智能配色设计衍生方法研究

色彩设计中的优秀配色方案对新设计有重要的指导意义。对配色方案重用及色彩创新设计方法进行了研究;结合奥斯特瓦尔德色彩理论和色彩学中的色相对比原理提出了一种智能色彩设计方法——获取已有配色方案中配色信息,并通过一定衍生算法生成新的配色方案;应用VC++在SolidWorks软件平台上开发了智能色彩设计原型工具,对该色彩设计方法进行应用验证。实验结果表明,该方法能够成功地利用已有方案的配色信息生成新的色彩方案,较好地辅助色彩创新设计。     

智能控制在液位监控系统中的应用

为实现二阶液位系统控制高性能目标,根据系统的数学模型,利用MATLAB软件对模糊智能分段整定PID控制方案的稳态和动态性能进行分析,表明模糊智能分段整定PID控制方案能有效地克服干扰的影响,具有较好的自适应性。基于A3000液位监控系统,利用ActiveX控件技术实施模糊智能分段整定PID控制方案运行,验证模糊智能分段整定PID控制方案的实用价值。     

基于模糊认知图的智能配电网WSNs实时性与可靠性优化研究

为了降低智能配电网事故,提高智能配电网无线传感器网络（WSNs）数据通信的可靠性与实时性,探索了一种基于模糊认知图的智能配电网WSNs数据通信建模与控制的方法。首先,定性分析影响智能配电网WSNs数据传输的性能指标的主要因素,构建模糊认知图模型,根据网络环境的变化利用数学方法表达网络节点各概念顶点之间的因果关系;然后,再利用模糊认知图的方法进行推理,获得动态决策路由路径和调整网络参数的控制变量值;最后,对本文方法进行仿真实验,对数据传输性能进行了测试分析。实验结果表明所提出的方法可为智能配电网WSNs数据传输提供良好的QoS（服务质量）。     

一种基于MAS的作战指挥智能运作模型研究

研究了一种多智能体系统的实体结构（EACSS），设计了作战指挥智能体（CCA），并就其各模块功能进行了分析。该系统采用模糊决策方法设计了约束推理模块，用以模拟人的思维推理过程，完成对推理依据信息的存储以及应用。对EACSS进行了性能分析，对进一步研究智能体在作战指挥系统中的应用具有一定的实用价值。     

一类非线性神经模糊控制系统

针对离散非线性系统,将神经网络和模糊技术有机结合,模糊神经网络与自适应控制方案相结合,设计了一种模糊神经网络自适应控制系统,它由模糊对向传播（FCP）网络辨识器和径向基函数（RBF）神经网络控制器组成,仿真结果表明了该方案的有效性。     

基于专家协调控制的智能伺服攻丝系统设计方案研究

本文根据对人工攻丝过程"不进则退、以退为进"的策略分析,构建了模糊神经网络控制模型,在模拟人工攻丝基本策略的基础上,进一步提出了基于专家协调控制,能够模拟人的高级智能行为的攻丝系统结构,进行了系统协调方案、工作原理、协调规则和控制状态的讨论,为智能伺服攻丝控制系统的设计提供了理论研究和方案的可行性验证.     

粗糙集与模糊神经网络集成在故障诊断中的研究

考虑模糊聚类的数据离散功能,粗糙集理论对决策系统的约简能力,以及模糊神经网络在模式识别方面具有的优势,提出了粗糙集一自适应模糊神经网络推理系统（ANFIS）集成进行故障诊断的方案：首先,应用SOM方法离散故障诊断数据中的连续属性值;然后,基于粗糙集理论计算诊断决策系统的约简,按照实际需要确定诊断条件;最后,根据系统约简设计ANFIS进行故障诊断。4135柴油机的实际诊断结果验证了文中提出集成故障诊断方案的可行性。在数据充分的条件下,该方案可以推广应用于其它机械设备。     

基于模糊偏好关系的多智能主体决策

多智能主体决策在决策支持系统中的应用越来越广泛,但也带来了各智能主体决策一致性,以及选择最优决策方案的问题,为解决以上问题,该文提出了基于模糊偏好关系的多智能主体决策方法,该方法利用模糊聚合算子对多智能主体的决策结果进行聚合,并利用模糊偏好关系对决策方案进行排序,从而选择最优决策方案。     

