公路避险车道灰色定位评估模型

为了提高避险车道定位精度,从交通事故统计数据和道路条件与车辆状态2个方面深入分析了避险车道定位的影响因素,阐述了中心点三角白化权函数的原理,提出了基于中心点三角白化权函数的避险车道定位灰色评估模型,利用此模型对依托工程长下坡路段各单位路段的行车安全性进行综合评估与安全等级分类,并在分析评估结果的基础上确定设置避险车道的候选位置与设置次序。利用此模型对依托工程长下坡路段各单位路段的行车安全性进行综合评估与安全等级分类,将评定等级为＂差＂类路段确定为设置避险车道的候选路段;通过比较相邻候选路段的灰色综合聚类系数,确定在路段9和路段20末端设置避险车道。依托工程避险车道设置效果表明,通过本模型确定的避险车道位置合理。     

埃塞俄比亚Gemmad流域农业综合开发的灰色系统诊断

本文以埃塞俄俄比亚规划流域Gemmad为例，应用灰色系统诊断方法找出 限制因素，通过白化诊断认为：该流域的灰色系统的表征是干旱，结症为投入资金缺乏，技术培训差，农业工具简单，原始，农村能源极端匮乏。     

利用灰色聚类判别油干层的方法

采用灰色变权聚类法对各种测井曲线数据进行分析,对油层和干层的不同测井响应进行判别,根据各测井曲线对干层和油层所反映的不同特征,选择电阻率测井(Rt)、自然电位测井(SP)、声波时差测井(AC)、密度测井(DEN)以及补偿中子测井(CNL)等测井曲线建立白化函数。由于考虑到测井测量值的变化一般可认为具有近似正态分布性质,曲线值在其均值左右变化,笔者建模过程中使用适中性白化函数模型。计算结果表明这种假设的正确性。     

基于灰色聚类的管网水质评价

管网水质可以视为一个灰色系统,运用灰色聚类方法可对管网水质进行评价。灰色聚类方法克服了传统的用单一值评价多因素多指标问题的弊病。以广州市管网水质为实例,对其管网水质进行评估。结果表明,灰色聚类方法可采用数量较少的样本对管网水质的等级进行评估,从而为各测点水质状况信息的获取提供了便利。     

杂合灰色聚类与变精度粗糙模糊集的概率决策方法

在基于粗糙集理论或扩展粗糙集理论的不确定性管理决策中,仅由数据集无法获得决策表,同时决策属性呈现模糊性,以至于无法获取概率决策规则。鉴于此,本文构建了灰色定权聚类与粗糙集变精度的杂合模型,首先运用基于中心点三角白化权函数的灰色定权聚类方法对包含不同量纲指标的知识表示系统进行处理,生成多属性决策表,而后运用变精度粗糙模糊集进行决策分析,获取概率决策规则。最后以区域关键技术选择为例,表明该模型的可行性与实用性。     

基于ARSαS模型参数估计的雷达目标检测方法

由于杂波非高斯特性和相关特性的影响,传统的动目标检测(moving target detection,MTD)技术的检测性能严重下降,针对该问题,基于对称α稳定分布(symmetric α stable, SαS)杂波模型和自回归(auto regressive,AR)模型理论,提出了一种基于ARSαS模型参数估计的雷达目标检测方法。该方法基于SαS模型,通过幂变换抑制杂波的非高斯特性,以及通过基于广义尤拉〖CD*2〗沃克方程参数估计的AR模型白化杂波,应用快速傅里叶变换实现对目标信号的积累,以提高信杂比。仿真实验和实测数据验证表明,所提方法在非高斯相关杂波背景下的检测性能明显优于传统的MTD方法。     

基于代价函数的盲分离在线白化算法

针对盲信号分离的白化预处理过程，提出了一种基于代价函数的在线白化算法．该算法利用一类代价函数的极值点特性，采用递归计算的方式获得信号的白化矩阵．与传统的白化算法相比，本算法计算量低、利用样本少，因此可适用于信号的在线预白化处理．仿真试验表明，本算法收敛速度快，白化效果理想，为进一步的研究在线盲分离提供了良好的基础．     

灰导数优化的一类灰色预测直接建模

针对原始序列为近似非齐次指数规律,利用直接建模思想,得到NGM(1,1,K)模型的直接形式;以模型的白化方程为基础,运用梯形公式优化灰导数,改进了时间响应函数,从而对NGM(1,1,K)直接模型进行了改进.应用实例表明:该改进模型可以有效提高模型精度,也拓宽了灰色预测模型的使用范围.     

基于曲率尺度空间的轮廓线匹配方法

基于曲率尺度空间(curvature scale space,CSS)理论,提出了一种匹配和识别存在仿射变化的平面曲线的方法。首先借助边缘检测算法提取图像轮廓,利用PCA白化算法消除轮廓线尺度、平移和切变的影响;然后对轮廓进行重采样并求取对应曲率尺度空间图的局部极值点;最后利用局部极值点向量数组作为轮廓线的描述符进行匹配。在MCD形状数据库的对比检索实验结果表明本文所提出的方法不仅有较高的检索率,而且对仿射变化具有良好的鲁棒性。     

基于不确定AHP和白化权函数的大学生数学自学能力评价

针对大学生数学自学能力定量评价的多因素特点,提出了一种基于不确定型层次分析法和白化权函数的大学生数学自学能力定量评价的方法;首先分析影响大学生数学自学能力的影响因素,建立大学生自学能力指标体系;其次通过引入最优传递矩阵,使层次分析法中的判断矩阵自然满足一致性,从而得到各级指标的权重;再次构建基于白化权函数的数学自学能力评价模型,建立白化权函数,求出各级指标的灰色评价权重矩阵;最后将该模型应用于综合评价大学生自主学习能力;结果表明:此模型减少了评价者主观因素的影响,给出了比较客观的评价结果,能够高效地定量评价大学生数学自学能力。