一种基于模糊聚类的可解释性建模方法

提出一种基于模糊聚类的可解释性建模方法.利用提出的一种含有熵的聚类有效性函数来评价模糊聚类方法的有效性和可解释性,从而确定模糊规则数和模型前提参数,然后利用最小二乘法来辨识模型的结论参数,最后采用梯度下降法来调整模型的参数.该方法应用于Box-Jenkins 数据仿真实例,仿真结果表明该方法不但能保证系统的精确性,还具有很高的可解释性.     

一种多任务实时软件可靠性模型

根据实时多任务软件的特征和各任务所占系统时间的非均匀分布，以任务模块为基本单元，提出一种实时任务软件可靠性评价模型。该模型所需参数易分析和计算，具有良好的可实现性和可扩充性，为实时多任务软件的可靠性评价开辟了一条新途径。     

扩展T-S模糊模型在建模中的方法研究

在标准的T-S模糊模型基础上,提出了扩展的T-S模糊模型.然后采用改进的遗传算法优化扩展的T-S模糊模型参数和规则数.针对复杂系统的模糊建模问题,采用了一种改进遗传算法的模糊建模方法;数字仿真结果验证了算法的可行性和有效性.     

一种改进的自适应模糊控制器

改进了自适应模糊控制方法,将一阶TS模糊模型作为IF-THEN规则后件,引入额外的参数向量,调整RBF网络的所有参数,从而减少了逼近误差,提高了跟踪性能并改善了控制性能。通过仿真及在典型非线性系统单级倒立摆上的应用表明其有效性。     

一类模糊状态方程的建立与应用

提出了一种新的模糊状态方程表示式,采用L-R模糊数表示系统的模糊状态变量、模糊输入变量和模糊输出变量,在此基础上构造相应的模糊状态方程模型.还进一步讨论了模型中时变参数的辨识方法,最后的仿真实例说明了这类模型及其辨识方法的有效性.     

单片机系统中多任务并发机制的实现

根据 PC机的多用户多任务操作系统原理 ,分析了单片机的应用系统功能 ,提出了一种基于多任务机制的单片机系统程序结构 ,讨论了具体实现方法 ,并给出应用实例 .     

模糊神经网络优化的研究

模糊神经网络具有强大的自学习和自整定功能,然而,随着生产实际情况的不断变化,以及模糊神经网络不断的改进和发展,提出一种改进的构造神经网络的方法,并且提出混合学习算法,结合共扼梯度下降法与递归最小二乘估计来分别辨识网络中的前、后件参数,并对非线性系统进行仿真实验,达到控制要求.     

基于粒子群算法优化的T-S型模糊神经网络控制器

粒子群优化(PSO)算法是一种新颖的演化算法,该算法通过粒子间的相互作用在复杂搜索空间中发现最优区域,其优势在于简单而功能强大。提出一种T-S型模糊神经网络控制器,采用PSO算法对模糊神经网络的前件参数和后件参数进行寻优,从而实现了模糊规则的自动调整、修改和完善。通过对非线性和时变被控对象的仿真研究,结果表明采用粒子群优化算法可以实现参数的全局快速寻优,而且优化后的T-S型模糊神经网络控制器能获得良好的控制性能。     

一类非线性系统的模糊自适应控制

针对一类非线性系统,把模糊T S模型和自适应模糊逻辑系统这两种模糊逻辑方式结合起来,提出了一种自适应控制方案.首先,采用模糊T S模型来对非线性系统建模,由线性矩阵不等式得到模糊模型的控制律.其次,构建了自适应模糊逻辑系统,应用自适应模糊逻辑系统补偿器来消去建模误差.证明了闭环系统满足期望的H∞性能,仿真结果表明了该方案的可行性.     

实时多任务监督控制程序

论述了如何在ＳＴＤ总线系统上实现多任务监督控制，并给出具体的实现方法．     

基于置信传播分组的多任务压缩频谱感知

针对认知无线电中主用户覆盖范围存在交叠区域的情况,给出先次用户分组再组内协作感知的方法. 首先提出一种基于简化置信传播(belief propagation, BP)的次用户频谱相似性分组算法,挖掘各次用户前一次频谱感知信息并提取相关参数,再根据相关参数利用BP算法对当前频谱感知次用户进行相似性分组. 在组内采用恢复效果较好的多任务压缩频谱感知方法来完成感知任务. 仿真结果表明,所提出的频谱感知方法与现有方法相比,能在混杂频谱环境下保证较好的虚警概率,同时提高频谱感知的正确检测概率,且随着全网感知用户数的增加,频谱感知结果也不断改善.     

