基于模糊聚类的PSO-神经网络预测热连轧粗轧宽度

为了提高热连轧粗轧宽度的控制精度,以攀钢热轧板厂实测数据为基础,采用粒子群优化算法训练神经网络并将其用于热连轧粗轧宽度预报,通过模糊聚类分析方法进行数据分析,科学选取学习样本,解决了由于样本多、学习速度慢的问题.实测数据运算表明,这种方法可避免神经网络陷入局部极小,带钢粗轧宽度的预报精度控制在6 mm以内,并且训练速度也有很大程度的改善,神经网络结构也得到优化,具有很大的应用潜力.     

Ad hoc网络中的分簇算法比较

文章阐述了Ad hoc网络的体系结构和存在的问题。对Ad hoc网络中的典型分簇算法进行了详尽的比较分析.     

分簇式ad hoc多播路由的超图法

在大规模的ad hoc网络中,设计分簇式路由算法可以解决节点数目增长带来的可扩展性问题.给出分簇式多播算法的超图模型,提出基于Steiner超树模型的ad hoc多播路由的集中式算法和分布式算法,并对两种算法的复杂度和通信开销做出分析.     

一种广义加权模糊聚类算法

提出了一种广义的加权模糊聚类新算法来处理具有不同特征贡献和不同数据分布的混合属性数据.分别利用样本概率密度思想和ReliefF算法为每一个样本和每一维特征分配权值,通过样本和特征的加权,将模糊c均值算法、模糊c-modes算法、模糊c-原型算法以及样本加权聚类算法统一为一个通用的框架.不同测试数据集的实验结果证明,这种广义的模糊聚类新算法对于处理不同分布以及具有不同特征贡献的大数据集是相当有效的.     

一类非线性滞后系统的自整定PID控制

针对采用传统PID控制一类非线性滞后系统,难以获得满意的控制效果,提出基于RBF神经网络的PID控制参数自整定的方法.利用具有在线能力的最近零聚类学习算法,训练RBF神经网络,从而自适应调整系统的控制参数.仿真结果证明了,该控制策略不仅能使非线性滞后系统具有良好的动态跟踪性能,而且具有很好的抗干扰能力.     

基于模糊神经元网络的信息融合模型

为了解决对象是庞大数据的复杂的工业生产过程的建立模型困难的问题,提出了基于势场拓扑的层次聚类算法和模糊c均值聚类算法融合,结果表明:通过两次聚类算法的融合,获得精确的聚类个数和隶属度,以此来确定模糊神经网络的结构模型,并将得到的隶属度作为依据,建立基于多判据信息融合和模糊技术构建神经元网络模型,通过对实际地下开采生产过程的仿真,结果验证了模型的有效性。该成果对煤矿开采具有一定的参考价值和指导意义。     

一个基于WWW的高校学生工作管理系统的设计

介绍运用ASP及数据库管理技术制作具有交互、远程控制功能的学生工作管理系统的方法，提出了系统的结构模型及功能模型。     

蛋白质结构型预测的研究

以 nα、nβ、nβαβ、n4α、n4β等五个二级结构参数为基础 ,用离散增量研究了蛋白质的聚类和蛋白质的结构型预测 .α型 ,β型和 αβ型可以很好地分别聚在三个大支中 .蛋白质结构型预测总体预测正确率为 82 % ,用 Self-consistency和 Jake-knife这两种方法测试的结果没有明显的差别 .从结果可以看出利用蛋白质的二级结构参数能较好地体现出各种结构型蛋白质的特点 .     

一种基于主元递归分析法的多模糊逻辑系统的组合形式

根据多个模型相加可以提高整体预测精度和鲁棒性的思想，提出了一种具有递阶特点的模糊逻辑模型。该模型采用基于山峰函数的减法聚类算法，将样本数据集分成多组来进行局部模糊模型的建立和训练，大大提高了组合模糊逻辑模型的训练效率。各局部模糊系统的预测输出通过主元递归分析法（PCR）连接，解决了模型之间的严重相关性问题，增强了模型的预测能力，提高了模型的鲁棒性。仿真结果表明，组合多个模糊逻辑模型能够达到比局部模型更好的建模效果，并能有效的改善模型的预测能力和泛化能力。