有机地结合起来, 在保证求解速度, 尽可能找到全部极值点的同时提高了
解的精确性. 由于该算法只利用了函数值信息而不需要计算导数, 是求解可微和不可微多模态函数优化问题的通用
方法. 仿真实验表明了新混合算法的有效性.

摘要:

针对线性加权多模型切换过程中权值难以确定问题, 提出了具有Lyapunov 函数的多模型稳定切换的充分条
件, 依据该充分条件可以确定加权多模型的权值范围和快速获取加权因子的取值, 实现多模型的平滑切换. 所提出的
充分条件克服了多模型子系统必须稳定的苛刻条件, 通过对自主水下机器人多运动模型切换过程的仿真实验表明,
依据权值范围所给定的加权因子能够保证加权多模型切换过程中的渐近稳定性.

摘要:

针对传统多尺度图像融合算法不能有效抑制噪声的缺陷, 提出一种基于提升静态小波变换(LSWT) 多尺度
积的多聚焦图像融合算法, 并在LSWT域中引入了局部可见度以及局部视觉特性对比度的概念. 在融合低频子带系
数和各高频子带系数时, 分别提出了基于局部可见度和基于多尺度积的局部视觉特性对比度的系数选择方案. 实验
表明, 该算法不仅能有效抑制噪声对融合算法的影响, 而且能够得到比传统方法视觉效果更好和更优量化指标的融
合图像.

摘要:

现有的基于身份的代理环签名方案的安全性大都是在随机预言模型下证明的, 随机预言机模型将Hash 函数
理想化为一个完全随机模型, 在实际应用中不一定安全. 鉴于此, 提出一个新的基于身份的代理环签名方案. 在标准
模型下证明了该方案能够抵抗存在性伪造攻击, 且签名者具有无条件匿名性, 因此具有更好的安全可靠性.

摘要:

针对聚类融合算法可能出现信息失真等问题, 提出一种新的聚类融合算法. 该算法兼顾聚类质量与成员多
样性, 采用一种新的相似性度量, 并依据度量结果先对聚类成员进行剪辑操作, 再分组、选择, 最后根据每个聚类成员
对于各类别的贡献设计了一种新的加权函数. 与其他方法相比, 该方法具有较好的稳定性和精确性.

摘要:

通过分析不同类型节点的失效对于网络覆盖效率的影响, 提出一种具有能量和覆盖意识的无线传感器网络
分簇算法. 该算法不依赖节点的物理位置信息, 优先选取部署密度较高区域的节点担任簇首, 当簇首的剩余能量低于
设定阈值时实施簇首迁移, 以均衡网络能耗, 降低节点的死亡率. 进一步分析了算法复杂度和节点最优广播半径的选
取. 仿真结果表明, 所提出的算法可有效改善网络运行中的覆盖性能, 延长网络寿命.

摘要:

针对导弹姿态控制系统惯性传感器故障, 提出了基于信号重构的主动容错控制方法. 分别利用基于梯形算
法的数值积分器和有限时间收敛微分器对姿态角信号和角速率信号进行重构, 当在线诊断出姿态角或角速率传感器
故障时, 以重构信号代替故障信号进行反馈控制来实现系统的主动容错控制. 在建立导弹姿态控制系统模型并采用
次最优控制方法设计输出反馈控制器的基础上, 对所设计的主动容错控制方法进行仿真, 仿真结果表明该方法是有
效的.

摘要:

针对回声状态网络(ESN) 结构设计复杂、参数选择难度大的问题, 提出一种具有small world 特性的ESN
(SWESN). 首先采用神经元空间增长算法在平面区域生成small world 拓扑网络; 然后根据网络节点与基准点的
Euclidean 距离将网络节点进行重新排序, 并将平面上的物理节点及其连接映射为SWESN的内部神经元连接矩阵,
从而使动态神经元池具有small world 特性. 实验表明, SWESN动力学特性比常规ESN 更为丰富, 在鲁棒性、抗干扰
能力等方面均优于常规的ESN.

摘要:

针对MGM(1,??) 模型的原始数据序列作了相应的数乘变换, 经过一系列数学公式推导, 分析了数乘变换
对于模型参数特征的影响, 讨论了数乘变换后模型的模拟预测值及相对误差的变化情况. 研究结果表明, 对各原始
数据序列作相同倍数的数乘变换时, 不会改变模型的模拟和预测效果, 同时能缩小数据的量级, 化简计算过程, 对
MGM(1,??) 模型的进一步系统研究具有重要意义.

摘要:

基于箱体理论, 利用向量?? 函数法, 研究了一类无限维随机非线性关联大系统的全局指数稳定性. 通过分析
相应的随机微分不等式的稳定性, 得到了该类大系统全局指数稳定的一个判据. 该判据利用随机大系统的系数矩阵
以及与大系统关联的Lyapunov 矩阵方程的解构造判定条件来判定大系统的全局指数稳定性, 计算简便, 便于应用.

