A TWO-PHASE APPROACH TO FUZZY SYSTEM IDENTIFICATION

A two-phase approach to fuzzy system identification is proposed. The first phase produces a baseline design to identify a prototype fuzzy system for a target system from a collection of input-output data pairs. It uses two easily implemented clustering techniques: the subtractive clustering method and the fuzzy c-means (FCM) clustering algorithm. The second phase (fine tuning) is executed to adjust the parameters identified in the baseline design. This phase uses the steepest descent and recursive least-squares estimation methods. The proposed approach is validated by applying it to both a function approximation type of problem and a classification type of problem. An analysis of the learning behavior of the proposed approach for the two test problems is conducted for further confirmation.     

突防任务中的单机对多目标干扰决策

针对单机多目标的突防任务,提出了包括干扰时机选择、干扰样式选择以及干扰功率分配的干扰决策策略。在给出干扰时机和干扰样式的模型后,重点分析了干扰功率分配的方法,采用贝叶斯推理算法,构建空战威胁等级评估模型,计算出多个目标的不同威胁权值,最终给出基于威胁等级评估的干扰功率分配方法。仿真结果表明,该方法能充分利用有限的干扰资源,有效地降低敌方威胁,提高载机的突防概率。     

基于MEBN的战术意图识别

战术意图识别是不确定性战场环境中理解战场态势、预测敌军将来行动过程的关键。意图识别模型的构建是作战仿真系统中实体行为建模的难点之一,如何表示不确定的意图元素及其不确定性关系并进行有效推理是意图识别的核心问题。分析了影响敌人战术意图的因素及各因素之间不确定性表示途径,提出了采用多实体贝叶斯网（multi-entity Bayesian network, MEBN）来描述敌人的战术意图,采用一阶谓词来表示意图影响因素,大大扩展了贝叶斯网表示不确定性问题的能力。MEBN采用实体片断集描述敌人的作战知识,方便重用。基于描述的敌人意图知识库,给出了基于知识的模型构建算法来动态构建战术意图识别模型。最后,通过仿真实验,对基于MEBN的战术意图识别方法进行了实验验证,结果表明该方法是有效可行的。     

n阶系统的fuzzy推理建模方法研究

把fuzzy推理建模法用于对一般n阶系统的建模中,分别建立了研究对象的输入输出型模型和状态空间型模型.在此基础上,对fuzzy推理建模法做了进一步的推广,分别选用梯形和"三角波"型fuzzy集隶属函数构造系统的微分方程模型,并通过仿真试验对两种模型进行了比较.     

基于ANFIS的高速公路车辆跟驰模型与仿真

为了更好地描述高速公路上驾驶员在车辆跟驰过程中表现出来的模糊、不确定性的行为特征,采用自适应模糊神经网络ANFIS来建立车辆跟驰模型.首先,通过小波分析方法,对采集到的跟车数据进行降噪,消除外界因素的干扰,从而恢复数据的原始信息;根据信号处理方法,利用相关函数计算出驾驶员在跟驰过程中的反应时间.然后,建立以两车速度差、车头间距和后车速度作为输入,以及后车加速度作为单输出的自适应模糊神经网络跟车模型.最终,对该模型仿真训练,自适应生成驾驶员跟驰行为规则,并与传统的GM跟车模型对比分析.结果表明,该网络模型能较客观地反映高速公路上的驾驶员跟驰行为.     

一种新的系统等级测评不确定性演化推理模型

为了更加合理地判定系统综合保护能力是否达到相应的等级要求,将测评标准GB/T 22239—2008中的安全要素与信息安全事件进行关联分析,利用故障树对安全事件进行分解,并将故障树的最小割集转化成推理规则;利用不确定推理技术推导系统脆弱性可能引发的安全事件,计算损失大小和风险值,将它作为系统保护能力评价的参考依据.以某网站为例进行实验,结果表明该模型能够根据系统的脆弱性进行合理的风险计算,提高了等级测评结论的合理性,为等级保护与风险分析进行有机结合提供了可能.     

基于Bayesian统计推理的分布估计算法求解, 柔性作业车间调度问题

在Bayesian统计推理理论的基础上, 提出一种新的求解柔性车间调度问题的分布估计算法.首先, 根据所有工件的工序排列顺序提取进化过程中种群的优良信息, 建立一个不断更新的先验分布概率模型, 再以相邻工序出现的频率为基础建立条件概率模型; 然后, 结合两个模型的信息使用Bayesian公式建立一个后验概率模型, 该模型综合了进化过程中不断更新的优良信息和相邻工序出现的频率信息, 可用以更好地指导产生新群体.仿真结果表明算法具有较好的寻优能力.     

最大似然估计的教学方法

最大似然估计法是到目前为止最重要也是用得最多的参数估计方法.对最大似然估计的讲解给出了新的尝试,并在教学中取得了良好的效果.     

红枣专家系统的研究开发

论述了红枣专家系统的总体设计思路和知识库的构建方法。将红枣领域专家的知识、经验和专家系统技术有机结合,建成了红枣专家决策系统。     

过程混合的高斯过程模型混合采样推理

提出了基于Dirichlet过程混合的高斯过程模型揭示复杂动态系统结构数据的多态性的内在机制.针对均值结构与协方差结构稀疏性的差异性,设计了参数先验与非参数先验来构建基于Polya urn与过松弛层采样的混合采样框架体系.该混合采样方案不但能够在统一的Metropolis Hasting(M H)概率评价准则下实现,而且能够最大限度地克服高斯随机走步的缺陷,方便、快速地获得马尔科夫样本链的展开.仿真结果表明,混合采样算法比高斯过程回归模型及高斯过程函数回归混合模型具有更广泛的适应性及更好的预测效果.