一种基于组合型模糊控制的主动队列管理算法

计算机网络具有的复杂性和动态特性使传统控制理论难以进行主动队列管理（Active Queue Management, AQM）算法的设计和分析．本文在模糊集合和模糊系统理论的基础上设计了一个主动队列管理算法CF（Combination Fuzzy control）．其中模糊控制器I根据瞬时队列的长度和变化值计算控制量；模糊控制器II根据系统负载因子计算控制增益．通过选择模糊控制器参数，模糊控制系统与使用PI（Proportional Integral）控制器的系统具有相同的局部稳定性．最后通过仿真对CF、PI和单模糊控制器的性能进行了比较．     

选煤厂重介质分选智能控制系统研究

针对选煤厂重介质分选系统悬浮液液位、密度的时变性、耦合性以及非线性特点,设计基于模糊PID控制的智能控制系统,稳定悬浮液密度,实现悬浮液液位的动态平衡。根据选煤厂重介质分选系统操作经验和各输入、输出变量的理论值,设计模糊子集和论域、模糊控制规则,建立基于悬浮液液位、密度的模糊控制器,实现模糊PID控制。仿真结果表明,与原PID控制方案相比,模糊PID控制方案的控制精度更高,跟随性更好,保证了分选系统液位的动态平衡,悬浮物密度的稳定。     

基于多特征融合的交通标志识别算法

综合考虑识别率、时间复杂度以及鲁棒性,提出一种边缘、纹理、颜色多特征融合和支持向量机（SVM）的交通标志识别算法。通过提取能够描述交通标志图像边缘信息的方向梯度直方图（HOG）特征并进行统计平均,与能够表示标志图像内部纹理信息的局部二值模式（LBP）特征融合得到降维后的HOG-maxLBP特征,再级联交通标志的颜色特征作为最终的特征向量,最后利用SVM进行交通标志训练和分类。实验结果表明,该算法不仅提高了交通标志的识别率,而且降低了时间复杂度,增强了系统鲁棒性。     

基于混合分类器的表情识别方法

根据隐马尔可夫模型(HMM)适用于处理连续动态序列信号、支持向量机(SVM)与K近邻分类器(KNN)擅长模式分类的特点,设计一种(HMM+KNN)+SVM的混合分类器。利用HMM与KNN对测试样本进行判决。当判决结果相同时,直接输出判决结果,否则引入SVM对测试样本进行再判决。实验结果表明,该方法所确定的分类器优于单一的分类器判决,能有效实现表情识别。     

基于NS-StyleGAN2的鱼类图像扩充方法

图像多分类领域中经常出现类别不平衡问题,这会对分类模型的学习训练产生负面影响。通过对样本数量较少的类别进行扩充可以有效解决类别不平衡问题。生成对抗网络作为近年来新兴的一种神经网络,输入真实图像样本训练可以输出与真实样本非常相似的生成样本。根据此特性,本文结合第二代样式生成对抗网络（StyleGAN2）的设计思想与鱼类图像的特点,设计一种噪声抑制样式生成对抗网络NS-StyleGAN2 （Noise-Suppressed Style Generative Adversarial Networks 2）。NS-StyleGN2去除了StyleGAN2合成网络中低分辨率层的噪声输入,从而抑制低分辨率层的噪声权重,使StyleGAN2生成样本细节特征更逼近真实样本特征。采用202张鲢鱼图像进行训练,本文提出的方法在起始分数、弗雷歇起始距离、内核起始距离得分等方面均优于DCGAN、WGAN、StyleGAN2,表明该方法可以有效进行图像扩充。     

深度稀疏自编码器在ECG特征提取中的应用

针对心电（ECG）信号智能分析模型中,复杂波形的特征提取困难,人工设计特征造成源信号特征丢失,标签样本不足等问题,提出了一种基于深度稀疏自编码器（Deep Sparse Auto-Encoders,DSAEs）的ECG特征提取方法。该方法在DSAEs进行贪婪逐层训练时,采用适应性矩阵估计（Adaptive moment estimation,Adam）对网络权重进行寻优,以此获得最优参数组合,同时提取出高层隐含层的输出,并作为ECG高度抽象的低维特征。最后利用支持向量机（Support Vector Machines,SVM）构建分类模型,完成对ECG的特征分类。使用MIT-BIH心律失常数据库的ECG数据进行仿真实验,结果表明,提出的ECG特征提取方法能有效地分层抽取特征,提高分类识别准确率。     

