基于冲突指导的神经网络预测方法

研究基于冲突指导的神经网络预测技术. 利用离散约 束最优的拉格朗日乘数理论, 通过采用前馈方法得到近似梯度的模拟退火技术, 避免了盲 目接受试验点. 利用松紧策略加快了搜索的收敛速度. 实验结果表明, 训练误差和预测 误差都有很大改善.     

基于Zhang-Hager线搜索的改进近似最优梯度法

提出一种改进的近似最优梯度法,求解图划分问题中的无约束目标函数.先用修正的BFGS更新公式及选取BB类步长的线性组合作为标量矩阵得到近似最优步长,再引入参数对经典的Zhang-Hager线搜索形式进行改进,构建算法框架并给出R线性收敛性证明.实验结果表明,改进算法提高了原算法的性能.     

基于进化策略的K-means聚类算法

针对K-means聚类算法易陷入局部极小以及K值选取的问题，提出一类基于进化策略的聚类算法，可以有效地搜索最优聚类中心和聚类个数K；还提出了确定K值范围的经验公式，以减小搜索空间，提高搜索效率，并给出了理论分析．相对遗传算法而言，本方法鳊码简单，种群较小．对Fishers iris数据集的仿真实验表明，该方法得到最优解的可能性比经典算法大得多．     

解特征值问题的分解法——及其在振动方面的应用

本文讨论了求解特征值问题的一种分解方法,即将复杂的微分方程分解成几个简单的方程求解的方法。对于较复杂的特征值问题,往往遇到其微分方程不易或不能求解的困难,目前大都采用直接法(Ritz法,法等)求近似解,但在选取合适的容许函数以保证结果的正确性方面亦甚不易,本文所用的分解法,由于其属于分析解法性质,就不存在这种困难,且可能得到精确解或良好的近似解,而在计算上亦甚简便。同时可以证明,当得到的是近似解时,其值必低于精确解,即给出一个下限。常用的近似法,如能量法等,往往得到的是上限,现可求知下限,对精确解的估计,当有裨益。文内讨论了樑、板、壳方面的一些特征值问题应用分解法的实例,得到了良好的结果,证实了此方法的实用价值。     

求解椭圆方程的一种新的混合元方法及其后处理技术

对模型问题：Δ（α（ｘ）Δω）＝ｆｉｎΩ，ω－０ ｏｎδΩ提出了一种新的混合元方法，此方法一方面只给出了Δω的近似，减少了未知数的个数，国一方面是对称的，便于数值计算。采用线性元近似，得到了最优阶Ｌ＾２模误差估计。当α（ｘ）＝１时，对此混合元格式采用后处理技术，使结果提高了一阶精度。     

求解椭圆方程的一种新的混合元方法及其后处理技术

对模型问题：（ａ（ｘ）ｗ）＝ｆｉｎΩ，ｗ＝０ｏｎΩ提出了一种新的混合元方法．此方法一方面只给出了ｗ的近似，减少了未知数的个数，另一方面是对称的，便于数值计算．采用线性元近似，得到最优阶Ｌ２模误差估计．当ａ（ｘ）≡１时，对此混合元格式采用后处理技术，使结果提高了一阶精度．     

基于小波包最优基的网络数据的压缩

将紧支撑集正交小波包变换运用到网络数据压缩中来。研究了直接影响网络数据压缩质量的几个因素---域值,小波函数,分解级数,小波包基。在此基础上,选取域值熵作为优选指标,给出了取得最优方案的快速搜索方法。实验表明,选用的压缩方法提高了网络数据的压缩效果。     

基于单纯形搜索法的气动实验设计方法

气动实验是针对气动设计指标,为评判设计方案优劣所进行的实验.方案设计要进行大量反复迭代的特点,使得总体气动实验工作量很大.基于此,提出单纯形搜索法指导气动实验设计方法,单纯形搜索法无需数学模型,计算简单.通过排翼布局前翼对后翼气动干扰的风洞实验,证实了基于单纯形搜索法的气动实验设计方法的有效性,同时气动实验结果很快收地敛到能接受的误差范围内.     

基于混沌和蚁群算法测量圆度误差

提出一种基于混沌和蚁群算法计算圆度误差的方法,它将混沌搜索与蚁群算法相结合,在蚁群搜索完成后,利用混沌进行搜索,以提高搜索精度.简要地介绍了混沌和蚁群算法的基本原理,详细地描述了蚁群算法和混沌解决圆度误差评价问题的步骤.最后给出实验结果.仿真实验结果表明,这种方法可以有效、正确地评价圆度误差,克服了利用最小二乘法评价圆度误差的局部收敛问题.     

利用回溯搜索优化算法(BSA)测量圆度误差

由于圆度误差的评定方法结构复杂且求解精度比较低,因此提出了利用回溯搜索优化算法(BSA)来解决圆度误差问题.首先,简要介绍了圆度误差的评定方法以及数学模型,进而确定了圆度误差的目标函数;并对BSA的基本原理进行了详细地分析,在此基础上,给出了基于BSA评定圆度误差的方法和具体步骤;最后,通过仿真实验来检测回溯搜索优化算法的准确性,仿真实验结果显示,通过回溯搜索优化算法可以正确、快速地测量圆度误差.     

