基于TS模糊模型的热工过程建模方法

热工过程对象通常具有复杂的动态特性和非线性、强耦合、不确定性等特征,从而使得常规建模方法难以取得满意的效果,因此提出一种改进型TS模糊模型在线建模方法。此建模方法基于以下思想,首先提出基于中心粒群算法的截集模糊C-均值聚类算法并对TS模糊模型进行模型结构离线辨识,确定模型的结构和前件部分参数的初始值;然后应用解耦扩展卡尔曼滤波算法进行后件参数在线辨识,同时对前件辨识结果进行精确修正。最后,对煤气炉、500MW机组及气化炉等热工过程进行仿真计算表明本方法具有精度高、计算量小等优点。     

基于音色属性辨识声目标的主观评价实验研究

设计了目标辨识、语义细分和自适应分组成对比较等三组主观评价实验, 研究不同音色属性对辨识声目标的作用. 首先对50个水下声样本进行等响度、等时长预处理, 完成了三种目标类型的主观辨识实验. 然后完成基于语义细分法和自适应分组成对法的目标辨识实验, 利用相关分析和聚类分析手段对评价数据进行处理, 获得人耳听觉系统在自然音色和本质音色空间下辨识目标类型的结果. 研究结果有助于掌握和理解人类听觉系统听音辨物过程中音色属性的作用, 对音色属性建模及特征提取也有益处.     

基于图的脑组织磁共振图像分割方法

提出一种基于图的层次聚类算法实现脑组织磁共振图像的自动分割。首先,采用基于图的分割方法对脑组织MR图像进行初始分割。由于脑组织MR图像各类组织结构分布复杂,尤其是脑脊液和灰质区域细节信息丰富、结构变化多样,分割结果中存在过分割现象。因此,利用对偶树复小波变换高频子带信息构造基于图的分割方法中参数k的自适应取值函数,避免图像平滑区域分割后产生大量小区域。然后,以层次聚类算法合并分割得到的小区域,解决基于图的方法分割脑组织MR图像中存在的过分割问题。最后,通过大量真实脑组织MR图像实验证明该方法在脑组织MR图像分割中的准确性和稳定性。     

广西扶绥黑叶猴食物水分含量的研究

2006年1~12月,采用焦点动物取样技术研究了黑叶猴的觅食行为,并测定了黑叶猴食物的水分含量.结果表明,食物中的月平均水分含量在61.1%~76.4%之间,各个月份间食物的平均水分含量有显著性差异(χ2=22.00,df=11,p=0.0240.05).在不同的食物部位中,花、嫩叶、果实、成熟叶的月平均水分含量分别为74.32%、70.69%、62.46%、60.73%.不同生活型的食物平均水分含量不同,其中乔木的水分含量最高(71.43%),其次为藤本植物(68.55%),灌木(67.37%),最低为草本植物(63.03%).黑叶猴取食植物含水分较多的嫩叶部分作为主要的食物,但检验发现黑叶猴全年对食物种类的取食时间与该种类的平均水分含量没有显著的相关关系.因此,食物的水分含量不是影响黑叶猴选择食物种类的决定因素.     

基于半监督聚类的真核启动子识别

首先将待测试的DNA序列片段利用词项-序列矩阵进行表示,然后通过奇异值分解进行降维,最后采用全局一致性和局部一致性兼顾的半监督聚类算法对长的DNA序列片段进行测试,并与现有的几种启动子识别算法的结果进行对比。     

一种基于LDA和FCM的BPA多模型软测量方法

模糊C-均值聚类(FCM)算法是数据预处理中常用的一种方法,但用这种方法进行数据聚类,各类别边界信息间往往存在干扰,模型精度不能得到很好改善。本文采用一种改进的线性判别分析(LDA)方法,用于扩大样本类别间的距离,使聚类更为精确。将FCM算法与改进的LDA算法结合提取样本特征,然后通过多模型融入到SVM算法中。通过对双酚A软测量建模的仿真研究表明该方法具有较好的效果。     

道路交通安全现代化水平综合评价模型

在结合事故致因理论和哈顿矩阵的基础上,以层次分析法建立道路交通安全综合评价指标体系,经专家评定获得各指标对其所隶属准则的判断矩阵,并计算出各权重向量和最优权重向量.同时,以道路交通发达国家在其完成第一次道路交通现代化的具体时期内各指标具体数据,通过聚类算法获得现代化评价基准值.采用量化值加权函数法建立评价模型,并得到中国现代化指数随时间历程的变化数据,从而研究中国道路交通安全现代化水平及影响因素,并分析了评价模型的局限性.     

一种半监督模糊聚类算法的研究

为了提高对未知样本的使用率,充分发挥出半监督聚类算法的优势,ISFCA算法将约束项引入到竞争聚类算法(CA算法)的目标函数中。但在ISFCA算法的隶属度函数中,存在迭代的非必要信息,增加了算法的复杂度。改进了ISFCA算法的隶属度函数,提取出迭代的必要项uCA″rs和非必要项uCA′rs,从而简化隶属度迭代计算过程,使样本的聚类更加合理。实验结果表明,优化后的ISFCA算法对阀门的故障诊断是行之有效的。     

基于数据驱动的线性聚类ARIMA长期电力负荷预测

针对某些发达城市因负荷波动大而导致的长期电力负荷预测精度低问题,提出了一种基于数据驱动线性聚类(data-driven linear clustering,DLC)的自回归积分滑动平均(auto-regressive integral moving average,ARIMA)预测方法。首先,利用线性特征作为聚类标准对每年的大型变电站负荷数据集进行预处理;然后,对得到的每个子序列构建最优自回归积分滑动平均模型,以预测其相应的未来负荷;最后,汇总所有的模型预测结果从而获得电力系统长期负荷预测结果。从误差分析和应用结果可知,理论和实践都验证了所提出的方法在保证建模精度的同时能够降低随机预测误差,从而获得更稳定、更精准的电力系统负荷预测结果。     

基于因素-时间变权模型的公路隧道群运营期安全性评价研究

公路隧道群运营期安全保障工程相较于单体隧道更为复杂,面临的大量不确定性和安全风险直接威胁着隧道安全运营。从“人-车-隧道-交通环境-管理”五个要素构建运营安全评价因子集,结合变权理论对开展动态评价研究,形成因素-时间变权方法的双动态权重计算模型以体现指标的时变特点,结合模糊综合评价模型进行等级评价,以某高速隧道群开展评价工作。通过上述研究表明：因素-时间变权模型对于运营期的隧道群安全评价指标的权重控制具有极强的针对性,能很好的弥补常规评价方法中对隧道运营期安全因时变性的特点造成的评价结果失真的缺点;变权理论的利用为开展风险的动态管控提供了重要的理论支撑。