纯滞后状态方程及其离散化

纯滞后是工业过程中普遍存在的一种现象。本文讨论和分析了具有状态纯滞后时状态方程的解及其一些性质,根据这些性质给出了这类方程的离散化表达式。分析比较了解算这类方程的各种方法,认为由离散化方程递推求解是在线应用的一种较好方法。文中还利用秩分解,以进一步简化计算。     

机器人的一种自校正控制算法

本文给出了一种新的、结构简单的机器人数学模型。把文献[1]的结果扩展并应用于机器人的轨迹控制,并导出了一种新的机器人自校正控制算法。仿真结果证实了本文所提方法的可行性。     

非线性电阻电路灵敏度的研究

讨论分析了应用灵敏度定义和伴随网络计算非线性电阻灵敏度的方法 ,指出问题的关键是求具有一定精度的非线性电阻离散化等值电路模型 ,并给出了计算实例     

基于信息增益的多连续属性离散化算法改进

提出了一种基于多连续属性的离散化改进算法，在信息增益的离散化算法基础上，将离散化结果加以修正，并结合实例，详细说明该改进算法能更准确的判断出噪声数据、异常数据和错误数据，实现对这些数据的区别对待。     

三维涡流场的数值计算法——综合物理场有限元法

本文利用综合物理场方程,以直角坐标系下的复量位表示的非线性三维涡流电磁场方程(σ=const,μ≠const)为基本求解方程,进行了统一三维(二维)电磁场的综合物理场有限元分析和数值计算的研究,导出了综合有限元计算格式(它适用于高阶、低阶以及线性的四面体和六面体单元)。文中以超导电机在失超状态下的三维涡流场为例进行了实际计算。     

影响中学物理实验成绩因素的粗糙集理论分析

粗糙集理论是一种新的用于处理不确定性和模糊性的数学工具,能在保留主要信息的前提下,从大量复杂的数据中发现隐含的、潜在的规律.通过运用粗糙集理论对中学生物理实验中的综合能力数据进行分析,得到了影响物理实验成绩的关键性因素,所得结果可为物理实验教学提供理论参考.     

基于状态转移的奖励值音乐推荐研究

听音乐有助于纾解人们的压力,现已成为大众娱乐的一种重要方式.互联网的发展使人们听音乐变得方便,但同时也使得"信息过载"的问题变得日益严重.尽管各大公司平台纷纷推出了针对音乐的推荐系统来解决这个问题,但现有传统的推荐系统并不能保证用户体验,用户对精准推荐的需求仍很强烈.为解决"信息过载"问题的同时并保证用户体验,本文提出了基于状态转移的奖励值算法.该算法包括对用户自身喜好建模,并利用用户集数据提出的音乐流行度和用户从众度,根据用户喜好、音乐流行度以及状态转移概率定义奖励函数.所提出的算法能个性化地对音乐库数据进行筛选和聚类.在对数据进行处理时,采用Davies-Bouldin指数对声乐特征进行离散化.在模型训练时,采用基于列表距离最小化的计算方法对参数进行选择.通过在Million Song Dataset开源音乐数据集上的实验,表明在算法中加入音乐流行度对推荐效果有一定影响,本文所给出的推荐算法能够提高推荐的效果,说明了本文算法的有效性.     

基于交互信息的连续值属性决策树学习算法

Fayyad连续值属性决策树学习算法使用信息熵的下降速度作为选取扩展属性标准的启发式,本文针对其易选取重复的条件属性等不足之处,引入属性间的交互信息,提出了一种改进算法--基于交互信息的连续值属性决策树学习算法,它的核心是使用信息熵和交互信息的下降速度作为选取扩展属性标准的启发式.实验结果表明,与Fayyad决策树学习算法相比,该算法降低了决策树中同一扩展属性的重复选取率,实现了信息熵的真正减少,提高了训练精度和测试精度,能构造出更优的决策树.     

时间最优控制的一种算法

本文提出了对于控制作用和状态均受约束的多入多出线性系统的求解时间最优控制问题的算法。在离散数学模型的基础上,首先应用求解线性规划问题的有界变量单纯形方法求出满足控制约束的控制序列,然后再利用割平面方法处理状态约束,以求得满足约束条件的最优控制。除时间最优外,本算法还允许提出线性形式的附加目标函数。在具有附加目标函数时为能有效地处理状态约束,推导出了有界变量对偶单纯形方法。本算法通过扩展状态或部分扩展状态,可应用于一类有状态滞后的系统。为提高计算效率和减少存储容量,采取改进了的跳步算法和压缩存储技术等措施。     

基于集成分类器的用户属性预测研究

用户属性在个性化服务中具有重要的作用,利用手机数据进行用户属性预测逐渐成为新方向.利用手机应用类别均使用时长和应用类别个数,提出了基本属性与辅助属性的概念.首先对所有未标注样本的辅助属性离散化,将辅助属性基于类别的海灵格距离作为基本属性的特征权重,将基本属性与权重的乘积作为特征训练集成分类器中的各个基分类器,并引入随机森林中的带外样本准确率作为基分类器的权重,得到最终的分类结果.实验结果表明,本文所给出的集成分类器框架能够提高用户属性预测的效果.