MLD模型下逆变电路改进型直接功率预测控制

建立了新型逆变电路精确的混合逻辑动态(MLD)模型,并将其作为预测模型,研究了新型逆变电路基于预测直接功率控制(P-DPC)的模型预测控制方法。为了达到航空电源电压输出要求和降低开关损耗,在原来的3+3电压矢量控制序列法的基础上扩充了零矢量进行了改进,形成了一种新的对称的4+4电压矢量序列法,通过对下一时刻输出电压有功和无功分量的预测,在最小化目标函数值的基础上求出每一个电压矢量的作用时间,完成电路的控制。该方法减小了输出电压THD,具有良好动静态特性有一个较为稳定的开关频率,仿真和实验验证了所提方法的可行性和有效性。     

基于文本分类的农业种植信息集成推荐方法研究

目前网络上存在着海量的农业信息,但是对于广大农民来说信息得不到有效的利用,迫切需要对信息进行集成推荐.针对网络上的农业种植方面的文本信息进行了深入研究,该系统首先利用爬虫技术自动地爬取海量农业种植信息,经清洗整理后构建数据集语料库.其次利用机器学习中KNN方法找到每个样本的k近邻对文章进行聚类,通过TF-IDF方法提取出关键词并构造词频矩阵,然后从文本中构建特征向量,进而对相似文档进行分类,最后将加权值经排序后的结果推荐给用户.该系统实现了对农业文本进行准确的自动分类以及自动提取出文章摘要,并对相似文章进行推荐展示的效果.     

视觉概念学习方法研究进展

计算机视觉的核心问题是寻找视觉概念的层次化与结构化表示.以深度学习为代表的连接主义方法能够学习到输入图像数据的分层表示,这个表示具有优异的类内不变性与类间区分性,带来了视觉目标分类问题的突破式进展.而以图像随机语法模型为代表的逻辑主义方法试图基于先验知识和输入图像数据得到视觉概念的层次化与结构化表示,进而实现像人类一样的概念迁移学习,从更一般的意义上解释视觉现象.综述了两类方法各自的一些代表性工作,分析了其主要思路与各自的优缺点.分析认为,两类方法具有明显的互补性,在概率图模型框架下将两类方法综合是未来视觉概念学习的一个重要发展方向.     

一阶逻辑完备性定理的新代数证明

给出了一阶逻辑完备性定理的一个新的代数证明，这个证明不使用依赖于Boole代数表示定理的γ-解释，但使用关于Q-滤子△↓的△↓-解释，也需要用到选择公理，另外指出了已有代数证明的不足之处，并作了修正。     

基于CPLD的CCD驱动电路的设计

采用一款帧转移型CCD,详细地介绍了该款CCD的驱动电路设计。选用复杂可编程逻辑器件（CPLD）作为硬件设计平台,针对Altera公司的EPM7160SLC84-10进行适配,实现了CCD驱动时序的设计。线性稳压器LM117实现了CCD偏置电压的设计。专用CCD时钟驱动芯片实现了CCD驱动电路的设计。设计的CCD驱动电路满足帧转移面阵CCD的各项驱动要求。     

城市交通信号三级模糊滑动优化控制方法

提出一种城市交通信号三级模糊滑动优化控制方法.引入非冲突车流的搭接相位构建交通信号三级模糊控制器的模型,并采用滑动时间窗设计滑动优化的框架.根据实时采集的交通数据,采用基于黄金分割的混合遗传算法,在线学习模糊控制器的隶属函数及控制规则参数.在常态及事故不同交通条件下,以典型路口进行Paramics仿真试验.结果表明提出方法的自适应能力好,可快速响应路口交通流的不确定性事件,且在高饱和的交通条件下性能稳定.     

宽带快速跳频频率综合器的设计与实现

具有高稳定高频率转换速度的宽频带频率综合器是现在电子战系统的关键技术之一。采用最新的直接数字频率合成技术作为频率综合器的频率源可产生高速、高稳、高精、低噪的参考频率,使用倍频器提升频率和带宽,用高速DSP作为伪码计算和控制字发生器以及FPGA作为系统控制核心,可设计出一款跳频速度很快的宽带跳频频率综合器;还给出了高速PCB板设计的关键技术。     

多策略融合的俄语文本词语提取方法研究

俄语是联合国工作语言之一,是俄罗斯等多个国家的官方语言.随着"一带一路"倡议的推进和全球化进程的加快,俄语文本数据成为有关组织管理决策的重要信息来源,俄语文本挖掘也因而成为重要的管理决策支持方法.然而,俄语文本挖掘方法研究目前还远未成熟,尤其是其关键基础——俄语文本词语提取的性能较低,阻碍着俄语文本建模的准确性.因此,...     

一种新型的无搜索求解策略

提出一种基于模糊逻辑和神经网络的专家系统，它是一种集信息表达，生成与求解为一体的新型求解系。本系统的核心－学习推理网，网络的知识表达是分布的，可实现并行推理，不需要进行搜索和匹配。     

基于基尼的模糊kNN分类器

随着网络的发展,大量的文档涌现在网上,自动文本分类成为处理海量数据的关键技术。在众多的文本分类算法中,kNN算法被证明是最好的文本分类算法之一。对于大多数文本分类来说,文本预处理是文本分类的瓶颈,文本预处理的好坏直接影响着分类的性能。在此介绍了一种新的文本预处理算法——基于基尼的文本预处理算法。同时采用模糊集理论改进kNN的决策规则。这两者的结合使得模糊kNN比传统的kNN表现出更好的分类性能。实验结果证明这种改进是有效的,可行的。