摘要:

传统的mean-shift 跟踪算法不能跟踪目标的旋转、缩放运动, 且常常因此造成定位不准. 鉴于此, 将尺度不变
特征变换(SIFT) 特征检测融入到mean-shift 跟踪过程, 提出SIFT 特征点的尺度变化与目标的尺度变化成正比, 特征
点主方向变化与目标旋转角度一致, 给出了基于SIFT 特征的自适应目标尺度、方向计算方法, 且利用带方向、可变
带宽的椭圆核改进传统的mean-shift 跟踪方法. 实验表明, 该算法能够较好地跟踪目标的旋转、缩放运动, 定位也更
准确.

摘要:

针对飞行器再入过程中存在着模型不确定性因素以及气动环境复杂等鲁棒控制问题, 提出一种基于自适应
二阶非奇异终端滑模的控制方案. 设计的控制器保证姿态跟踪误差在有限的时间内收敛于零, 不需要内外扰的先验
知识, 通过在线自适应辨识扰动上界以消除其影响. 最后以气动参数摄动50%作为扰动条件进行了飞行器再入姿态
控制仿真, 结果表明了该方案的快速性和鲁棒性.

摘要:

研究基于质心的二型模糊集的模糊熵和加权模糊熵, 构造了两个二型模糊集的模糊熵度量. 针对二型模糊
集的特殊情形, 提出一种新的区间值模糊集的模糊熵度量, 既弥补了现有区间值模糊集退化为普通模糊集时熵为零
的不足, 又克服了两个明显不同的区间值模糊集熵相等的缺点. 数值实例和仿真实验表明了所提出模糊熵的合理性
和实用性.

摘要:

针对一类非匹配不确定非线性系统, 提出一种神经网络自适应反推高阶终端滑模控制方案. 反推设计的前
?? − 1 步利用神经网络逼近未知非线性函数, 结合动态面控制设计虚拟控制律, 避免传统反推设计存在的计算复杂性
问题, 并抑制非匹配不确定性的影响; 第?? 步结合非奇异终端滑模设计高阶滑模控制律, 去除控制抖振, 使系统对于
匹配和非匹配不确定性均具有鲁棒性. 理论分析证明了闭环系统状态半全局一致终结有界, 仿真结果表明了所提出
方法的有效性.

摘要:

研究一类具有时变、有界干扰的非线性随机不确定系统有限时间H∞ 滤波问题. 首先, 给出了非线性随机不
确定系统有限时间H∞ 滤波问题的定义; 其次, 通过构造Lyapunov-Krasoviskii 函数, 并结合线性矩阵不等式(LMI) 方
法, 给出了非线性随机不确定系统有限时间H∞ 滤波器存在的充分条件; 再次, 将该问题简化为具有LMI 约束的优
化问题, 并给出了相应的求解算法; 最后, 通过数值算例表明了所提出设计方法的有效性.

摘要:

随机抽样一致性算法是应用最广泛的鲁棒性基础矩阵估计算法之一. 针对随机抽样一致性算法效率低的问
题, 提出一种基于概率分析的随机抽样一致性算法. 该算法减少首次抽样的次数, 利用预检验技术确定一个较优的模
型子集, 通过定义样本属于该较优模型的概率来选择内点概率大的样本子集, 并通过多次迭代得到一个只包含内点
样本的子集. 模拟数据和真实数据的基础矩阵估计实验表明, 算法在计算效率和精度上均优于随机抽样一致性算法.

摘要:

针对多包描述线性离散不确定系统, 提出一种在系统状态不可测时的直接约束鲁棒预测控制算法. 将控制
器与观测器综合设计, 利用观测状态直接构造性能指标, 通过求解无穷时域性能指标的最小最大优化问题, 得到系统
的最优状态反馈控制律. 采用参数依赖Lyapunov 函数, 在满足输入和状态约束的情况下保证闭环系统稳定. 仿真结
果验证了算法的有效性.

摘要:

为适应交叉口多态特征交通流, 采用期望最大化算法, 选取稠密性混合Gamma 分布函数, 准确拟合交叉口
到达车头时距, 统计交叉口进口到达交通量概率. 以两相位全感应控制交叉口为例, 根据交通量统计概率和信号相位
状态获得每相位最大排队长度, 并由此提出交叉口感应控制延误模型. 在混合Gamma 分布拟合精度不低于95% 条
件下的计算实例表明, 基于混合Gamma 分布的感应控制延误与实际结果更为吻合.

