摘要:

在集成学习中, 基分类器之间的多样性对于解释多分类器系统的工作机理和构造有效的集成系统具有重要的作用, 但至今仍没有统一的度量多样性的方法. 首先总结介绍常用的多样性度量方法, 阐述每种方法评估多样性的角度和方式; 然后从对多样性新的解释和度量、多样性度量在选择性集成中的应用、多样性度量和集成学习精度的关系3 个方面探讨多样性度量的研究进展; 最后给出关于多样性度量进一步的研究方向.

摘要:

提出一种相似矩阵迭代修正并聚类算法, 分为偏振定理的谱分离数据和球极平面逆投影的几何分离数据两步. 首先将数据谱分解, 得到低维距离矩阵; 然后投影到双随机矩阵, 隐式进行一次球极平面逆投影, 几何对称分离数据; 最后解算投影后坐标, 得到新相似矩阵. 实验在人工合成数据和自然数据上进行, 结果表明所提出算法修正了数据的相似度, 并获得了正确的聚类个数, 对尺度参数变化有较强的鲁棒性, 聚类性能比修正前有较大提升.

摘要:

针对输入受限的高超声速飞行器强耦合、强非线性以及严重不确定性的特点, 提出一种参数依赖滚动时域H_∞ 控制(PD-RHHC) 的方法. 首先在考虑控制输入约束的条件下,引入参数依赖Lyapunov 函数和松弛因子并提出了基于LMI 优化的PD-RHHC; 然后采用函数替换方法, 结合张量积模型转换方法实现高超声速飞行器(HSV) 纵向非线性弹性模型的LPV 描述, 并将PD-RHHC 应用到高超声速飞行器纵向控制中, 以实现HSV在大飞行包线内的机动飞行; 最后通过仿真实验验证了所提出算法的有效性．

摘要:

针对灰度可见光和红外图像的融合图像缺乏色彩信息、图像的高阶信息在变换域中统计独立性不足的缺陷, 提出一种基于独立分量分析和IHS (亮度-色度-饱和度) 变换域的融合方法. 该方法利用IHS 变换域能够有效分离图像亮度分量和彩色信息的优势, 对灰度可见光图像建立灰度图像的彩色传递模型. 利用各分量的独立性进行基于独立分量分析和IHS 变换域的图像融合, 并得到最终的彩色融合图像, 使融合图像更加符合人类视觉要求. 仿真实验验证了所提出算法的有效性.

摘要:

针对具有模型不确定和未知外部干扰的自治飞艇, 提出了直接自适应模糊路径跟踪控制方法. 该方法由路径跟踪控制和自适应模糊控制两部分组成. 首先基于飞艇的平面运动模型设计路径跟踪控制律, 包括制导律计算、偏航角跟踪和速度控制3 部分; 然后构造直接自适应模糊控制器逼近路径跟踪控制律中的不确定项. 稳定性分析证明所设计的控制律能使飞艇跟踪给定的期望路径, 跟踪误差收敛到原点的小邻域内. 仿真结果验证了所提出方法的有效性.

摘要:

在基于目标的强化学习任务中, 欧氏距离常作为启发式函数用于策略选择, 其用于状态空间在欧氏空间内不连续的任务效果不理想. 针对此问题, 引入流形学习中计算复杂度较低的拉普拉斯特征映射法, 提出一种基于谱图理论的启发式策略选择方法. 所提出的方法适用于状态空间在某个内在维数易于估计的流形上连续, 且相邻状态间的连接关系为无向图的任务. 格子世界的仿真结果验证了所提出方法的有效性.

摘要:

针对带有海浪干扰和参数不确定的SWATH船运动控制问题, 提出基于干扰观测器的SWATH船运动非线性预测控制. 首先对SWATH船运动进行建模、参数求解和海浪干扰仿真; 然后根据运动模型设计非线性预测控制律, 对SWATH 船升沉和纵摇进行控制, 同时利用干扰观测器对海浪干扰进行观测, 并从理论上证明了所设计的控制器可以保证SWATH 船运动的稳定性. 仿真结果表明, 所设计的控制器提高了SWATH船运动控制效果, 且能对海浪干扰进行抑制.

