基于神经网络的故障模糊诊断研究

文章用模糊算子代替标准的传递函数，利用征兆、规则、故障间的逻辑关系进行故障诊断，构造了四层模糊结构，给出了诊断的知识流程、机理分析和诊断步骤，并推导出一种能加快网络收敛速度的故障诊断及改进算法．在对某J8-wp13发动机滑油典型故障样本和非故障样本的仿真中，诊断结果良好．     

综合集成过程中研讨信息记录模式的识别方法研究

运用人工神经网络理论和方法,建立研讨信息记录模式识别模型,并经"基于WEB的开放式群体决策研讨平台GASS"研究项目的实际应用,表明该方法具有较强的学习、联想和容错功能,能够根据具体的研讨活动状况定量评价信息记录模式,改进了以往仅评主观选择研讨信息记录模式的方式,从而在综合集成体系中提供更加有效的决策支持.     

一种运动目标提取方法及其应用

介绍了一种利用高阶统计量(higherorderstatistics,HOS)提取视频序列中运动目标的新方法,并将其应用到人脸识别技术中。利用HOS对高斯噪声的不敏感性分离运动区域和背景,进一步提取出运动目标。当提取出的视频序列中的运动对象为人体时,利用主元素分析法(principlecomponentanalysis,PCA)进行人脸识别。实验证明,算法计算简单,速度快,用于人脸识别时能正确提取出运动的人体。     

群集性随机图中的波及效应

随机图是社会网络分析的重要工具,在Newman等对传统随机图模型的研究基础上,研究了具有群集性的随机图这一与现实社会网络更为接近的随机图模型中的波及效应。利用概率论的方法计算出群集性随机图中距离波动中心任意远的被波及对象的期望数量,利用推导出的一般公式分析了该类随机图中波及效应的特点,并考察了群集性对波及效应的影响。由分析知,每个点的平均阶是影响波及效应的最具决定性的因素。从总体上说,群集性降低了波及效应。     

系统近似建模技术的研究与比较

对于大系统的优化,子系统由于分析模型计算复杂而大量采用近似模型代替与优化。常用的近似建模技术有响应面模型(RS)、计算机试验设计与分析模型(DACE)和神经网络中的误差后向传播模型(BP)。拟对以上三种近似建模技术进行了比较研究,简要阐述了三种近似建模技术的理论基础,并应用实例分别进行了考核。在各近似模型的近似精度和计算费用等方面进行了初步探讨与研究。     

传感器组网坐标变换及其精度分析

针对所得观测数据中存在一定的系统误差,这一误差又受到坐标变换的影响从而影响其校正处理的问题,结合传感器组网系统设计和应用的需要,分析了地理坐标变换算法的精度及其对组网传感器系统中的系统误差的影响,并通过理论分析和仿真实验得出了几个有益的结论,提出只有建立更为精确的大地水准面数学模型,才能真正提高坐标变换的精度。     

自适应OFDM系统中调制识别算法研究

提出了一种适用于快衰落信道下自适应OFDM系统的调制识别算法。在信道估计和频域补偿的基础上,利用子载波组样本的6阶和8阶累积量识别5种调制信号。仿真结果表明,该算法具有良好的识别性能和稳健性,在SNR=16 dB,移动台速度小于40 km/h的条件下,调制方式的正确识别率可在到95%以上。     

复杂性是随机性吗?

辨析了对柯尔莫哥洛夫复杂性的某些误读。指出柯尔莫哥洛夫复杂性定义下的随机性即序列的不可压缩性，不等于无序性，并且与传统的随机性理解相去甚远。在某些情况下，这种序列的不可压缩性恰恰是有序性的表现，从而说明，柯尔莫哥洛夫复杂性可以成为系统有序状态即复杂性的测度。     

关于熵、信息、序的五个佯谬

熵、信息、序的概念由来很久，准确理解和运用这些概念却往往被忽视。关于熵、信息、序的五个佯谬：信息既可以是有序的、又可是无序的；熵小必有序、熵大必无序；简单即有序、复杂即无序；信源熵等于信息量；混沌是高度复杂、高度有序的状态，源于对熵、信息、序概念的误解。准确把握熵、信息、序概念将使五个佯谬破解。     

系统科学与复杂网络研究

从模型的角度出发，分析系统科学所讨论的几类模型，总结研究这些模型的主要概念和主要方法；依据当前复杂网络研究的实际，提出系统科学和复杂网络结合研究的思路、具体方法、应注意的问题。