基于改进型RBF神经网络多变量系统的PID控制

针对工业控制中多输入多输出非线性时变系统,提出了基于改进型RBF神经网络的智能PID控制方法.采用最近邻聚类算法在线构造RBF神经网络辨识器并在线辨识被控对象,对PID控制器参数进行在线调整,实现了多变量非线性时变系统的解耦控制.仿真结果表明,控制器能根据系统运行状态获得对应于某种最优控制规律下的PID参数,解耦后的系统具有较好的动态和静态性能,与常规RBF神经网络PID控制方法相比,该方法具有控制精度高、响应速度快的优点,并且具备较强的自适应性和鲁棒性.     

改进的NSGA2算法在航空活塞发动机装配中的应用

针对复杂机械产品零部件选择装配中个体重复现象,提出一种新的解集评价指标：种群均匀度。基于种群均匀度和拥挤度相结合的子代精英保留策略,改进了多目标优化NSGA2 (non-dominated sorting genetic algorithm-2)算法。以装配合格率和装配精度为质量评价指标,建立选择装配多目标优化模型。引进近邻搜索算子,克服NSGA2算法局部搜索能力的不足。以某型号航空活塞发动机装配为例,优化结果以Pareto边界集表示,结果表明算法改进之后非支配解集的多样性和收敛性均得到了提高。     

TSP邻近算法在Euclid平面上的性能比分析

旅行推销员问题(TSP)邻近算法的性能比已经被证明有一个关于点数的对数函数上界,本文就该方法在欧几里得平面上给出了性能比的一个对数下界。     

多类特征显微图像的识别

针对粉末状态下的中药材显微图像明显具有纹理的特性,提出了一种基于多类型特征组合的中药材显微图像的识别方法.分别使用了三种分析方法,即分形分析方法、小波分析方法、灰度/梯度共生矩阵法,在各种方法中提取对图像分类贡献较大的特征量,并组合成特征向量,作为识别的依据.实验中采用了k-近邻分类方法,实验结果表明了该方法的可行性和有效性,为中药材的定量识别提供了理论依据.     

奇奇核~(86)Nb的能谱统计

用粒子 转子理论模型计算奇奇核86Nb低自旋下的能谱 ,研究了不同自旋下能谱最近邻能级间距分布(NNS)和能谱刚性度 (Δ3 )的特点 ,并就影响能谱统计特征的因素进行了分析     

非参数回归函数最近邻估计强相合性的研究

在样本序列{(x_n,y_n),n ≥ 1}为平稳φ-混合的情况下,研究了回归函数m(x)的最近邻估计m_n(x)的强相合性问题,并给出了它在非参数判别中的一个应用.     

改进的最近邻法在基于事例推理中的应用

在基于事例的推理中，通常采用判断相似度来进行事例检索。目前广泛采用的最近邻法存在着盲目判断、计算量大的缺陷，提出了一种改进的算法，采用聚类的方法把事例库分为合理的聚类，并找到每个聚类的均值，然后在推理中，近的聚类，并在这个聚类中搜索最相近的事例。新事例直接与每个均值进行比较，找到与它最相从而避免了盲目搜索，优化了算法。     

基于AIC准则的最近邻聚类模型的优化算法

聚类分析方法的困难在于聚类模型的类中心和类别数的确定。首先给出了最近邻聚类规则,并根据该规则建立了确定聚类模型的分类方法;其次针对不同的聚类模型提出了优化判别准则———AIC准则,为解决所聚类的紧凑性与类别数增加的矛盾给出了理论分析。通过实例仿真,验证了本方法的实用性和正确性。     

基于混沌理论与径向基函数神经网络的混沌时间序列预测

根据混沌时间序列的特性 ,给出了将混沌理论与径向基函数神经网络相结合对其预测的方法 .首先在虚假邻域概念基础上 ,提出了可同时确定合适的嵌入维数与时间延迟的方法 ,从而可据此确定径向基函数神经网络的输入 ;然后 ,用径向基函数神经网络进行学习及预测 .最后 ,给出一个实例 .