摘要:

假设外界需求确定, 充分考虑供应商管理库存(VMI) 对于供应链的影响, 通过建立经济效果模型证明了
上游层面VMI 可使供应链上游整体受益. 在此基础上, 依据Stackelberg 博弈及纳什均衡等理论, 构建实施上游层面
VMI 后3 种情境下的利益分配机制. 该机制可体现在供应商所供产品价格契约的制定上, 此契约既能弥补供应商因
管理制造商库存而增加的成本, 又可使制造商的利润得到保障, 实现供需方的互惠共赢, 还可为博弈主方在价格层面
制定激励政策提供理论依据.

摘要:

针对存在模型参数不确定性的可重构机械臂系统执行器故障, 提出一种基于反演设计与时延技术相结合的
容错控制方法. 该方法利用反演设计的基本思想, 通过神经网络补偿子系统动力学模型中的参数不确定项和关联项.
利用时延控制的逼近能力来补偿执行器的故障, 使得故障发生时能及时实现容错控制. 该方法具有不需要在线进行
故障诊断的特点, 仿真结果表明了所提出控制方法的有效性.

摘要:

基于滑模变结构机制, 讨论了节点级和链路级同时发生拥塞情况下的无线传感器网络跨层拥塞控制问题.
对于节点级拥塞和链路级拥塞分别提出了准滑模控制策略. 链路级拥塞采取节点输出流量最小的数据包优先进行传
输的原则, 实现了拥塞控制的跨层设计, 大大降低了各节点排队时间, 能够有效缓解拥塞的发生. 仿真结果表明, 该算
法实现了较高的吞吐量和较低的延迟, 提高了整个网络的服务质量.

摘要:

针对属性值为区间梯形直觉模糊且属性权重为区间数的多属性决策问题, 提出一种基于分式规划的决策方
法. 定义了区间梯形直觉模糊数的Hamming 距离和Euclidean 距离, 采用优劣解距离法构建了相对贴近度的非线性
分式规划模型, 并通过Charnes and Cooper 变换转化为线性规划模型求解, 得到各方案相对贴近度的区间数, 进而提
出了决策方法. 数值算例分析验证了所提出方法的有效性.

摘要:

鉴于传统支持向量机分类过程的计算量和支持向量的个数成正比, 为了提高分类决策的速度, 提出一种约
简支持向量的快速分类算法, 该算法对原始的支持向量进行特定比例的模糊?? 均值聚类操作, 按照分类误差最小的
原则构建最小线性二乘回归模型, 求解新的支持向量系数和决策函数的偏置. 人造数据集和标准数据集上的实验表
明, 约简50%支持向量后, 可以在保持分类精度在无统计意义的明显损失的前提下, 使得分类速度提高50 %.

摘要:

视觉细胞之间存在的侧抑制机制能够对接收到的视觉信息进行选择性的提取, 鉴于此, 运用数学方法模拟
视觉细胞间存在的这种生理机制, 提出一种具有侧抑制机制的视觉细胞神经网络. 基于部分重设的阈值, 利用该网络
提出一种图像分割算法. 仿真结果表明, 部分重设能较好地控制脉冲激发模式的不规则性. 在图像分割中, 各种复杂
场景下的仿真实验表明, 基于部分重设的侧抑制神经网络的图像分割方法, 其效果明显优于常数阈值下神经网络的
分割方法.

摘要:

在需求不确定的情况下, 构建了3 个阶段中两零售商利用契约机制进行竞争的模型. 通过模型求解, 得出各
阶段中两零售商各自的最优订货量及契约参数. 最后, 通过数值例子分析了模型的可行性及解的有效性, 并得出当单
一零售商采用一种契约机制时, 两零售商的整体利润达到最大, 实现了优化协调; 当两零售商均采用契约机制时, 整
体利润受损, 利润总和达到最小, 整体利润的优化协调作用失效.

摘要:

针对一类非线性系统提出一种新的学习控制算法, 该算法在可变学习增益的迭代学习控制律基础上, 增加
了系统初态的迭代学习律. 利用算子理论证明了系统在存在初态偏移时经过迭代学习后, 其输出能够完全跟踪期望
轨迹, 同时得到了该算法谱半径形式的收敛条件. 将该算法与传统迭代学习控制相比较可以看出, 前者的收敛速度得
到了较大提高, 而且解决了可变学习增益迭代学习控制的初态偏移问题. 仿真结果验证了该算法的有效性.

摘要:

针对网络随机时延等不确定因数导致网络控制系统的控制性能下降甚至不稳定, 提出一种新的网络控制算
法. 首先建立网络时延的自动回归模型; 然后采用参数自校正的最小均方算法对网络时延进行在线预测; 最后采用一
种考虑时延的改进广义预测控制算法对网络时延进行补偿. 仿真实验结果表明, 该方法对网络时延具有较好的补偿
效果, 且在线计算量小, 有很好的实时性, 同时对干扰和丢包等因素具有良好的鲁棒性