一类工作点可变线性系统的镇定控制器设计

对于一类工作点可变的线性系统 ,即被控系统表达为两个典型工作点上的传递函数矩阵的正则稳定的既约分解的线性内插 ,考虑其镇定控制器设计问题 .假设被控对象在典型工作点上的传递函数矩阵的既约分解组成一个集合 ,提出了镇定该集合的控制器的设计方法 .对于线性内插系数不可知的情形 ,提出了两种固定型镇定控制器的设计方法 ;对于线性内插系数可知的情形 ,提出了一种内插型镇定控制器设计方法 .文中将控制器的设计问题转化为 H∞ 控制问题 ,再转化为状态空间下的基于线性矩阵不等式 ( LMI)的凸有效性问题进行求解     

判别混沌与噪声的局部可变神经网络方法

为了解决多对单类型的分类问题（ 尤其是无限多对单） ，提出了一种处理多对单问题的新型神经网络模型———局部可变权值神经网络，并将其应用于混沌信号和噪声的判别．局部可变权值神经网络学习算法与传统神经网络类似，但在工作时可根据网络输入来调整神经网络局部权值．从最后分类结果看，无论是在学习时间还是在分类精度上，局部可变权值神经网络比传统神经网络都要好     

铁道运输业科技发展的新趋势

近年来，铁道运输业正面临着快速发展的高速公路、航空、轮船运输业的挑战。但铁道运输也具有自身的优势，如比飞机、汽车更利于环保，比较节约能源等。今后，在城市间以及市区内的交通运输中，铁道运输会被作为交通运输首选。     

根据粗糙集理论进行图像块分类的规则发现

提出了一种根据粗糙集理论进行图像块分类的方法,它利用了粗糙集理论的强大的定性分析能力,结合图像块样本的时域、频域特性对其进行分类,并在分类能力不变的情况下,通过知识约简,导出问题的分类规则。     

项目名称：电网无功补偿装置

项目介绍：专利技术简介：为了实现无功的连续补偿，该项拄术采取了与传统方法不同方法在固定电容的补偿支路上串鹾可变电压源，可变电压源是与电源电压同位相、同频率的工弦交流电源，其电压大小可在0-电源电压之间变化，当可变电压源电压变化时实际补偿的电流或补偿的无功均可连续变化，以此来实现无功的连续补偿。除了增加一可变电压源外，     

粗糙集算法在预测RNA保守功能二级结构中的应用

提出了一种预测RNA保守功能二级结构的粗糙集算法.使用粗糙集工具Rosetta软件,在保守结构预测过程的数据挖掘模块中,应用经过整理和离散化的RNA备择碱基对数据生成规则确定出将要出现在同源RNA序列的保守二级结构中的碱基对.将此算法应用在对爱滋病病原体HIV病毒RNA中REV应答元件单元的保守二级结构预测的结果表明,与传统的非数据挖掘算法相比,使用了这种机器学习算法的粗糙集预测方法,使得保守功能结构与野生型结构更加相似,重要的功能结构分支更加清晰明确.     

从定积分的角度看粗糙集

对于粗糙集的定义及其基本性质,从定积分的角度,给出了一种全新的描述.     

决策演化集的伯努利移位

决策演化集是一种新的用来解决决策规则在时间序列上变化问题的方法。决策演化矩阵是其中一个重要概念。通过决策演化矩阵可以直观了解到各个条件属性在单个时间点以及连续时间序列上的表现。但目前的体系中虽然对决策演化矩阵进行了定义,但还缺乏数值量化,文章引入伯努利移位来对决策演化矩阵进行数值量化,并通过实例演示这些量化后的数值在预测中所起的作用。     

有限理性下多粒度q-RO模糊粗糙集的最优粒度选择及其在并购对象选择中的应用

有限理性通常指决策者困顿于信息处理能力有限的自然状态,该状态是决策者在实际决策情境中需要面对的常态,因而有必要研究有限理性下的决策问题.多粒度粗糙集在多属性群决策分析领域的优势在于运算效率高,并能结合决策风险,然而多数基于多粒度粗糙集的多属性群决策方法并未考虑有限理性这一实际情境.以q-RO(q-Rung Orthopair)模糊集为背景,首先提出乐观与悲观多粒度q-RO模糊粗糙集模型;接着在并购对象选择的背景下,依据交互式多属性决策(Portuguese of Interactive and Multi-criteria Decision Making,TODIM)法来处理有限理性下的决策信息,发展多粒度q-RO模糊粗糙集的最优粒度选择机制并建立相应的多属性群决策方法;最后结合并购对象选择的实际算例验证了所建立模型与方法的有效性.     

粗糙子环的判定

粗糙代数是粗糙集理论研究的一个方向,粗糙环和粗糙子环是粗糙代数的主要内容之一.以 Pawla粗糙集模型、环论为基础,给出了环的粗糙子环的定义,并研究了粗糙子环的性质及判定定理, 扩展了粗糙代数理论的研究范围.