摘要:

针对一类具有未知非线性和未知参数摄动的非线性多智能体系统, 提出一种分布式模糊自适应镇定控制方法. 基于邻接智能体信息和部分智能体的自身信息, 分别设计静态耦合和动态耦合的分布式模糊自适应控制律. 基于Lyapunov 稳定性理论, 证明了所提出的控制器能使得系统状态最终稳定于原点的邻域内. 仿真实例验证了所提出方法的有效性.

摘要:

针对一类线性系统,分析数据丢失对迭代学习控制算法的影响.首先基于lifting方法给出跟踪误差渐近收敛和单调收敛的条件,并分析收敛速度与数据丢失率的关系,结果表明收敛速度随着数据丢失程度的增加而变慢.其次,为抑制迭代变化扰动的影响,给出一种存在数据丢失时的鲁棒迭代学习控制器设计方法,并将控制器设计问题转化为求取线性矩阵不等式的可行解.仿真示例验证了理论分析的结果以及鲁棒迭代学习控制算法的有效性.

摘要:

针对带有扰动的一类离散非线性系统的鲁棒迭代学习控制问题, 设计一种基于参数优化的迭代学习控制算法. 该算法能够保证在有初始状态误差和状态、输出扰动的情况下使闭环系统具有鲁棒BIBO 稳定性, 系统输出能够单调收敛于给定输出轨迹的邻域内; 在没有初始状态误差和扰动的情况下能够以零稳态误差跟踪给定输出轨迹. 最后通过仿真分析验证了所提出算法的有效性.

摘要:

分形维数是描述混沌动力学系统的重要参数之一. 根据时间尺度与多维超体体积之间的测度关系, 提出一种多变量时间序列分形维数的计算方法. 通过4 种典型混沌动力学系统所产生的多变量时间序列及其相应不同信噪比混杂序列的仿真计算表明, 所提出方法时间复杂度较低, 所需序列长度较短, 具有一定的抗噪能力, 且无需进行相空间重构, 避免了嵌入维数和延迟时间等参数选取对结果造成的影响, 是计算多变量时间序列分形维数的一种有效途径.

摘要:

针对非线性模型预测控制中离线模型难以适应非线性对象实时变化的缺点, 提出一种基于在线支持向量回归的非线性模型预测控制方法. 该方法通过在线支持向量回归离线训练与在线学习相结合的方式, 建立具有在线校正特性的预测模型, 同时采用最速下降原理滚动优化非线性模型预测控制的目标函数, 求得多步控制量. 通过对非线性对象的控制结果表明, 所提出方法有效且具有良好的自适应性.

摘要:

不确定性存在于图像处理、模式识别等众多领域的实际应用中, 模糊?? 均值聚类(FCM) 算法虽广泛应用于这些领域, 但其处理不确定性的能力较差. 引入区间二型模糊理论能有效提升算法处理不确定性的能力, 但相应地造成算法复杂度增加, 制约了区间二型FCM算法的推广应用. 鉴于此, 提出增强型区间二型FCM算法, 通过优化初始聚类中心和降型运算, 极大地减少了区间二型FCM算法的运算量, 并提升算法的收敛速度. 通过对随机和实际数据的实验比较验证了改进算法的有效性.

摘要:

针对现有的直觉模糊熵的公理化定义和构造公式未能全面体现直觉模糊集模糊性的缺陷进行分析, 提出一种改进的直觉模糊熵的公理化定义, 据此构造一个新的直觉模糊熵的计算公式, 并将该公式与现有直觉模糊熵公式进行比较. 算例分析表明, 所提出的熵公式能够更充分地反映直觉模糊集的不确定性和未知性程度.

摘要:

针对传统多目标概率假设密度滤波(PHD) 器在噪声先验统计未知或不准确时滤波精度下降甚至丢失目标的问题, 设计一种自适应多模型粒子PHD(MMPHD) 滤波算法. 该算法利用多模型近似思想, 推导出一种多模型概率假设密度估计器, 不仅能估计多目标状态, 而且能实时估计未知且时变的噪声参数, 并采用蒙特卡罗方法给出了MMPHD闭集解. 仿真实例表明, 所提出的算法具有应对噪声变化的自适应能力, 可有效提高目标跟踪精度.

摘要:

考虑决策者对风险型混合多属性评价结果的信任程度不同, 提出基于前景理论和改进投影理论的群决策方法. 建立一个数组以描述在不同信任度下群决策专家的评价结果, 并将数组中混合数据类型转化为三角模糊数. 在考虑决策者信任度的前提下集结群信息、确定属性权重. 引入综合前景价值和考虑权重的投影相对接近度两种方法对方案进行排序. 最后通过实例表明了所提出方法的合理性和有效性.

