基于MV基准界的多变量控制系统性能评价方法

为解决关联矩阵难以估计的问题,提出利用最小方差(MV)基准界评价多变量控制系统性能的方法.建立了另一最小方差基准下界,此新下界可通过过程数据和对角关联矩阵得到.几种建界方法相互结合,形成一套完整的、基于最小方差基准界的多变量控制系统性能评价理论体系.通过仿真实验验证了该评价方法的有效性.     

基于MATLAB_GUI的控制系统动态性能分析

文章介绍了在MATLAB平台下开发图形用户界面(GUI)的原则和方法,利用MAT-LAB强大的数值计算能力和数据可视化能力,以<自动控制原理>课程中的系统动态性能分析为例进行图形用户界面的设计开发,演示了其常用控件的应用方法.将图形用户界面应用于系统动态性能分析,利用M文件的函数调用达到数据的输入和输出,实现了数据文件的读取和处理,完成了系统阶跃响应曲线的绘制和动态性能指标的可视化输出.该界面人机交互性好,能对相关知识点进行实时、动态可视化仿真分析,在教学、实验、工程中具有较强的应用价值.     

火电厂锅炉给水系统性能评价

推导了前馈-反馈控制系统性能评价的理论过程,将此评价方法应用到火电厂锅炉给水控制系统中,并对评价结果进行了分析.分析结果表明：前馈控制器的加入可抑制可测噪声的影响,从而减小输出方差,提高系统的性能.但是,前馈控制器必须设计合理,否则会降低系统的性能.此外,控制系统性能评价可以指导控制器参数的选择.     

基于动态结构保持主元分析的故障检测方法

为充分利用表征过程运行工况的数据特征信息,提高化工过程的故障检测性能,提出一种基于动态结构保持主元分析(DSPPCA)的过程故障检测方法。首先对原始数据采用变量相关性分析建立自回归模型,构建包含动态特征的数据集,进一步综合考虑主元分析法(PCA)和局部线性嵌入(LLE)流形学习算法中数据点之间的近邻关系,融合得出新的目标函数,同时,运用局部线性回归的方法获得高维样本的嵌入映射,特征提取后在特征空间和残差空间分别构造监控统计量进行故障检测。Swiss-roll数据集的降维结果及TE过程的仿真研究结果表明,DSPPCA算法可以取得较好的特征提取效果,具有较高的故障检测性能。     

基于动态核主元分析的电缆接头故障检测方法

针对环网柜电缆接头故障发生前后时刻的时间相关性较强,且故障的发生是一个非线性过程,将动态核主元分析应用于环网柜电缆接头故障检测并建立故障检测模型.该模型可以在解决非线性变量难以分离的同时提取变量之间的动态自相关特性,并通过建立动态核主元在线监测模型及时检测故障的发生.最后对采集的环网柜电缆接头故障数据进行实验分析,实验结果证明所提方法能有效地检测出环网柜电缆接头故障的发生,且检测精度和误报率均优于之前的算法.     

模型预测控制器的广义最小方差性能评价

基于滚动时域最小方差性能评价方法和广义最小方差控制原理,提出了可处理约束问题的滚动时域广义最小方差性能评价方法。该性能评价方法既可考虑过程变量的硬约束,同时相对于滚动时域最小方差性能评价方法,又可考虑操纵变量的软约束。基于Wood-Berry精馏塔模型的仿真实例证明了该性能评价方法较滚动时域最小方差性能评价方法具有更高的实际意义,并验证了这种性能评价方法的有效性。     

基于动态主元分析的财务困境预测模型

当神经网络用于上市公司的ST预测建模时,取得高质量的样本是相当重要的.本文连续运用主元分析(也称动态主元分析),将多年的数据应用到经济预测模型中去,既增大了信息量又没有增加网络的复杂性,使得预测更加合理有效.最后将动态主元分析与BP网络结合构造了一个网络模型,并给出了实证研究的详细结果.     

基于主元分析的入耳图像识别方法

人耳图像的自动识别是一种新的生物特征识别技术．将主元分析法（PCA）应用于人耳图像识别，分别应用BP神经网络和最近邻域法进行分类识别，给出了具体的网络设计与性能比较分析．实验结果表明，应用PCA方法提取人耳图像特征，选择合适的分类器和网络结构，可以取得满意的识别效果．     

基于主元分析的人脸识别方法研究

研究了利用主元分析进行人脸识别的方法。将人脸图像训练集进行主元分析,对得到的变换矩阵应用奇异值分解提取特征子空间,把训练图像和测试图像投影到子空间上,选择分类器进行人脸识别。实验表明,主元分析能很好地在子空间下提取出人脸图像的特征信息,从而实现人脸识别。     

基于主元分析的人耳图像识别方法

人耳图像的自动识别是一种新的生物特征识别技术.将主元分析法(PCA)应用于人耳图像识别,分别应用BP神经网络和最近邻域法进行分类识别,给出了具体的网络设计与性能比较分析.实验结果表明,应用PCA方法提取人耳图像特征,选择合适的分类器和网络结构,可以取得满意的识别效果.     

