基于粗糙集理论的知识库分解与规则获取

粗糙集理论可以通过对数据的约简从例子中学习,获取决策规则。但是,当知识库规模较大、条件属性个数较多时,存在提取规则速度慢、规则长度长等缺点。本文介绍了粗糙集理论的基本概念,提出了一种基于粗糙集的知识库分解算法。首先引入决策属性支持度的概念,在此基础上定义了一个属性选择量度,选择最佳目标属性对知识库进行分解,直到所有对象都被精确分类,从而得到具有一定支持度的规则集,得到的规则长度短,提取速度快。通过对一个简单实例的分析,证明了该算法的可行性。     

一类非自衡对象的两自由度内模控制

针对常规一自由度内模控制在非自衡对象中应用的不足,提出了一种基于互质分解的两自由度内模控制器设计方法,并采用H2优化改善了系统的动态性能.一类非自衡二阶非最小相位过程的仿真结果表明,这种方法可使系统同时具备良好的鲁棒特性和干扰抑制特性.     

基于小波变换和模糊聚类的自适应水印嵌入方法

利用人类视觉系统(HVS)的掩蔽效应和小波多分辨率分析的特点,作者提出了一种通过在图象的小波域的细节部分进行模糊聚类来寻找适合嵌入水印的位置,再用隶属度作为嵌 入强度来嵌入水印的新的数字水印嵌入算法.实验表明该方法能在保持图象质量的前提下提高水印的鲁棒性.     

KP=L2D2S2分解的多变量模型参考自适应控制

利用高频增益矩阵Kp=L2D2S2的分解，通过重新定义新的规范化信号，对多变量的MRAC方案进行了严格的理论分析，证明了闭环系统的稳定性和跟踪误差的收敛性。     

基于脑电信号的手指动作识别

分类识别技术在脑-机接口的研究中占有重要地位,本文基于在事件相关脑电图中,存在的运动感觉皮层脑电位下降和事件相关非同步现象,运用了一种基于共空域子空间分解的算法,对左右手指动作时的多通道脑电信号进行了特征提取。最后,根据提取的特征进行了手指动作的识别,在对三个人的脑电数据识别中,平均识别率达到了75.6%。     

机群系统中矩阵的并行QR分解算法

随着高速网络技术的快速发展,机群系统已经成为并行计算的主要平台,由于它的高通信延迟,某些在并行机上实现的细粒度并行算法已不适合在该环境下运行,为此有必要研究它们在机群系统中的并行实现.基于这一点,对矩阵的QR分解提出了一种新的任务划分策略,并由此得到了它的一种粗粒度并行算法.实验结果表明,设计的并行算法在机群系统中具有较高的加速比.     

快速高温热退火对InGaNAs/GaAs量子阱的影响

从系统自由能角度,阐明了MBE生长的InGaNAs量子阱材料在高温热退火过程中的结构和物理性能的变化。在热退火时,In-Ga互扩散和N-As互扩散引起spinodal分解,N原子趋向于与In结合形成In-N键,使InGaNAs材料的带隙增加,从而引起PL谱峰值的蓝移。     

由覆盖性测试应变识别简支梁破损

梁在破损处的应变突变明显，其它处甚至紧邻破损处的应变没有明显变化，由应变振型识别梁的破损，测试应变应沿长度覆盖整个梁，采用大标距应变片或应变测试辅助装置进行覆盖性测试是可行的，测量结果是标距范围内应变的平均．采用奇异值分解方法处理测试应变数据，可将微弱突变信号分离出来．     

基于经验模式分解的包络解调技术及其应用

提出了一种新的调制信号解调分析技术,来抑制传统的包络解调方法中经常出现的无意义的频率成分.首先,对复杂的振动信号进行经验模式分解,得到若干个基本模式分量,再对包含调制信号的基本模式分量进行包络分析以提取故障信息.该方法利用经验模式分解来实现故障信息的有效分离,从而提高了诊断信号的信噪比.利用该方法对某齿轮箱轴承座振动信号进行经验模式分解,进而解调出高速轴转频这一调制频率,准确地诊断出该故障是由齿轮轴不对中所引起的,通过针对性的维修后,消除了故障,从而验证了该方法的有效性.     

基于LSI和自组织神经网络的高效文本聚类方法

根据隐含语义索引(LSI)理论和动态自组织映射神经网络理论,提出了一种文本聚类的新方法.应用动态自组织映射神经网络来实现文本聚类,不必预先给定聚类个数,可以在任意合适的位置生成一个新的类,具有聚类灵活和精度高等特点,对于高维的文本特征向量来说,聚类速度很低;该方法应用LSI理论来建立文本集的向量空间模型,在词条的权重中引入了语义关系,消减了原词条矩阵中包含的"噪声"因素,从而更加突出了词和文本之间的语义关系.通过奇异值分解(SVD),有效地降低了向量空间的维数,克服了自组织神经网络的聚类缺陷,提高了文本聚类的精度和速度.