求解时变非线性方程的离散时间ZNN算法

对时变非线性方程的求解算法进行研究。给出一个连续型零化神经网络(zeroing neural network, ZNN),其实质上是一个二阶微分方程，利用拉普拉斯变换证明该方程的解收敛到时变非线性方程的解。利用带二阶截断误差的中心差商来逼近各阶导数，得到一个离散时间ZNN算法。利用Jury稳定判据给出了该离散时间ZNN算法中参数取值范围的估计，同时利用其它的差商给出了更多的离散时间ZNN算法。将所提出的ZNN算法成功应用到一些时变非线性方程问题。     

求解时变线性不等式离散算法的设计与分析

提出一种用于求解时变线性不等式的数值算法.通过引入一个时变向量(其每个元素都大于或等于零),将时变线性不等式转化为一个时变矩阵向量方程,并给出用于求解该方程的连续时间模型(即神经网络).采用欧拉差分公式将其离散化,推导得到相应的离散算法,并通过理论分析和数值实验验证该离散算法的有效性.结果表明:所提出的离散算法的稳态误差(SSRE)具有O(τ²)的变化规律,当τ的数值减小10倍,算法的稳态误差可减小100倍.     

时滞离散时间双向联想记忆模型的研究

提出一类时滞离散时间双向联想记忆神经网络模型,研究了平衡点的全局吸引性,并且以具体仿真算例给出了利用平衡点的全局吸引性建立这类双向记忆神经网络的方法.     

时滞离散时间双向联想记忆模型的研究

提出一类时滞离散时间双向联想记忆神经网络模型,研究了平衡点的全局吸引性,并且以具体仿真算例给出了利用平衡点的全局吸引性建立这类双向记忆神经网络的方法。     

δ域与Z域传递函数转换的系数向量

连续时间模型离散化有多种方法，δ算子是一种新的离散化方法，研究Z域与δ域传递函数模型转换的系数向量，给出了δ算子与q算子离散传递函数模型转换的系数关系，仿真结果表明了算法的有效性，当采样周期趋于零时δ算子模型接近于连接模型，而q算子模型与连续模型几乎无相似之处。     

因素空间理论的决策树C4.5算法改进

针对决策树C4.5算法在处理数值型因素时比较复杂和分类精度不高等问题,在数据预处理过程中采用云变换进行连续因素离散化,给出了连续属性离散化的具体算法.利用因素空间理论给出一种构造决策树算法的新的启发式函数—分辨度,分析了算法的时间复杂度,证明其为多项式算法.研究结果表明:改进算法的测试准确率和效率均优于决策树算法.     

离散Hopfield实现多值信号盲检测

传统神经网络算法局限于二值神经网络,无法解决多值信号盲检测问题。提出了基于离散Hopfield网络直接盲检测多值信号的两种算法,构造了4电平的离散激活函数。本算法不依赖统计量,建立直接盲检测发送信号的优化性能函数,利用离散Hopfield网络直接盲检测多值信号。给出新的适用于多值离散Hopfield神经网络的能量函数和网络权矩阵,理论证明该网络具有很好的稳定性。仿真结果表明本算法能快速收敛到真平衡点,盲检测效果好,适用于随机信道。     

离散时间系统线性状态反馈混沌化的一种新方法

针对给定的确定性离散时间动力学系统,提出一种新的线性状态反馈加非线性模运算的混沌化算法.给定离散时间系统可以是线性、非线性、低阶、高阶、渐近稳定、不稳定、甚至混沌的.算法的结果是受控系统所有李雅普诺夫指数均不为零而其中至少一个为正,符合混沌的定义.给出了证明和一个混沌化实例.仿真结果显示了算法的良好效果.     

基于灰色关联度的粗集连续属性离散化算法

连续属性的离散化是粗糙集理论亟待解决的关键问题之一。基于灰色系统和粗糙集的有关理论,提出了 一种新的基于属性重要性的离散化算法。该算法以条件属性对决策属性的灰色关联度来度量条件属性的重要性, 在保证决策表原始分类能力不变的前提下,按照属性重要性由小到大的顺序对每个条件属性的侯选断点进行考 察!将冗余的断点去掉,从而将条件属性离散化。同时给出了该算法的时间复杂度分析,并通过实例分析验证了算 法的有效性和实用性。     

一类带缓冲区的混合Flowshop生产过程的Makespan生产调度

就最早完工(Makespan)指标为一类带缓冲区的混合Flowshop生产过程建立调度模型.针对混合生产过程调度的缓冲区及生产能力约束,定义由连续生产过程为离散加工而生产半成品原料所需的延迟时间为预备时间.假设在预备时间不为零时,判定原调度结果是否仍保持最优,并给出将原调度结果作为次优调度时的误差范围.仿真算例表明了文中算法的可行性.     