M-FPCA在彩色人脸图像识别中的应用

将因子化主成分分析（FPCA）算法应用于人脸图像特征提取时,需要使用迭代算法,但该算法应用于高分辨率图像时实时性较差,并且可能导致维数灾难。针对上述问题,提出一种模块化FPCA（M—FPCA）的新型特征提取方法。将原始数字图像样本进行模块化,对模块化后得到的各个子图像矩阵采用FPCA算法进行特征提取,合并子图像特征矩阵得到原图的特征矩阵。彩色图像由R、G、B3个分量来表示,根据现有彩色信息融合方法的不足,对其进行改进,并结合M—FPCA算法,提出一种彩色M—FPCA新方法。在CVL和FEl人脸库上进行的实验结果表明,M—FPCA方法能提高FPCA算法的实时性,解决维数灾难问题。彩色M—FPCA方法能有效提取彩色人脸图像的色彩信息,得到较高的人脸识别率。     

基于声纹识别的Web身份认证系统设计

设计一个基于声纹识别的Web身份认证系统。在浏览器端利用自主开发的ActiveX录音控件录取封装使用者的声纹特征并传送给服务器,服务器端使用隐马尔科夫模型表述单字,单字之间通过增加静音状态分割以及语音训练形成稳定的声纹特征模型作为身份验证的基础库。实际测试结果表明,该系统识别性能好、可移植性强,适用于网络资源的远程声控。     

一种相似性学习算法及其在人脸识别中的应用

传统的支持向量机相似性学习算法在构造样本对时,会考虑所有的原始训练样本,致使样本对空间和原样本空间呈平方关系,而过多的训练样本对会降低训练速度。为此,提出一种改进的支持向量机相似性学习算法,并应用到人脸识别中。引入二元样本对方法构造样本对,采用K近邻算法减少不相似样本对的生成,从而加快支持向量机的训练速度,同时使用随机降维方法来降低人脸数据的维数。实验结果表明,与基于差空间样本对和差绝对值样本对的算法相比,该算法可获得更高的识别率。     

基于FPGA的手写数字BP神经网络研究与设计

手写数字逆向传播（Back Propagation,BP）神经网络由输入层、隐藏层、输出层构成。训练数据是MNIST开源手写数字集里60?000个样本,BP算法由随机梯度下降算法和反向传播算法构成,采用network小批量数据迭代30次的网络学习过程,训练出合适的权重和偏置。利用现场可编程门阵列（Field Programmable Gate Array,FPGA）硬件平台,Verilog代码实现BP算法、时序控制各层网络训练状态、Sigmoid（S型）函数及导数线性拟合是设计重点。初始化均值为0,方差为1的高斯分布网络权重和偏置,采用小批量数据个数[m]为10,学习系数[η]为3,在系统中输入样本及标签利用Quartus13.0和modelsim仿真与分析,工程运行迭代30次时间是4.5 s,样本识别正确率是91.6%,与软件python2.7相比满足了硬件设计的实时性和手写数字识别的高准确率。     

QFD在开关电源产品开发中的应用

针对开关电源产品开发周期长的问题,本文提出了将质量机能展开（QFD）的四阶段模式和层次分析法（AHP）相结合进行开关电源设计的方法。整个开发过程从顾客需求出发,利用QFD及层次分析法建立了开发过程四个阶段（产品规划、零件设计、工艺设计、生产控制）的映射关系图和QFD配置表。用这四个配置表来管理整个开发过程,可以利用有限的资源和时间使顾客得到最大的满意度,达到缩短产品开发周期,提高产品质量的目的,最后用36W开关电源为例对这一方法进行说明。     

基于FCM-LSSVM网络流量预测模型

为了提高网络流量的预测准确性,针对训练样本选取问题,提出一种训练样本选择的最小二乘支持向量机网络流量预测模型（FCM-LSSVM）。采用模糊均值聚类算法对网络充量数据进行了聚类分析,消除其中的孤立样本点,构建最小二乘支持向量机的训练集,然后将训练集输入到最小二乘支持向量机进行了学习,并采用人工蜂群算法对模型参数进行了优化,最后建立建立网络流量预测模型,并采用仿真实验对模型性能测试。仿真结果表明,相对于其他网络流量预测模型,FCM-LSSVM不仅提高了网络流量的预测精度,而且建模速度得以提高,获得了更加理想的网强流量预测结果。