基于模糊推理的人工鱼嗅觉感知研究

“人工鱼”利用人工生命方法实现计算机动画。为了丰富人工鱼的感知能力，提高对自然鱼的逼真动画效果，文章在分析“自然鱼”嗅觉机制、参考“机器鱼”感知系统的基础上，研究并实现了人工鱼的虚拟嗅觉感知．首先在人工鱼体系结构基础上建立了人工鱼嗅觉感知模型，并仿照生物嗅觉形成机理设计了三层嗅觉识别模型，采用基于主成分分析的模糊推理方法实现了嗅觉感知．经动画仿真，得到满意结果。嗅觉感知的研究和实现为人工鱼多感知融合系统提供了基础，也可为机器鱼嗅觉研究提供软件仿真平台。     

面向仿生的嗅觉神经系统建模研究

着眼于嗅觉神经系统的生物学特点,从仿生学角度提出了一种嗅觉神经系统整合模型。模型从不同角度进行对嗅觉神经系统进行仿真,使其尽可能贴近嗅觉神经系统的生理学特征。首先,在结构上,根据嗅觉神经系统解剖结构,完整体现了嗅觉系统的三个关键部分,以及它们之间的延时和反馈链接。其次,在神经元模型上,根据嗅觉系统不同部分的特点采用不同的神经元模型进行模拟。最后,在模型的神经动力学上,模型能够及时响应外界刺激。在刺激持续输入时,模型输出呈现出稳定的振荡模式;在特定刺激输入时,模型状态呈现有节奏的极限环状态。     

NUMA多处理器系统中DSP用VME64总线接口设计

提出了基于非均匀存储器存取(nonuniform memory access,NUMA)非对称多处理器模型的制导用信号处理平台方案。介绍了用商用VME64单板计算机和TMS320C6X系列数字信号处理器实现该多处理器模型的方法。设计了TMS320C6XDSP的各VME64接口互连逻辑,所有模块均用VHDL语言设计,并在FPGA上实现。已实现了一个基于该多处理器模型的最小的基本系统,解决了某制导信号处理系统的数据传输瓶颈问题,简化了系统硬件设计复杂性,提高了系统工作的可靠性和稳定性。     

基于OSG林地可视化系统设计与实现

森林、树木和花卉等植被实时可视化仿真是复杂虚拟园林环境中的重要组成部分.论文基于OpensceneGraph(OSG)和实时建模工具MuitiGen Creator(Creator)设计并实现了林分场景可视化系统.重点介绍了系统实现的框架和技术流程,并对如何在Creator中建立模型的层次结构关系进行了分析与研究.同时对该系统中使用的关键技术,如粒子系统、漫游设计和碰撞检测等实现方法进行了介绍.最后利用该方法对北京市八达岭地区林分场景进行了可视化模拟,模拟的场景逼真、自然,能满足用户实时交互的需要.     

人-任务互动的并行集成模拟

管理者与任务的人-任务互动问题源于管理者自我效能感演化和任务进程间的相互作用.在讨论了Visual Basic.net和Arena间基于消息通信实现并行集成的基础上,分别针对管理者行为过程和任务处理过程建立基于改进QSIM算法的定性模拟模型和基于事件驱动的离散事件模拟模型,提出并实现了人-任务互动的并行集成模拟方法,开发了PSMS-SMMPT并行集成模拟系统原型. 最后通过一个示例,确认了该方法及系统可用来分析复杂管理系统-任务互动规律.     

基于关联维数分析的装备技术状态评估

针对传统装备技术状态等级划分方法中存在的不足,提出了基于关联维数分析的装备技术状态等级划分方法。在此基础上,建立了基于径向基神经网络的模式识别模型,对重新划分技术状态等级后的样本数据进行训练,实现了装备技术状态等级模式识别。案例分析表明,该方法可有效改进原有技术状态等级划分不准确的问题,提高技术状态评估的准确性。     

新型舰载武器海浪冲击仿真系统开发

叙述了舰载武器系统定型试验现状与发展趋势,介绍了海浪冲击仿真系统的设计指标及组成,分析了海浪冲击模拟、舰船运动模型建立等关键问题,利用等效原理,采用信号注入式仿真方法,将海浪冲击叠加到飞行航路模型上,实现了舰裁武器陆上斌验海浪冲击的模拟,仿真试验结果表明,新的仿真方法与系统完全满足武器系统定型试验需求.     

