基于模糊-粗糙模型的逼近精度分类规则提取策略

为了处理具有连续属性的决策系统,利用模糊理论与粗糙理论在处理不确定性问题方面的差异性,提出一种基于模糊-粗糙模型的逼近精度分类规则提取策略.首先利用模糊π函数对决策系统中的连续属性构造三个模糊参数进行模糊化,从而确定条件属性的模糊区域;再根据模糊相似关系构造模糊相似矩阵,然后基于模糊等价类划分的概念,提出了利用逼近精度近似度量的数据挖掘方法进行属性约减,最后应用实例说明如何在决策表中发现分类规则.实验结果表明此方法挖掘出的规则简练且合理可靠.     

电力备用市场资源优化配置的模型与求解方法

对于发电公司在电力备用市场中的资源优化配置问题,建立一种均值一方差模型,同时允许发电公司从市场购买某种产品以满足其它产品的需求.针对模型中出现的非光滑问题,引入极大熵函数将其光滑化,并采用非线性互补方法求解.该方法利用Karush-Kuhn-Tuchker(KKT)条件得到一个非线性互补问题,然后利用非线性互补函数将其转化为非光滑方程组,并引入参数再次进行光滑化,最终通过求解一组光滑方程组以逼近原问题的最优解.数值分析验证了该方法的有效性.     

基于WNN-RAGA 的非线性组合预测方法

将小波变换与神经网络结合构成WNN非线性组合模型,弥补单一预测方法的不足,利用RAGA 的全局优化能力,优化WNN 学习的网络参数,解决传统WNN网络学习算法在学习后期收敛速度慢、存在局部最小值以及训练结果不稳定的问题。实例的预测结果显示出这种基于WNN-RAGA 非线性组合预测的良好预测性能。     

基于线性调频信号的ADC时钟抖动误差分析

模数转换器的时钟抖动引起输出信号的误差,该误差会影响后继的数字信号处理.分析了输入为线性调频信号时,模数转换器中由时钟抖动引起的误差.在给出误差平均功率表达式的基础上,推导出信噪比的近似计算公式.并利用该计算公式,对影响信噪比的各种因素依次进行讨论,其中信号带宽和时钟抖动参数的增大都会降低输出信噪比,而信号时宽和采样频率的变化对信噪比影响非常小.仿真结果验证了信噪比计算公式的正确性.     

基于小波的弹性弹丸膛内引信过载研究

对引信膛内过载的研究,通常采用膛内压力测试的方法,利用弹底压力转换求得引信膛内过载,该方法无法体现弹丸的弹性变形、环境噪声等因素,为了更精确地描述引信膛内的过载,改进膛内引信过载测试方法,在膛内压力测试的基础上建立弹性弹丸模型,将弹丸看作两端自由的均匀等截面弹性杆,用纵向弹性变形运动过载对弹丸纵向过载进行修正,将弹丸膛内过载转换为引信膛内过载.并运用小波理论,根据自行设计的引信膛内过载直接测试方法的测试结果,建立引信高频信号库,然后利用信号库中的高频信号对修正后的过载进行加噪,从而得到能够较为真实的描述引信膛内状态的过载曲线.将处理结果与直接测试结果进行对比表明,使用该方法进行引信过载测试与直接测试方法得到的数据基本吻合,在试验成本上该方法存在优势.     

用离散小波变换对格网DEM数据压缩中的关键技术

DEM数据具有不稳定、相关性差的特点,用离散小波变换对格网DEM数据进行压缩处理时,其边界问题将更为突出,主要表现在边界失真非常严重.这种现象不可避免地导致重建DEM数据精度的损失严重.为了最大限度地减弱边界问题的影响、提高压缩比,在进行格网DEM数据压缩时,作者将二维离散小波变换的边界问题转换为一维离散小波变换的边界问题,大大减小了边界失真区域,提高了重建DEM数据的精度.进而,用相应的算法进行了DEM压缩实验, 结果表明:可获取高压缩比且高精度的重建DEM数据.     

基于多小波的SAR图像去噪与压缩

SAR图像固有的乘性相干斑噪声降低了图像的相关性,增加了信息熵,影响了图像压缩的性能.多小波能够同时拥有正交性、紧支性和对称性,比单小波具有更多的自由度.因此提出了在多小波域进行去噪和压缩相结合的SAR图像编码算法.首先对图像进行多小波变换,采用改进的软阈值法抑制相干斑噪声同时对图像边缘进行保护,再对多小波系数重排建立空间方向树,然后采用多级树集合划分(SPIHT)算法进行编码.实验结果表明,该算法改进了重建SAR图像的PSNR,同时对相干斑噪声进行了有效的抑制.     

一种基于小波的互连线模型自适应约减算法

基于偏微分方程的谱分解理论,针对VLSI中的互连线系统,提出了一种基于小波的自适应模型约减算法,选取逼近空间的一组基函数,通过积分合同变换,从而得到一个能够逼近原无穷维系统的有限低阶无源模型.该算法在不需要对互连线进行离散处理的情况下,能直接对非均匀互连线系统进行约减;利用了小波的多尺度和紧支撑特性,并采用自适应机制来平衡逼近精度和计算效率的矛盾.理论分析和数值仿真说明了该方法的有效性.     

基于模糊小波神经网络的BDI模型

为克服原有BDI模型可计算性差以及不能处理模糊问题的弱点,提出一种基于模糊小波神经网络(FWNN)的BDI模型,FwNN用神经网络来实现模糊化、模糊承诺和去模糊化的过程,并利用小波基函数作为模糊隶属函数,网络权值和隶属函数的形状均是可学习调整的.以一对一追逃问题为背景的仿真实验验证了模型及算法的可行性.     

基于小波包与Elman神经网络的整流电路故障诊断

引入了一种针对电励磁双凸极发电机的整流电路故障的小波和Elman神经网络相结合的诊断方法.根据整流电压波形的畸变规律,将2个以内的二极管故障分为7类共计22种故障元.选用Daubechies小波作为小波基,对实测的整流电压进行小波包分析,利用小波系数,在各个频带上进行小波信号重构.提取全频带能量特征值,并以此构造故障模式向量作为神经网络的输入,实现了故障的分类和定位.以一台840W、12/8极的电励磁双凸极发电机为实验样机,通过采集大量故障信号并进行信号处理,以故障特征值的容差范围作为误差判别标准,力求诊断误差最小化.实验结果表明,该方法对被分析信号的频率波动和幅值变化均具有良好的鲁棒性,是一种有效的故障诊断方法,具有较高的故障诊断正确率.