短语音说话人识别新方法的研究

提出了一种较短训练语音的说话人识别新方法。利用模糊核聚类算法设计矢量量化器,对说话人的语音特征进行训练。模糊核矢量量化器将原始空间通过非线性映射到高维特征空间,在高维特征空间中对说话人的训练语音特征进行模糊聚类分析,将得到的每个类中心作为说话人的语音模型。识别时将识别矢量映射到高维空间进行匹配决策。由于核方法的引入,使得原来没有显现的特征突现出来,增加了说话人之间的可区分性。实验表明,该方法对于较短的训练语音,其识别效果优于高斯混合模型和模糊矢量量化。     

基于T-S模型的倒立摆双闭环串级模糊控制设计与仿真

针对具有多变量、非线性特性的倒立摆系统,提出了一种基于T-S模型的双闭环串级模糊控制方法。在该方法中,内环控制倒立摆的角度,外环控制倒立摆小车的位移,并对双闭环参数耦合实现了解耦,降低了系统设计的难度和复杂度。数字仿真结果表明了该方法的可行性。     

基于元模型的模糊Petri网反向传播学习算法

模糊Petri网是知识表达与并行推理的重要工具,但拓扑为非严格分层的结构。为在不增加虚节点的情况下实现模糊Petri网的反向传播学习,提出模糊Petri网元模型的概念,统一四种基本产生式规则对应的模糊Petri网模型。并建立元模型的结论置信度关于条件置信度的连续映射,给出了正向推理算法。为提高收敛速率,先通过基于回溯策略的反向推理算法,计算元模型结论置信度对条件置信度的梯度函数,最后采用Levenberg-Marquardt算法实现权值优化。     

双枝模糊集模糊性度量

利用双枝模糊集概念,提出了双枝模糊集、上枝模糊集、下枝模糊集的模糊度概念。通过双枝模糊集模糊度的理论定义,给出了有限论域上双枝模糊集、上枝模糊集、下枝模糊集模糊度的构造性定理,利用这些定理进一步给出了双枝模糊集、上枝模糊集、下枝模糊集模糊度的几种具体计算公式。通过讨论得出单枝模糊集的模糊度是双枝模糊集模糊度的特例。     

群决策中模糊偏好关系矩阵一致性的调整方法

针对模糊偏好关系矩阵本身是否一致,使得原矩阵渐进逼近目标矩阵的问题,提出了群决策中模糊偏好关系矩阵一致性调整的新方法。该方法基于目标矩阵的最优选择,提出了一种新的目标矩阵R,使得计算得来的调和矩阵较之原矩阵在一定条件下保留了更多的偏好信息,即在很大程度上保留着群决策中决策者的意愿。最后给出了算例进行比较,说明了该方法的优势。     

一种改进的三角模糊数互补判断矩阵的排序方法

在传统的三角模糊数互补判断矩阵排序方法的基础上,结合三角模糊数均值的概念,提出了一种改进的排序方法。该方法通过三角模糊数互补判断矩阵以及相应的概率分布矩阵,计算得到模糊均值矩阵,从而将三角模糊数互补判断矩阵的排序问题转换为模糊均值矩阵的排序问题,然后对模糊均值矩阵利用权的最小平方法计算排序向量。通过计算三角模糊数均值,有效地减少了判断过程中的不确定性。给出了该方法的具体应用步骤,仿真算例表明该方法易于实现,具有很好的可操作性。     

模糊供应链批量生产计划问题

描述了模糊单位生产成本、模糊生产能力以及模糊需求下的分布式多工厂供应链批量生产计划问题。根据不同的决策准则建立了模糊期望值模型和模糊相关机会约束规划模型。当模糊变量是三角模糊数时,讨论了模糊规划模型的清晰等价形式,并采用遗传算法给出了求解模型的具体步骤。最后通过一个数值例子验证了方法的有效性。     

Vague集距离的比较与改进

回顾了vague集已有的距离定义,通过例子说明现有的距离定义在有些情况不适用,并且分析了现有vague集距离定义的不足,充分利用vague集的本质含义,给出了vague集之间距离的新定义,分析证明了所给vague集的距离定义与现有距离定义之间的关系,最后通过例子说明了新方法的合理性与有效性.     

基于遗传算法与模糊选择的多播路由优化

遗传算法在优化计算特别是在多播路由问题中得到了广泛应用,但在进行大规模优化时,遗传算法存在着爬山能力差以及不成熟收敛等缺点。为此,提出基于启发式遗传算法和模糊选择机制的新型多播树计算方法,本算法采用树型结构编码和高效的遗传操作,同时优化时延、丢包率和带宽利用率等多个参数。仿真实验表明,这种算法用于多播路由多目标优化问题时,可以克服采用遗传算法进行多目标优化的缺陷。     

基于T-S模糊模型的非线性自适应逆控制系统

现在非线性自适应逆控制系统中，由于对象模型和逆控制器均采用非线性自适应滤波器，自适应过程需要同时训练至少两个串联的非线性自适应滤波器，从而造成自适应学习过程过于复杂。利用一组自适应LMS滤波器建立非线性对象的T-S模糊模型，它为逆控制器的学习提供了准确的解析的对象模型Jacobian信息，从而有效简化了自适应逆控制学习过程。仿真结果表明，无论是离线建模还是在线建模，该非线性自适应逆控制方法均能取得理想的控制效果。