谓词/变迁系统对一阶谓词公式的建模

研究了利用谓词/变迁系统对一阶谓词公式建模的方法。借助于软件工程中＂由粗到细,逐层分解＂的思想,定义了对各种逻辑联结词进行处理的基本模型。给出了一阶谓词公式的二叉树表示方法,进而利用二叉树的递归性质,提出了递归构造一阶谓词公式对应的谓词/变迁级的＂事实变迁＂表示的方法,克服了已有相关建模方法中存在的不足,为一阶谓词公式的自动化建模提出了新的思路。最后,探讨了一阶谓词公式的谓词/变迁系统模型在谓词逻辑推理领域的应用及其意义。     

激光诱导间质热疗中血流冷却效应的模拟

为研究激光诱导间质热疗过程中血管冷却对于生物组织内温度场和损伤度的影响,建立了包含单根血管的双层模型。由M on te C arlo模拟方法得到组织内的激光能量分布,采用有限差分法求解Pennes生物传热方程和血流换热能量方程得到组织内温度场,通过A rrhen ius速率过程方程得到组织损伤度。利用此模型,比较研究了不同血管情况下组织的温度场和损伤度。模拟结果表明,血管直径及血流速度是影响热疗中血管附近组织温度场和损伤度的重要因素。在模拟的5W功率条件下,当血管直径大于1mm时,如果仍采用与无血管情况下相同的治疗方案将可能导致无法完全杀死肿瘤而使热疗失去疗效。     

滑动平均模型的最小二乘辨识方法比较研究

滑动平均模型辩识的困难是信息向量中存在不可测噪声项。借助于递阶辩识的交互估计理论,用估计残差代替信息向量中中不可测噪声项,借助于多新息辨识理论扩展新息长度和充分利用系统观测数据的思想,提出估计滑动平均模型参数的多新息递推最小二乘辨识方法和最小二乘迭代辨识方法。与常规递推增广最小二乘算法相比,提出的方法具有更快的收敛速度,能产生更高精度的参数估计。仿真例子验证了算法的性能。     

模型参数未知的双率采样数据系统广义预测控制方法

对于双率采样数据系统,预测控制的困难是存在采样间损失输出,使得传统的预测控制算法和参数估计算法无法实现。为此,阐述了参数未知双率系统预测控制策略。其基本思想是,利用多项式变换技术导出了一个可以使用双率数据进行辨识的模型,通过对这个模型的估算和对采样间损失输出的估计,提出了双率系统的预测控制算法,仿真例子给出满意的控制效果。     

基于RFE_RF算法的幼龄沉香叶片含水率预估模型

【目的】针对随机森林算法在树木水分预测模型中高维度变量筛选困难及精度较低的问题,研究基于递归特征消除(RFE)与随机森林(RF)的融合算法,构建幼龄沉香(Aquilaria sinensis)可见光图像与叶片含水率的估测模型,探索适合幼龄沉香生长的水分条件,为实现沉香幼苗水分亏缺程度的无损监测提供可行方法。【方法】以2年生的名贵树种沉香为研究对象,用相机获取4种不同水分梯度下的幼龄沉香可见光图像,提取15种图像特征,利用递归特征消除法筛选沉香叶片最优的图像特征子集,然后结合随机森林算法构建沉香叶片含水率的预测模型,最后利用十折交叉验证法,将RFE_RF模型与常规随机森林(RF)以及最小二乘法支持向量机(LSSVM)相比较,检验模型的可行性。利用递归特征消除和随机森林融合(RFE_RF)算法筛选出幼龄沉香叶片图像的标准红光值(I_NR)、饱和度(S)、矩形度(E_R)3个特征,并以此作为模型自变量。【结果】与重度水淹胁迫相比,幼龄沉香对于长期重度干旱胁迫更加敏感,且干旱时间超出2周时幼苗叶片严重受损,威胁沉香生长;沉香最适叶片水分生长范围为50%~65%,适度增加水分,有利于沉香生长。基于RFE_RF融合算法构建的预测模型敏感度、特异性、误报率和精度分别达到88.64%、85. 31%、14. 39%和91.62%,优于LSSVM模型效果;与RF预测模型相比其敏感度提高3.34%、特异性提高10.87%、误报率降低36.83%、精度提高13.39%。【结论】基于RFE_RF融合算法建立的沉香叶片颜色、形状特征与含水率的模型,解决了随机森林过程中高维度变量选择问题,提高了RF在林木水分预测模型中的精度,实现了沉香幼苗叶片含水率的无损估测和诊断,为珍贵树种在经营管理中对水分进行准确管控提供了新思路。     

基于共轭梯度求解代价函数的卷积码参数识别算法

卷积码常作为级联码、Turbo码等高性能编码的子码, 正确识别出卷积码的参数是级联码、Turbo码参数识别的基础, 这要求卷积码参数识别算法具有较强的抗噪能力。利用解调软判决序列可以有效提高识别算法的抗噪能力。根据递归系统卷积码编码码元间的线性约束关系构造了一个基于指数函数的代价函数模型, 将生成矩阵的识别问题转化成求解代价函数极小值的最优化问题, 并采用共轭梯度法不断逼近极小点。仿真结果显示, 与现有算法相比, 所提方法显著提高了抗噪能力, 且适用性强、收敛速度快。