一类非线性不确定相似组合系统的鲁棒输出跟踪

针对一类具有不确定性的非线性相似组合系统,讨论了鲁棒输出跟踪问题·这类相似组合系统的一个显著特点是其标称子系统具有相同的相对度·充分利用相似结构信息,采用坐标变换和变结构控制方法,将其不确定项分为匹配和不匹配两部分进行处理,得到了一类鲁棒控制器以确保系统输出与参考输出间的误差收敛到原点的一个小邻域内且系统状态保持有界·最后的仿真表明了所得结果的有效性·     

曲线投射与相似变换

以平行、相似、同向的曲线为投射线,运用相似变换,可不画投射曲线的投影,能图解传统方法不能解决的任意曲母线曲面的截交线和相贯线。由于不画辅助曲线,从而提高了图解效率和精度。     

机械故障稀疏特征相似性度量优化研究

针对当前机械故障诊断研究忽略了对其参数的选取与优化,导致准确性较差等问题,提出基于量子遗传 算法优化的机械故障稀疏特征相似性度量方法。基于先进行信号非线性混合,再进行去混合。将峭度作为目 标函数,利用量子遗传算法,对盲源分离过程的分离矩阵参数与非线性去混合参数进行优化,实现机械故障盲 源分离。基于故障信号处理,利用量子遗传算法与最小二乘支持向量机(LSSVM: Least Squares Support Vector Machine)相结合实现机械故障稀疏特征相似性度量。当LSSVM在机械故障诊断时对模型参数选取,利用量子遗 传算法针对 LSSVM 模型参数进行优化。将 LSSVM 参数选取问题转换为优化问题,利用优化后的 LSSVM 分类 模型实现机械故障稀疏特征相似模式分类。实验结果表明,该方法可以实现高效盲源分离,机械故障诊断准确 率高,运行性能良好。     

基于相似度量的加权近似推理方法

提出了规则中命题加权的真值计算方法及其约束条件,给出了加权的产生式规则的表示形式,定义了一个新的相似度量的加权运算和结论的加权组合方法．在此基础上提出了一种新的基于相似度量的加权近似推理方法．     

哈密尔顿矩阵特征谱问题的辛算法

文章基于前人的工作 ,在哈密尔顿矩阵约化过程中 ,采用了辛相似变换 ,使得哈密尔顿矩阵在辛相似变换下仍保持Hamilton结构 ,这样从根本上确保了特征值的正确性和稳定性 ,也能保证特征值成对出现且在每个半平面上都只求得 n个特征值 ,不至于出现特征值在小扰动下跨过虚轴的混乱局面     

基于MATLAB的相似度-遗传神经网络在储层物性预测中的应用

由于储层的非均匀性,传统的方法很难得到真实反映储层特性的结果。采用了遗传算法与BP神经网络相结合,利用遗传算法的全局寻优特点,优化神经网络的连接权值和阀值,从而提高网络的训练精度和预测精度。将相似度的概念引入到测井中,定义了相似度在测井中的计算公式,提出了相似度与遗传神经网络相结合的方法。根据取心井段储层物性与测井信息的关系,选取相应的测井曲线,运用MATLAB中神经网络工具箱建立神经网络模型并训练。实例研究表明,预测准确性较高,且可以有效地控制预测精度,避免了因储层差别大而造成的预测精度降低的现象。     

利用多维空间同源连续性的图像检索

对两个同源的事物,从一个事物逐渐变化到另一个事物的过程存在连续性. 该文依据多维空间仿生信息学理论,结合图像特征数据的提取与多维空间的点同源连续性规律,提出一种同源相似度和图像仿生距离相结合的相似性度量方法,实现高效的图像检索. 用COREL图像库进行测试,表明所提出的方法可有效提高检索效率.     

模糊聚类在地层分析中的应用研究

通常对原始资料进行地层的划分与合并依靠工程师个人的经验与习惯.提出了一种改进后的FCM法,并给出了迭代公式和相应算法.改进后的FCM法可用于对土层的分类,同时给出一种按照模糊贴近度大小进行土层归并分类的方法,使得土层的归并划分更有理论依据.     

基于构建软件功能描述的可复用软件检索方法

软件复用技术能够有效降低新软件产品开发的时间、人力和成本.在软件复用中,基于待开发软件的基本描述与简单需求,如何衡量已有软件的可复用性并对大量已有软件进行快速、自动的可复用性评估,已成为首要解决的问题.目前已有较多评价软件产品或软件项目相似度的研究工作,但相似性并不等于可复用性.因此,该文通过调研软件产品可复用性的相关研究,定义了一套适用于开源软件仓库中软件项目的可复用性评价指标,并设计了基于待开发软件项目的基本需求快速查询可复用软件项目的算法,实现了可复用软件项目检索系统.通过实验及专家对检索结果的评价,验证了所提描述方法的高效性和可用性.     

基于语义的Ontology聚类研究

提出了一种基于语义的Ontology相似性计算方法,该方法不仅考虑概念本身的相似性,还考虑了属性集合和相关概念集合的相似性,通过概念基本相似性极限控制属性集合相似性计算的范围,通过语义半径控制相关概念的范围.以基于语义的Ontology相似性方法计算Ontology聚类的相似性矩阵,采用凝聚层次聚类算法实现Ontology聚类.实验表明:基于语义的Ontology聚类能够获得满意的效果,在性能上优于使用oMAP相似性方法的Ontology聚类.