摘要:

针对多属性群决策中的共识问题, 提出两种使群体达成共识的方法. 假设群体决策的结果以从个体偏好通过集结得到的群体偏好为基础, 在使用算术加权集结算子和几何加权集结算子的条件下, 分别设计相应的共识达成算法, 并对算法的收敛性进行分析. 与已有方法相比, 所提出算法能够体现决策个体的差异和决策个体对群体的影响. 通过某市政图书馆空调系统安装方案的选择表明了所提出方法的合理性和可行性.

摘要:

针对实际问题中决策信息不完全的动态多属性决策问题, 提出了广义优序法. 将决策问题转化为各方案的广义优序数矩阵问题, 并在此基础上引入逼近理想解的排序法思想, 提出了确定属性权重和时间权重的变权方法. 该方法体现了对决策属性、时间样本的重要性和决策者的主观偏好, 使得决策结果更加符合决策者的选择. 最后通过实例分析验证了所提出方法的科学性和有效性.

摘要:

在不完全市场下, 研究基于随机基准的动态均值-方差投资组合选择问题. 该问题也可以理解为一个跟踪误差动态投资组合问题, 并将之转化为一个等价的考虑风险调整的期望相对收益最大化问题. 利用随机动态规划方法, 给出了最优投资策略和有效前沿的显式表达式. 最后通过实证分析表明了不完全市场和完全市场下最优投资策略和有效前沿的变化, 并对相关结论进行了经济解释.

摘要:

针对系统模型的不确定性、未知输入扰动和非线性特性, 提出一类非线性系统参数估计的故障诊断算法. 构造系统故障诊断观测器, 采用Lyapunov 稳定性定理验证观测器的稳定性, 通过Barbalat 引理证明满足故障诊断观测器为渐近稳定的表征故障参数的参数估计, 并总结了设计算法流程. 仿真结果表明, 所提出算法具有快速收敛性, 对一类非线性系统诊断效果较好.

摘要:

基于退化分析方法提出一种判定准则, 用于分析不确定分数阶时滞系统的稳定性. 介绍一种分数阶积分算子的有理逼近方法, 在此基础上采用整数阶系统逼近分数阶系统, 从而将难以判定的分数阶系统稳定性问题转化为由逼近偏差作为不确定项的整数阶系统稳定性问题进行处理. 利用积分不等式法研究逼近系统稳定性, 得到LMI 形式的稳定性判据. 仿真结果表明, 所提出方法能够有效分析这类系统的稳定性.

摘要:

针对一类含有不确定参数的网络控制系统(NCS), 研究网络中存在时延与丢包情况下的鲁棒H_∞控制问题. 构造一个新的Lyapunov-Krasovskii 泛函, 并基于改进的Wirtinger 不等式推导出闭环NCS 渐近稳定且满足H_∞ 性能的充分条件, 该条件能得到比已有文献保守性更小的结果. 给出线性锥补算法以实现次优鲁棒H_∞控制器增益的求解. 最后通过多个数值实例验证了所提出方法的有效性.

摘要:

针对低信噪比条件下的机动小目标实时检测与跟踪困难的问题, 提出一种基于混合估计多模粒子滤波的检测前跟踪改进算法. 首先根据前一时刻所采用的模型状态及其转移概率等先验信息实现当前时刻的模型采样; 然后在充分考虑当前量测下实现当前的粒子预测, 采用一种序贯重要性平滑重采样策略, 在不增加计算量的前提下, 改善了粒子多样性衰退的问题; 最后通过新的粒子集完成对模型和状态的合理估计与目标检测. 仿真结果验证了该方法的检测与跟踪性能优于传统的多模粒子滤波方法.

摘要:

针对传统的基于直方图的均值漂移跟踪算法, 当目标出现于复杂跟踪条件时, 因无法显著区分颜色相近的目标或背景而导致跟踪失败的问题, 提出一种基于空间相关背景加权直方图的均值漂移跟踪算法, 并给出了推导过程. 实验结果表明, 该算法通过在目标模型中减少背景显著特征来增强目标定位, 能在遮挡、光照变化等复杂情况下实现有效的目标跟踪, 改善了传统均值漂移算法中模板不能及时更新等方面的局限性.