一种混合智能故障诊断方法及柴油机故障诊断

提出了一种模糊聚类、粗糙集理论与神经网络集成的混合智能故障诊断方法。引入聚类有效性函数和点分布密度函数。对模糊c-均值聚类算法进行改进,形成了自适应模糊聚类算法并依据该算法将连续的故障特征值离散化。应用粗糙集理论处理离散化的故障诊断数据。采用基于信息熵的方法,约简冗余的故障特征。依据约简结果构建神经网络,采用遗传算法优化网络的权值和阈值。将该方法用于柴油机气门故障诊断,并与普通神经网络进行对比。结果表明,该方法提高了故障诊断的正确率。     

基于改进粗糙化粒子滤波的磁偶极子跟踪

针对一般非线性滤波方法对磁偶极子跟踪时存在精度不高和滤波发散的问题,提出了一种改进粗糙化粒子滤波算法进行求解.该算法基于欧拉离散化方法,将连续随机滤波方法引入粗糙化粒子滤波框架,计算出在K-L散度意义下的最优控制量,将其作为粗糙化均值,以克服粒子贫化问题.建立了磁偶极子目标跟踪的连续时间状态空间模型,并给出了算法具体实现,通过仿真实验,将该算法与目前采用的磁偶极子目标跟踪算法进行对比,结果表明所提出的算法精度较高,且性能稳定.     

基于粒度商的连续属性离散化方法

连续数值属性的离散化是粒计算理论应用的重要步骤,提出粒度商的连续属性离散化方法。通过给出粒度商的概念,根据粒度商的大小来选取合适的区间粒,从而达到连续属性离散化的目的。最后给出实例分析,说明该算法的有效可行性。     

VDM算法在数据采掘中的应用

介绍了在数据库知识发现(KDD)中将连续属性离散化的一些方法,并提出使用值差分度量离散化的算法.值差分度量算法原本是用于计算离散属性值间的距离,但实际上将这种方法反过来用于连续属性的离散化也可以有相当好的效果.将其与传统的使用统计量χ2的离散化算法作了比较.     

不确定信息系统的属性离散化模型

连续属性离散化是粗集理论应用于实际问题时的重要环节,一般的离散化方法应用于不确定信息系统的属性离散化时,在数值选择上却存在着依据缺失的突出问题.利用数值态势构成的态势差研究两个集对势之间的差度,并将其结果应用到了连续属性离散化过程中,形成了基于数值态势分析的连续属性离散化的新方法,较好地解决了数值选择不确定问题,并给出实例进行了验证.     

基于遗传算法和变精度粗糙集的离散化算法

目前常用的离散算法多为单属性离散化算法.利用该类算法对多维连续属性进行离散化时,逐次对单个属性进行离散化,割裂了多维属性之间的关系.基于此提出了一种基于遗传算法和变精度粗糙集的多属性离散化算法.该算法基于变精度粗糙集所具有的较好数据分类容错和抗噪能力,通过变精度粗糙集近似分类精度建立遗传算法适宜度评价函数,并利用遗传算法在多维连续属性候选断点集上寻找最优断点子集.基于UCI数据集比较了所提算法与多种常用的离散化算法的差异,实验结果表明,该算法可以获得相对较好的离散化效果.     

粗糙集连续属性的一种离散化方法

文中给出了基于属性值出现的频率的连续属性离散化的一种方法。在离散化问题描述的基础上,利用属性值出现的频率确定频数候选断点,再利用边缘断点算法进一步减少断点数目,达到离散化目的。该方法提高了决策属性关于条件属性的支持度,提高了属性约简的满意度。     

含有关联噪声的非线性分数阶系统的扩展卡尔曼滤波器设计

针对含有过程和测量噪声的连续时间非线性分数阶系统的状态估计问题,提出了扩展卡尔曼滤波器算法.采用Grünwald-Letnikov差分定义对非线性分数阶系统离散化.利用输出方程设定待定系数矩阵,得到离散化的差分方程,实现非线性分数阶系统的有效的状态估计,提高状态估计的精度.最后,给出一个实例来说明所提出非线性分数阶系统的扩展卡尔曼滤波器的有效性.     

基于Delta算子离散化方法的连续T-S模型混沌化

针对一类连续时间T-S模糊模型的混沌化问题,提出一种新的混沌化方法.首先采用Delta算子离散化的方法将连续时间T-S模糊模型全局离散化,然后,在此离散时间T-S模糊模型的基础上,设计了一个线性状态反馈控制器,最后对整个闭环系统作一次溢出非线性函数运算以保证系统状态的有界性.可以证明,当控制器增益取得合适的情况下,系统可以产生Devaney意义下的混沌.数值仿真结果验证了所提方法的有效性.     

离散制造系统的实时反馈控制

利用ＣＭＧ在Ｈｏｌｌｏｗａｙ等人对离散制造系统反馈控制综合研究的基础，提出了位置含时间的ＣＭＧ－ＴｐＣＭＧ模型，利用该模型研究了一类离散制造系统的实时反馈控制问题，并给出了相应的离线和在线实施算法及理论分析结果。