经济-资源-环境系统自组织演化的新模型

经济-资源-环境（ERE）系统是个典型的开放复杂自组织系统,将广义信息熵的概念引入复杂ERE系统,建立其普适的结构自组织演化方程,形成了复杂系统建模新方法,可揭示复杂ERE系统中多主体作用动力学及结构自组织演化过程。以国家可持续发展实验区ERE发展模式为例,根据1994～2005年指标数据,对其发展演化过程做了具体的模拟研究,揭示了实验区规划的实施对可持续发展系统的改进和完善是一个复杂的自组织过程.     

POLSAR图像杂波L分布建模及其参数估计

基于乘积模型的杂波统计建模是进行高分辨极化合成孔径雷达(POLSAR)图像非均匀区域杂波统计特性分析的有效方法,其核心在于纹理分量随机分布的类型选择.广义伽马分布(GΓD)是一种普适性很强的分布类型,Weibull分布、伽马分布、逆伽马分布等都是GΓD分布的特例,因此基于GΓD分布的图像乘性杂波建模既满足杂波建模的高精度要求,同时成为各种雷达杂波辨识的有效工具.本文首先推导了服从GΓD分布的随机变量的高阶矩特征及其对数累积量(MLC),利用纹理分量服从GΓD分布情形构建了乘积相干斑模型,得到了适用于POLSAR图像处理的L分布杂波多视处理的协方差矩阵的概率分布函数,同时推导了其高阶矩特征及其对数累积量,提出了基于对数累积量的L分布参数估计新方法.针对样本数较少的情况下对数累积量参数估计失效问题提出了基于混合矩(MME)的参数估计方法来解决.然后给出了不同分布的高阶矩和对数累积量,通过二三阶对数累积量关系图辨析了常用分布与L分布的内在关系,得到了L分布是目前乘积模型中适用范围较为广泛的统计分布的结论.最后用仿真数据验证了理论推导的正确性,并将基于对数累积量的参数估计方法与已有方法进行了比较,结果证明新参数估计方法具有更高的估计精度和运算效率;另外,还用实测数据进行了统计模型检验,其结果验证了理论推导的正确性.极化SAR中多视图像L分布杂波的统计建模及其参数估计方法为极化SAR目标检测和识别等领域的新技术研究提供了新手段.     

Wick类型随机广义Kdv-MKdv方程的精确解

通过埃尔米特变换将Wick类型的随机广义Kdv MKdv方程变成广义系数Kdv MKdv方程, 利用截断展开法求出广义系数Kdv MKdv方程的精确解, 并通过埃尔米特逆变换得到了随机广义Kdv MKdv方程的精确解.     

求解非凸函数优化问题的修正广义拟牛顿算法

对无约束最优化问题,提出了一种修正的广义拟牛顿算法,证明了该算法对非凸函数在Goldstein非精确线搜索下具有全局收敛性．     

基于GSPN方法的柔性制造系统过程模型和性能分析

应用广义随机Petri网方法,对柔性制造系统进行建模和分析,提出了控制策略和优化方法.针对柔性制造系统的离散性,对整个系统的过程模型进行分析.利用广义随机Petri网结合马尔可夫链的方法,确立了系统的配置参数,得出了系统的平均运行时间,机床的平均使用率,系统的生产率,故障概率,对系统的优化和生产效率的提高以及柔性的提高提供了理论支持.最后,通过柔性制造系统实例,对该方法进行了检验.     

基于广义预测算法的直接转矩控制仿真

针对电动汽车电机驱动控制系统结构复杂且系统性能受负载不确定性影响的缺点,提出了一种用于永磁同步电动机广义预测控制方法。从驱动系统动力学方程出发,建立了不依赖电机控制参数的驱动系统CARIMA模型,并采用广义预测算法对驱动系统的给定转矩进行了控制;为了获得良好的变速性能,实现了基于GPC的PMSM驱动系统的直接转矩控制;最后对系统变速过程进行了仿真。仿真结果对比表明,这种控制结构和方法能够实现对转矩变化的有效控制,使速度变化具有较好的平缓控制效果,在工程实际中有很大的应用潜力。     

一种校正判断矩阵的新方法

给出一种校正判断矩阵的新方法．该方法利用统计学中随机变量的思想,根据判断矩阵的偏差矩阵,准确地找出偏差大的元素进行校正,并通过算例验证该方法的优越性     

我国城市人均医生数的统计建模与分析

介绍拟合非对称分布数据的一种方法,然后运用这种方法建立了我国每万人医生数的分布模型,并利用这一模型分析我国城市的就医状况     

Fuzzy上下文无关语言的几个辅助定理

Ｆｕｚｚｙ上下文无关语言是一种常见而有用的语言,对它的研究目前尚是一薄弱环节．本文研究了Ｆｕｚｚｙ上下文无关语言的几个辅助定理及语言的歧义性等,这为进一步研究Ｆｕｚｙ上下文无关语言及与Ｆｕｚｚｙ自动机的关系奠定了基础．     

A kind of Generalized Learning Model

1　IntroductionSymboliclearning,connectivelearning,fuzzylearningandevolutionarylearningarethepresentfundamentalmethodsformachinelearning[1～3].Eachofthemhascharacteristicsandadvantages,andcancarryoutmachinelearningtasksincertainregioneffectively.Howe...