非线性多视角子空间聚类方法

不同视角特征构成的数据比单视角特征具有更多的信息,充分利用多视角特征可以提高聚类效果.由于不同视角空间中的特征不具有可比性,基于线性表示理论的子空间学习方法通过学习表示矩阵挖掘互补信息.但现实数据多是非线性的,线性表示理论不利于发现数据的非线性关系.针对该问题,采用非线性投影及流形正则项来刻画多视角下的非线性数据,实验结果表明,所提方法能够对多视角数据进行有效聚类.     

基于聚类中心分离的模糊聚类模型

在模糊C-均值聚类（FCM）目标函数的基础上按聚类中心分离原则增加一个聚类中心分离项来扩展FCM算法,提出基于聚类中心分离的模糊聚类模型(FCM_CCS)。该模型可使聚类过程中的聚类中心之间距离扩大,从而得到更好的聚类效果。由于该模型和FCM一样对噪声敏感我们提出它的可能性聚类模型(PCM_CCS),最后进一步扩展成它的可能性模糊聚类模型(PFCM_CCS)。基于聚类中心分离的可能性模糊聚类模型在处理噪声数据和克服一致性聚类问题方面表现出良好的性能。对数据集的测试实验结果表明了提出的PFCM_CCS能同时产生模糊隶属度和典型值,使聚类中心间距扩大,同时具有更好的聚类准确率。     

基于山峰聚类的聚类上限确定方法

文章提出了一种基于山峰聚类的聚类上限检测方法,依靠山峰聚类确定聚类数目的上限,仿真试验表明,这种方法能将聚类上限确定在一个合理的范围之内,从而加快聚类的效率.     

基于T-S模型的高炉煤气系统模糊建模

针对钢铁企业高炉煤气系统这一复杂非线性系统的建模问题,提出一种基于数据的高炉煤气系统模糊建模方法.基于T S模糊模型的高炉煤气系统辨识模型,考虑系统中煤气调节用户的人为干扰特性,采用条件模糊聚类的方法来对输入/输出空间进行划分.引入模糊思想,使模型能够更好地适应工业噪声的干扰.利用贝叶斯线性回归方法求解模糊模型的后件参数,避免了后件参数求解过程中常出现的异常解问题.通过对实际企业高炉煤气系统的实验验证,结果表明了所提出的高炉煤气系统模糊建模方法的有效性,可进一步用于实施高炉煤气系统的优化与调度工作.     

非线性系统多模型滑动模控制及其在三轴转台中的应用

文章研究了多输入多输出（ＭＩＭＯ）非线性系统的线性多模型控制问题，首先给出了ＭＩＭＯ非线性系统多模型线性化的表示，提出了一种根据期望的参考轨迹确定平衡点的位置和数量的方法；其次，通过对平稳点和模型切点的合理选择，使得在全局范围内对非线性系统有较好的近似性，线性过程与非线性过程之间存在的残差通过连续滑动模控制（ＣＳＭＣ）进行了消除，且避免了一般滑动模控制引起的抖动现象，最后，研究了以上方法在三轴台控     

基于模糊c均值聚类的多模型软测量建模

根据几个模型相加可提高模型的预测精度及鲁棒性的思想,提出了一种非线性软测量建模的新方法。即先用模糊ｃ均值聚类将训练集分成具有不同聚类中心的子集,每一子集用ＲＢＦ网络或部分最小二乘法进行训练得出子模型,再用模糊聚类后产生的隶属度将各子模型的输出加权求和得到最后结果,此算法通过一个复杂非线性函数的仿真建模和一个分馏塔柴油倾点软测量建模的工业实例研究,结果表明比其它算法具有更好的泛化结果和预报精度,具有     

基于多模型模糊核聚类方法的污水处理过程软测量建模

针对污水处理过程高度非线性及强耦合性的特点,基于多个模型的组合可以提高模型精度和鲁棒性的思想,提出了一种基于模糊核聚类的多最小二乘支持向量机的软测量建模方法。该方法根据不同工况使用模糊核聚类算法对输入数据进行聚类划分,针对每个聚类子集用最小二乘支持向量机方法建立子模型,最终通过子模型切换策略得到系统输出。在污水处理过程仿真平台展开验证工作,对生化需氧量BOD的软测量进行建模,获得了良好的实验结果。     

基于随机聚类方法建模的序列分析

大数据下的系统发育估计是一个组合优化问题,在有限计算时间内,现有算法很难为大量序列数据的分析提供最优解.基于前人启发式算法,提出了一种系统发育树随机聚类建树方法,可在较短时间内为系统发育过程产生的大规模序列数据提供所有具有进化意义的解及最优解,以揭示发育过程中的序列进化关系.实验结果表明,该随机聚类方法是行之有效的,对生物计算及系统发育相关领域研究具有积极意义.     