基于模糊系统聚类学习的自适应控制算法

在自适应控制最小方差自校正控制器设计中，当被控对象的数学模型未知时，可采用模糊系统代替实际系统。提出了一种新的模糊系统的聚类学习算法，根据初始聚类中心的选取原则，可以使最终获得的聚类结果是全局近优解。该方法只需计算一遍样本间的广义距离，即可完成初步的聚类，通过迭代运算可以使聚类结果得到进一步优化。仿真结果证明了自适应控制器的控制效果。     

北斗卫星定向中参考星的选取研究

卫星定向模型中,参考星的选择直接影响定向解算精度。常用的最大高度角选星法无法使RDOP值达到最优,而通过遍历所有卫星对RDOP值进行排序的方式虽可得到最优RDOP值但计算复杂。针对上述问题,提出了一种基于离散度的参考星选取方法,该方法通过离散度计算选择处于重心位置的卫星作为参考星,能在保证选择最优的情况下兼顾较高的计算效率。通过实验对上述三种方法进行了对比,结果表明,基于离散度的参考星选取方法的RDOP选择最优性远高于最大高度角法,与遍历方式所得的RDOP值一致性可高达82.5%,RDOP值相差在0.2以内的占总体95.6%,且与其解算结果有很高的相关性,但计算复杂度大大降低。     

Best Tracking Performance under Plant Uncertainty and Control Energy Constraint

This paper has investigated best tracking performance for linear feedback control systems in the case that plant uncertainty and control effort need to be considered simultaneously. Firstly, an average integral square criterion of the tracking error and the plant input energy over a class of additive model errors is defined. Then, utilizing spectral factorization to minimize the performance index, we obtain an optimal controller design method, and furthermore study optimal tracking performance under plant uncertainty and control energy constraint. The results can be used to evaluate optimal average tracking performance and control energy in designing practical control systems.     

足球正脚背射门动作的三维姿态重构方法研究

足球正脚背射门动作实时变化,不同时刻目标二维图像存在很大差异,当前三维姿态重构方法可得到的动作信息非常有限且具有姿态敏感性,导致重构结果不可靠、连续性不高。为此,提出一种新的足球正脚背射门动作的三维姿态重构方法,依据足球正脚背射门动作图像中所有像素的平均梯度平方矩阵获取Harris算子,通过Harris算子对足球正脚背射门动作特征进行提取。通过矩阵因式分解方法从观测矩阵中分解出三维姿态位置矩阵,实现足球正脚背射门动作三维姿态重构。实验结果表明,所提方法具有很高的重构精度,且连续性较高。     

修正Poschl-Teller势的Schrodinger方程的因子解法

用因子化方法求解修正Poschl-Teller势的Schrodinger方程,得到了束缚态的能级及波函数的精确公式.说明因子化方法简单易行,求解束缚态精确解有较大的实用价值.     

一种改进的最近邻聚类算法

提出一种改进的近邻新聚类算法,该算法具有较高的效率,只需计算一遍样本间的广义距离,即可完成初步的聚类。该算法最大特点是：在很大程度上使聚类结果避免陷入局部解;不用预知类别就可对大批数据进行分类,并能指出可能的异常数据。仿真结果证明该算法大大优于LBG法[1]和模糊聚类法[5]     

关于费马数的一个结果及应用

利用费马合数Fn的素因数分解式的一般形式,建立了具有一定应用价值的等式．得到了F5的素因数分解式,并证明了F6是合数．文末还给出了一个猜想．     

一种用于多目标优化的克隆选择算法

多目标进化算法的研究目标是使算法种群快速收敛并均匀分布于问题的Pareto最优前沿面.为此,在比较与分析已有多目标进化算法的基础上,借鉴免疫系统中的克隆选择原理,提出了一种用于多目标优化的克隆选择算法.该方法只对部分当前所得到的Pareto最优解进行进化操作,并选用一种简单的多样性保护机制来保证Pareto最优解具有良好的分布特征.'实验结果表明该方法能够很好地达到Pareto最优前沿面,较好地保持解的多样性,并且具有很快的收敛速度.     

不完备广义多尺度决策系统的逐步最优尺度选择

现有的最优尺度选择算法有可能无法得到全局最优尺度组合,且具有较高的时间和空间复杂度。针对该问题,提出了不完备广义多尺度决策系统的逐步最优尺度选择算法。介绍了不完备广义多尺度决策系统,给出了上下近似集的性质;采取属性约简与尺度选择同步优化策略,以得到全局最优尺度组合;给出了一个快速的求相容类方法,并提出了不完备广义多尺度决策系统的逐步最优尺度组合选择算法,该算法显著降低了时间复杂度与空间复杂度。数值实验表明所提出的算法是有效的。     

基于遗传算法和互信息公式结合的特征选择

提出了一种由遗传算法和改进互信息公式相结合的特征选择方法．将遗传算法中的特征评价函数换为改进互信息公式来对特征进行选择,结合了过滤式和封装式这2种特征选择方法的优点．实验部分采用另外2种特征选择算法与本文所提方法分别进行特征选择,将这3种方法所得到的特征子集用于概率神经网络、BP神经网络分类器上,通过比较对应的分类精度,检验各种特征选择方法的效果. 实验结果显示,所提出的特征选择方法能更为有效的实现特征选择,所取得的特征子集具有更好的泛化特性.