人工神经网络在作物生产管理中的应用

基于模型的专家系统方法是处理作物生产这个综合、复杂系统的有效手段。文中分析了模拟模型与产生式规则在专家系统智能表达中的局限性,指出人工神经网络方法在作物生产智能决策系统中的意义,介绍分析人工神经网络应用的基本步骤与技术关键,探讨了ＡＮＮ在作物生产中可能的应用。     

基于灰色预测与模式识别的企业危机预警模型研究

针对当前大部分企业危机预警模型只能报警,不能预测的现状,提出一种基于灰色预测与模式识别的预警方法.该方法首先对企业运营的单项特征指标建立灰色模型,其次将所有指标的模型组合起来,构成系统状态方程进行预测,然后利用模式识别的方法对预测结果进行分类,判断企业的危机状态,最后用实例验证该模型的有效性.     

电厂湿法烟气脱硫仿真系统设计与实现

在研制电厂湿法烟气脱硫仿真培训系统的过程中,针对复杂的化工过程,对于机理相对清楚部分,建立了系统的机理模型,对于模型机理复杂,存在不完备知识部分,结合系统的定性专家知识和系统在工作点处的小样本数据,利用模糊聚类建模方法建立系统的模糊TS定性仿真模型,从而实现系统的定量与定性混合仿真;在仿真系统的体系结构上采取模型机和DistributedControlSystems(DCS分散控制系统)的client-server结构,在模型机中实现基于matlab/simulink的仿真模型的原型系统的开发,在电厂主流的OvationDCS系统平台上实现监视和控制;基于OLEforprocesscontrol(OPC)技术实现client-server的通讯,从而实现模型机与DCS的集成,实现了硬件在回路的仿真。     

基于可变精度粗糙集的多决策表分析方法

针对可能存在分类误差缺失信息的群体分类决策问题,提出了一种可以从多个决策表中获取群体分类偏好的可变精度粗糙集方法。该方法通过控制决策者的分类误差率,群体分类一致率及反对率,将多个决策表中符合条件的信息汇集,形成群体分类模式表,然后根据每种分类模式在不同分类误差率和群体一致率下得到支持和反对的频数,得到群体分类模式集合的下近似,即群体分类偏好。给出了应用该方法的具体步骤,算例验证了该方法的有效性。     

基于拉普拉斯特征映射的故障模式识别方法

拉普拉斯特征映射算法能有效提取高维非线性数据中嵌入的低维流形特征.将其引入到设备故障诊断领域,应用于故障模式识别问题,提出了一种基于拉普拉斯特征映射的故障模式识别新方法.运用基于拉普拉斯特征映射的非线性降维算法直接对原始故障信号进行学习,提取出数据内在的流形特征,极大地保留了信号中内含的整体几何结构信息,有效克服了常规模式识别方法仅能获得局部线性结构的不足,明显改善了故障模式识别的分类性能.仿真和工程实例结果表明了所提方法的可行性和有效性.     

基于集对势的扩充粗糙集模型

针对已有扩充粗糙集模型处理不完备信息系统的局限性,在已有扩充模型的基础上,基于集对分析理论中集对势的概念定义了一种新的对象之间的分类关系,称为集对势容差关系,并由此给出一种新的粗糙集扩充模型.从局部角度,分析说明该模型的分类性能优于已有方法.同时选用UCI数据库中的数据集进行测试,通过实验表明该模型的整体分类性能也优于已有方法.因此更加适合大型不完备信息系统的处理.     

基于粗集的水文单要素预报模型

基于粗集理论,应用水文系列自身的历史资料作为预报因子,建立了水文单要素分级预报模式.在建立预报模式的过程中,由属性重要度和规则出现频度最大原则确定问题的最小规则集,即预报模式集,提出应用预报模式集对预报对象的支持强度最大原则作预报决策.建立的模式经应用于大伙房水库年径流预报,表明应用粗集理论提取的预报模式集,能有效地描述预报因子与预报量间的强非线性映射关系,具有较高的判别率;粗集预报模式由简单的决策规则组成,易于理解与使用.     