基于模糊聚类方法的T-S模糊系统建模

提出了用一个聚类验证准则设计模糊C均值聚类算法，这个聚类验证准则是用来确定模糊C均值算法中合适的聚类数．针对T—S模糊模型，由模糊c均值聚类算法确定其逻辑前件参数，进而采用最小二乘算法确定模糊推理规则的后件参数．最后，应用本文建模方法对一个非线性实例进行仿真计算，并与其它方法进行了比较，结果表明本文方法是有效的．     

一种基于灰色聚类和模糊聚类的集成方法

根据灰色聚类,模糊聚类,关联系数原理,提出一种新的综合集成方法,利用灰色关联系数将灰色聚类与模糊聚类集成,使聚类结果不仅反映了各聚类对象所属灰类的信息,还有效显化了各个对象间的相互关系的信息.     

多模型预测控制的平滑切换

基于预测控制应用在多模型系统时的切换扰动,在切换时间ｔ０ 已知条件下,通过重新构造系统的步限矩阵,提出了一种控制系统平滑切换的广义预测控制算法．预测控制中步限矩阵是预测步限Ｎ 步内Ｄｉｏｐｈａｎｔｉｎｅ 方程的系数．研究了当前计算时刻ｔ在计算步长ｋ：①ｔ＋ ｋ＜ ｔ０＋ １;②ｔ＋ ｋ＝ ｔ０＋ １;③ｔ０＋ １＜ ｔ＋ ｋ≤ｔ＋ Ｎ 三种情况下步限矩阵的元素构成,实现了多模型控制系统的平稳切换．仿真结果表明该方法的有效性     

基于梯形法的一类非线性系统的数值控制方法

研究了基于梯形法一类非线性系统的数值控制问题,通过使用数值分析中的梯形方法得到数值控制器,当该控制律作用于系统时,系统的状态是数值稳定的。     

基于IRBFNN和IRAN的非线性动态系统在线自适应建模

将资源分配网络算法(RAN)与相似隐单元合并操作、冗余隐单元删除操作和基于滑动数据窗连接权值学习相结合,形成了改进的资源分配网络(IRAN)算法。IRAN算法用于非线性动态系统的在线建模,能有效地改善模型精度和泛化能力。将改进径向基函数(RBF)神经网络(IRBFNN)和IRAN结合可以用于不确定非线性动态系统自适应建模。仿真研究表明:所提出的建模方法在模型精简、泛化和自适应等方面均具有优良的性能。     

基于支持向量机的未知非线性系统辨识与控制

针对一个未知非线性系统，提出了基于支持向量机的建模与控制结构。该控制结构以支持向量机为辨识器，并用指数梯度算法来求控制作用。仿真实例表明了提出的方法是正确、有效的。     

一类非线性系统的模糊建模方法

针对一类非线性系统的建模问题,以扇区非线性化为基础,提出了一种T-S模糊建模方法。首先在论域上确定出系统中非线性项的最大值和最小值;然后给出非线性项的隶属度函数;最后建立了非线性系统的T-S模糊线性模型。本算法计算简单,容易实现,同时,仿真结果也表明算法能够有效实现对原系统的逼近。     

基于切换多模型小波网络的非线性动态系统控制

为了提高非线性动态系统的性能，提出了多模型小波网络方法，并详细介绍了多模型小波网络的结构．用多模型小波网络对非线性系统进行建模与控制，在仿真试验中将其与单小波网络进行对比，结果显示多模型小波网络控制的均方差为0．158，单小波网络控制的均方差为0．374．试验结果证明多模型小波网络方法控制精度高，响应速度快，其控制性能优于单小波网络。     

离散时间非线性系统的一种新型状态观测器

该文通过建立离散时间非线性系统的状态估计与超定非线性方程组求解之间的联系,基于高斯－牛顿算法,得到了离散时间非线性系统的一种新型状态观测器,证明了该观测器的局部收敛性,并给出了仿真结果。     

CURE聚类方法及其在交通信息服务系统中的应用

交通信息服务系统是智能交通系统的重要组成部分,针对交通信息服务系统中存在的模糊地名匹配问题,研究了空间数据挖掘方法中聚类分析方法,并提出了基于串行表示(Clusfering Using REpresentatire,CURE)聚类方法的模糊地名匹配模型和算法.最后以广州市电子地图为例,对提出的算法进行了验证.实验证明采用该算法可以有效的提高空间信息的检索速度和模糊地名匹配效率.     

大型武器系统虚拟采办方案研究

针对大型武器系统,建立面向国内采办状况的SBA原型系统.回顾和分析美国SBA专门小组提出的SBA体系结构,结合现有技术基础,给出一个指导实现的系统环境体系结构,阐述系统的组成及其功能,包括协同管理控制平台、综合集成研讨厅、协同仿真平台、协同PDM、ERP系统、计算机辅助后勤保障系统以及分布式资源数据库系统等.接着对系统实现的关键问题与难点--M&S工具、模型的互操作性、数据描述的可获得性、数据的安全/敏感性,以及分布式数据组织及其集成进行了深入研究.     

基于PDM的多模式集成CAPP系统

对基于PDM的多模式集成CAPP系统进行研究.在分析PDM的功能和特点的基础上,结合其具体应用背景,讨论基于PDM的系统集成框架,提出基于PDM的多模式集成CAPP系统的体系结构,并介绍其实现方法.通过该方法建立的CAPP系统不仅可实现对工艺设计过程的管理,而且可以实现各个单元系统的无缝结合,为并行工程的实施提供了可能.