基于聚类方法和神经网络的非线性系统多模型自适应控制

针对具有参数跳变的非线性系统,联合聚类算法和神经网络提出新的多模型自适应控制方法。首先对系统的输入输出数据进行模糊聚类,然后基于递推最小二乘法建立多个固定模型。为提高系统的暂态性能,同时建立两个自适应模型,并在此基础上设计鲁棒自适应控制器。此外,为了补偿系统的非线性部分,建立非线性预测模型,并设计非线性神经网络自适应控制器。所提方法可使控制切换系统具有稳定性保证。最后,通过性能指标对控制器进行平滑切换。仿真结果表明,所提方法能够保证系统具有良好的控制性能。     

基于投资犹豫的欧式期权定价模型

文章首先引入三角直觉模糊数来刻画投资者的犹豫程度和期权价格估计的不确定性,构建了基于三角直觉模糊数的Black-Scholes期权定价模型,并用风险中性的方法给出了欧式期权价格的解析表达式,该结论是Yoshida更一般的情况.然后,本文进行了数值分析,给出了欧式期权价格的区间值,并进行了参数敏感性分析.研究结果表明:基于三角直觉模糊数的Black-Scholes期权定价模型更能体现投资者的犹豫程度.     

基于分形理论的磨粒磨损预测模型

为了求解在粗糙表面上磨粒磨损的磨损率,在分形接触模型的基础上,利用塑性变形磨损理论推导了基于分形参数的磨损率模型,并建立了磨损率与分形维数、材料性能常数、磨屑概率之间的关系,从而反映出材料的磨损规律。从分析结果可以看出,当分形维数处在某一区间内时,随着分形维数的变化,磨损率先减小后增大;最优分形维数为1.5,此时磨损率最小。当分形维数保持不变时,随着尺度常数、概率常数的增大磨损率也随之增大;而随着材料性能常数的增大磨损率减小。当其他各参数都保持恒定时,接触面积越大磨损率也变大。该模型的建立为进一步研究粗糙表面的摩擦、磨损与润滑具有重要意义。     

模糊随机过程的Itô-Henstock积分

定义和讨论了适应的模糊随机过程关于Brownian运动的模糊Itô-Henstock积分和模糊Itô-McShane积分及其性质,给出了刻画定理,并讨论了两者之间的相互关系。结果表明,当模糊Itô-Henstock积分原函数Itô 绝对连续时,模糊Itô-Henstock积分和模糊Itô-McShane积分等价。     

连续型目标信息系统的属性约简

针对连续型数据的属性约简问题, 提出了一种新的属性约简方法[CD2]基于分配可辨识矩阵的属性约简方法。给出了基于连续型数据的分配协调集的概念, 研究了基于连续型数据的分配协调集的基本性质, 定义了基于分配协调集的辨识矩阵。在此基础上提出了基于辨识矩阵的连续型数据的属性约简方法, 并给出了计算辨识矩阵的算法。实例分析表明, 该方法能有效地对连续型数据进行属性约简。     

偏序内P-集合模型及其特征

利用层次内P-集合理论,研究层次内P-集合基于依赖关系偏序性质,研究层次内P-集合元素间的关系以及普通P-集合与层次P-集合的关系.层次P-集合是普通P-集合的扩展,提供了多角度、多层次分析和研究问题的方法.     

BL-代数的余零化算子及其BL同态像

通过在BL-代数中给出单点余零化算子的概念,研究单点余零化算子的基本性质;在BL-代数中讨论多点余零化算子的基本性质,并给出BL-代数的一个子集是多点余零化算子像的充要条件;研究多点余零化算子BL同态像的性质并分别给出余零化算子的BL同态像和余零化算子的BL同态原像是余零化算子像的充要条件.     

可数余定向极大集的若干性质

基于对偶可数连续格对可数余定向极大集进行研究.讨论了对偶可数连续格的一些内部刻画,获得了对偶可数连续格构成完全分配格的一个充分条件,并探究了完全分配格的若干个内部刻画.     

属性约简的两阶段遗传算法

属性约简是数据挖掘的一个重要研究内容. 为了解决具有多种属性类型的决策表约简问题,在粗集和二元关系聚合理论的基础上,利用属性重要性作为评价标准,提出了一种两阶段遗传约简算法. 算法的第一阶段是为了找出尽可能多的约简,第二阶段力求寻找最小约简. 根据算法每个阶段的目标设计了编码方案、种群规模、适应度函数、终止条件、选择、变异和修正操作. 实验表明,与标准遗传算法相比,两阶段算法在计算最小约简时更为准确和稳定.