一种基于半监督学习的2DPCA人脸识别方法

结合半监督学习中的自学习技术以及二维主成分分析(two-dimensional principal component analysis-2DPCA)方法,提出了一种基于半监督学习的人脸识别方法.在二维主成分分析的基础上,利用少量具有类别标签的样本训练分类器,然后利用半监督学习中的自学习技术,对未知类别标签的人脸样本进行分类,并将具有高置信度的人脸样本加入到训练集中,以此增加训练集中的人脸样本数量.在ORL人脸库和Yale人脸库的实验结果,表明了提出方法的有效性.     

基于最小方差控制的列车横向半主动悬挂控制系统设计

为了改善列车在高速运行状态下的平稳性以及提高乘坐舒适度,采用最小方差控制算法对半主动悬挂控制系统进行仿真分析,并给出基于最小方差控制的高速列车半主动悬挂控制系统的设计方案,利用Matlab-Simulink搭建仿真平台。仿真结果表明:该算法与传统被动悬挂方式相比,横向减振效果得到明显改善。     

基于MMP-2DPCA 的人脸识别方法

提出了一种基于二维小波分解和融合多特征的2DPCA(简称MMP-2DPCA)人脸识别方法.该方法对于人脸表情变化不敏感,能够很好地压缩和表征原始人脸图像;融合图像既能反映人脸的全局特征,又能反映人脸的局部特征,具有更强的表达能力和判别能力.在ORL人脸库上的实验表明:MMP-2DPCA方法具有有效性.     

结合主元分析和系统聚类的丙烯腈反应器优化

为提高丙烯腈收率,在分析丙烯腈生产工艺的基础上,结合主元分析与系统聚类两种方法对丙烯腈硫化床反应器进行优化.利用主元分析进行变量选取,然后用系统聚类法进行分类并提取优类样本.在分类操作中通过选用不同的判据得到几组最优运行工况.比较发现类平均距离法、离差平方和法要优于其他方法.优化后丙烯腈平均收率提高了近0.7%,试验结果说明了该方法是很有效的.     

基于模块C-2DPCA算法的人脸识别方法

提出了基于模块化完全二维主成分分析(modular C-2DPCA)算法的人脸识别方法,该方法首先对图像矩阵进行分块,将分块得到的子图像矩阵直接用于鉴别分析,由于直接基于二维子图像矩阵,能方便地降低鉴别特征的维数,在特征提取过程中可以避免使用矩阵的奇异值分解,方法简便.该方法与改进前完全二维主成分分析(C-2DPCA)方法在ORL人脸数据库上的仿真识别效果比较表明,改进后的方法在保持较高识别率的前提下鲁棒性有很大提高.     

特色村寨的外部环境评估体系探究

以少数民族特色村寨的建设为中心,从经济增长、居民生活水平、可持续发展几个方向选取细化指标,对国家民委划定特色村寨建设的28个省市自治区的有关数据进行了选取和测算,采用系统的评估体系对这些地区特色村寨的外部环境进行了量化评价,结果表明:浙江、江苏、广东这些经济发达区域有着更有利的外部环境,内蒙古、宁夏、青海几个多民族地区排名靠前,云南、贵州等传统的多民族集聚区域的外部环境则较为滞后.分析了特色村寨外部环境的约束因素,结果表明:经济增长、政府支出、基础设施、社会服务、文化水平、自然环境等6个变量对于特色村寨外部环境构建的影响依次减弱,在此基础之上提出了简要的政策建议.     

基于差空间和最大散度差鉴别分析的人脸识别方法

为了提高最大散度差鉴别分析方法在人脸识别中的识别率,提出了一种改进的基于差空间的最大散度差鉴别分析人脸识别算法.该方法把类内平均脸方法应用到2DPCA算法中,并基于改进的2DPCA方法分别建立训练样本和测试样本的差空间,然后用类内中间值代替类内均值修改了最大散度差鉴别算法中类内散布矩阵的定义.用改进后的最大散度差鉴别法对得到的差空间进行鉴别分析,分别提取训练样本和测试样本的鉴别特征,用最近邻分类器分类.在ORL人脸数据库上的实验结果表明,该方法可以有效地改善识别率.     

员工绩效考评体系的主成分分析

运用主成分分析法对企业员工绩效考评体系诸多因素进行分析,把影响员工绩效的诸多因素简化成几个综合成分,从而为企业人力资源管理者提供参考,为企业进行人力资源开发和实现企业的目标提供一个简单有价值的标准方法.