基于模糊聚类的信息不完全确定的多准则分类方法

针对权系数信息不完全确定且有训练集的多准则分类决策问题,提出了一种基于模糊聚类的分类方法。该方法在考虑对训练集分类的基础上,结合不完全确定的准则权系数信息等建立模糊聚类模型,通过遗传算法求解所得优化模型,得出准则权系数和聚类中心,计算方案属于各类别的隶属度,进而得到整个方案集的分类。实例说明了该方法的有效性和可行性。     

基于粗糙集的工控界面多智能体系统模型研究

在工控界面多智能体系统中引入粗糙集的概念，尝试建立一种集知识表达和运算于一体的Agent数字化模型。丈中运用粗糙集在知识分类上的优势，从Agent的静态和动态属性入手，划分基本等价类。从而建立能描述各个Agent和整个MAS（多Agent系统）特点的知识表达系统模型，并对该表达系统进行数字化和归一化处理，使其能方便的在计算机中表达、推理和计算，并为MAS中各Agent间的协作奠定了基础。     

GMDH-Based Outlier Detection Model in Classi?cation Problems

In many practical classification problems, datasets would have a portion of outliers, which could greatly affect the performance of the constructed models. In order to address this issue, we apply the group method of data handing(GMDH) neural network in outlier detection. This study builds a GMDH-based outlier detection(GOD) model. This model first implements feature selection in the training set L using GMDH neural network. Then a new training set L can be obtained by mapping the selected key feature subset. Next, a linear regression model can be constructed in the set L by ordinary least squares estimation. Further, it eliminates a sample from the set L randomly every time, and then rebuilds a linear regression model. Finally, outlier detection is realized by calculating Cook's distance for each sample. Four different customer classification datasets are used to conduct experiments. Results show that GOD model can effectively eliminate outliers, and compared with the five existing outlier detection models, it generally performs significantly better. This indicates that eliminating outliers can effectively enhance classification accuracy of the trained classification model.     

代价敏感的客户流失预测半监督集成模型研究

客户流失预测是企业客户关系管理的重要内容.在现实的很多客户流失预测建模过程中,由于数据类别的高度不平衡现象的存在,使得模型的分类性能低下,不能很好地进行分类预测.同时由于现实情况中只有少量有类别标签的样本,更多的是无类别标签数据的存在,造成了大量有用信息的浪费.为了解决以上两个问题,本研究将元代价敏感学习,半监督学习和Bagging集成等技术结合,提出了代价敏感的客户流失预测半监督集成模型(semi-supervised ensemble based on metacost,SSEM).该模型主要包括三个阶段:1)用Metacost方法修改初始有标签训练集L的类别标签,得到新的训练集Lm,并将其随机的分为模型训练集Ltr和模型验证集Va;2)使用Va挑选分类精度最高的三个基分类器,并用其选择性标记无类别标签U中的样本,并将它们添加到Ltr中;3)用新的模型训练集Ltr训练N个基本分类模型,并对测试集样本进行分类,进一步将分类结果进行集成.在两个客户流失预测数据集上进行实证分析,将SSEM模型与常用的监督式集成模型以及半监督式集成模型相比,结果表明,SSEM具有更好的客户流失预测性能.     

分类树应用于商业银行贷款5分类的探讨

分类树是一种计算机实现、基于统计理论的非线参数的识别技术，该技术可应用于解决贷款5分类实施中从业人员分析判断能力欠缺的问题。实证分析表明该方法比线性判别分析方法的准确率高，针对进一步提高分类准确率，结论部分对初始样本和变量结构对分类准确性的影响进行了分析。     

基于多分类GA-SVM的高速公路AID模型

智能检测系统已为高速公路交通事件检测提供了有效的途径.为了更加细致地了解高速公路交通运行状态,为突发事件的应急处理提供更加高效、可靠的决策支持, 将支持向量机两分类问题延伸到多分类上来.根据交通事件的发生过程,将其分为自由流状态,交通拥堵加剧状态,交通拥堵消散状态.采集VISSIM对交通事件各阶段进行仿真的原始数据集,运用主成分分析方法对交通输入特性进行降维处理,构建支持向量机多分类事件检测模型,最后用遗传算法选择支持向量机模型参数,获得了满意的检测效果.