摘要:

D-S 证据理论是一种重要的决策级信息融合方法, 冲突度量是该理论的重要组成部分. 已有冲突计算方法不具备非对称性, 在度量基本概率赋值与其他证据间冲突时无法体现相互间差异. 鉴于此, 提出一种非对称证据冲突度量方法. 该方法以冲突度量的非对称关系为基础, 通过向Jousselme 距离模型中引入包含关系矩阵和非包含度因子, 得所提出方法能够表达证据间相互支持程度的差异. 实验结果验证了所提出方法的有效性.

摘要:

针对具有不同维数非线性节点的非线性耦合复杂动态网络, 首先给出了它的模型和实现同步的假设; 然后基于不变流形给出了该类复杂网络同步的定义, 并设计了分散动态补偿控制器, 提出了同步方案; 最后运用Lyapunov 稳定性理论进行了理论证明, 并通过数值仿真验证了该同步方案的有效性.

摘要:

联合对角化能够成功解决盲分离问题, 但在求解时会得到非期望的奇异解, 从而无法完全分离出源信号. 鉴于此, 提出一种用于线性卷积混合盲分离的联合对角化方法, 将卷积混合模型变换为瞬时模型, 并对变换后的模型应用联合对角化求取分离矩阵. 在求解过程中, 引入约束条件对解的范围进行限定, 避免了奇异解的出现. 仿真结果表明, 所提出的方法能够成功实现卷积混合信号盲分离.

摘要:

针对捷联惯导(SINS) 晃动基座下, SINS 难以快速实现自对准的问题, 提出SINS 的抗干扰自对准算法. 该算法通过将初始对准问题转化为Wahba 求解问题来消除角运动干扰的影响; 利用惯性坐标系重力矢量和晃动干扰加速度的频率特点, 通过设计低通滤波器对比力在惯性坐标下的投影进行滤波来消除线振动干扰的影响. 仿真结果表明, 该算法不需要进行粗对准, 能够在角运动干扰和线振动干扰同时存在的情况下快速实现自对准.

摘要:

通过文献统计方法构建供应商选择评价准则体系. 针对主客观评价准则下多种数据类型混合的评价信息, 提出根据采集到的原始数据客观确定决策者和决策准则权重, 避免主观赋权带来的二次不确定性. 采用基于混合信息的VIKOR方法集结评价值, 以克服数据类型的不可公度性和数据转换造成的信息损失. 从理论、数值实验和敏感性分析3 个维度与TOPSIS 方法进行对比, 表明了所提出方法在供应商选择决策过程中的特点和优势.

摘要:

为了解决现有关于证据理论与层次分析的交叉决策方法(DS/AHP) 因信息推断方式缺乏柔性而容易造成决策信息提取结果有效性差的问题, 分析了传统方法的建模步骤和存在的缺陷, 并基于部分与整体、部分与部分、整体与部分3 类相对推断方式提出能够容纳多种推断信息的柔性知识矩阵. 在此基础上, 结合最优化原理构建可以从柔性知识矩阵中有效识别出最优基本概率分配函数的理论模型、计算模型和两个模型之间的等价定理. 最后通过数值对比分析验证了所提出方法的科学有效性.

摘要:

有效判定灰色模型的病态性是进行灰预测建模的关键. 为了揭示灰色Verhulst 拓展模型建模参数在原始序列存在微小扰动下的变化规律, 以矩阵谱条件数为工具对该模型灰导数的背景值进行分类证明. 结果表明, 灰色Verhulst 拓展模型不存在严重病态性. 采用灰色Verhulst 拓展模型进行预测建模, 模型的解不会因系统原始数据在收集过程中存在微小误差而产生显著漂移现象.

摘要:

Cubature 卡尔曼滤波器(CKF) 在非高斯噪声或统计特性未知时滤波精度将会下降甚至发散, 为此提出了统计回归估计的鲁棒CKF 算法. 推导出线性化近似回归和直接非线性回归的鲁棒CKF 算法, 直接非线性回归克服了观测方程线性化近似带来的不足. 具有混合高斯噪声的仿真实例比较了3 种Cubature 卡尔曼滤波器的滤波性能, 结果表明这两种鲁棒CKF 滤波精度及估计一致性明显优于CKF, 直接非线性回归的CKF 的鲁棒性更强, 滤波性能更好.