改进的多任务学习方法的眼底视盘分割与定位

提出了一种改进的多任务学习方法,网络的主结构由特征提取网络和分别进行视盘分割与视盘定位的双路径网络组成,通过端到端的训练与测试可以实现眼底图像视盘自动分割与定位相结合的多任务目的。在特征提取网络的编码阶段利用密集连接提取眼底图像视盘的上下文特征。视盘分割任务是依靠解码阶段逐步恢复原来的图像分辨率并获取整个视盘轮廓,视盘中心定位任务由空洞空间金字塔模块和金字塔池化模块来进一步提取视盘抽象特征,得到精准的视盘中心坐标。对350幅眼底图像进行了视盘分割和中心定位,实验结果表明:该方法自动分割的视盘结果与手动标注视盘区域的Dice系数为0.965,自动定位的视盘中心坐标与手动标记的视盘中心的平均绝对距离为0.191 mm(34.7像素)。     

基于模糊竞争学习的模糊自校正控制

提出一种基于模糊竞争学习的模糊自校正控制方法.先通过基于模糊竞争学习确定一种在线模糊辨识算法,并给出递推模糊竞争学习算法收敛性证明.在采用此模糊辨识方法对对象进行在线估计的基础上,再用调节器实现参数的自动整定.为验证此法的有效性,还给出了非线性系统的控制结果.     

利用循环相关特征的自适应模糊调制分类

针对非平稳数字调制信号,提出一种高阶正交循环累量特征,具有“屏蔽”干扰和噪声的特性. 采用模糊神经网络非线性动态建模的调制识别器,根据特征训练样本的大致分布状况建立蕴涵初始经验的模糊推理系统结构,再嵌入神经网络的结构和自适应学习算法对模糊系统参数进行调整和优化,完成模糊神经网络模型的逼近求精. 对MASK, MPSK, MFSK, MQAM 等信号进行仿真实验,结果表明系统在信噪比等环境参数变化较大的情况下适应性和容错性良好. 相对于神经网络等识别器,具有初始经验的系统结构更明确,建模周期较短,算法识别率和效率有明显提高.     

基于相似关系的不完备模糊决策信息系统知识约简

在不完备信息系统和模糊决策信息系统及其粗糙集模型的基础上,提出了不完备模糊决策信息系统的概念,并基于相似关系及其粗糙集模型,给出了不完备模糊决策信息系统的粗糙集模型.该模型是不完备信息系统,完备模糊决策信息系统和经典决策信息系统粗糙集模型的推广.还给出了该系统的知识约简及其算法.     

一种可能性测度的模糊支持向量机

支持向量机能够成功的解决分类和回归问题,但是训练数据都是精确的。如果支持向量机的训练集中含有模糊信息,即训练集中的输入训练样本点为模糊数,那么支持向量机将无能为力。基于此,在可能性测度理论和模糊机会约束规划的基础上,建立了模糊v-支持向量机模型,并将该方法应用于某病的诊断中,实验结果验证了该方法的有效性。     

基于新的距离度量的三角模糊数多属性决策法

利用基于区间数的中心、半宽度的距离度量以及三角模糊数的水平集信息,定义了三角模糊数上一个新的距离度量,并证明了该距离满足非负性、对称性和三角不等式性质.进一步,针对三角模糊数上的多属性决策问题,利用该距离度量和模糊理想点思想,给出了一种基于新的距离度量的多属性topsis决策方法.最后,给出应用实例,并验证了该方法的合理性、有效性.     

基于时变T-S模型的自适应控制及其在养老保险系统中的应用

模糊控制算法已经广泛应用于商业和工业领域.讨论了基于时变系统T-S模糊模型的自适应控制方法,及其在养老保险信息系统中的应用.推广了一种基于参数辨识的自适应控制技术,这种自适应控制技术可以在控制过程中在线地调节系统的参数与结构,不断提高其适应能力.通过实际应用案例表明,提出的基于T-S模型的自适应控制技术在时变系统中是成功的.     

T-S模糊控制系统的稳定性研究

针对非线性系统的T-S(Takagi-Siugeno,T-S)模糊控制模型,在分析模糊控制系统稳定性的基础上提出了系统新的稳定性条件和分析方法,减小了以往稳定性判定方法的局限性,增加了稳定性条件的信息,从而保证了判稳条件的宽松.