多值逻辑系统Hα中的子代数理论

系统H_α是一个带有参数的系统,将参数α赋予不同的值,将会得到不同的多值逻辑系统。论文研究了多值逻辑系统H_α中的子代数理论,讨论了该系统子代数的特征及相关性质,为系统H_α的进一步研究奠定了基础。     

参数IIP系统的三I算法与α-三I算法

证明了系统IIP是基于连续三角模族T_p-II及其伴随蕴涵算子族R_p-II的逻辑系统,并证明了系统IIP与系统II是等价的。在此基础上给出了基于蕴涵算子族R_p-II的三I算法与α-三I算法,这将有助于提高模糊推理的可靠性。     

距离为6的二元自对偶码的子码

用随机搜索算法研究了码长n满足22≤n≤30且距离为6的二元自对偶码的子码,构造出它们的对偶距离为3、4、5和6的子码的生成矩阵。研究了这些子码构成的码链以及它们的对偶码构成的码链。利用所得到的码链,由Steane构造法构造出距离为5和6的具有很好参数的量子纠错码,改进了前人得到的几个量子纠错码的参数。     

R-SVR中r与输入噪声间近似线性反比关系

为使r范数SVR更具鲁棒性,深入研究了r范数SVR中参数与输入噪声之间的关系。运用SVR的贝叶斯框架,分别推导出了鲁棒的r范数SVR中参数r与拉斯噪声和均匀噪声之间呈近似的线性反比关系。并结合仿真结果和已有的相关结论,得到了更为一般的结论,即鲁棒的r范数SVR中参数r与输入噪声之间呈近似的线性反比关系。这一结论为输入样本含有分布未知噪声的情况下r范数SVR参数的选择提供了理论依据。     

基于LANDMARC定位算法复杂度的分区算法改进

本文重点讨论研究了基于RFID的LANDMARC室内定位系统,然后在此基础上总结了原LANDMARC系统的不足,并针对LANDMARC系统中的算法复杂度进行分析,提出了一种分区算法来减小系统算法的复杂度.实验结果表明,相比原系统算法,改进后的算法在提高系统定位精度和定位性能的前提下,减小了算法总体的复杂度.     

基于模糊粒度计算的文本聚类研究

典型的文本聚类算法是一种硬划分,但是实际上由于中文文本的多样性和大量性更适合进行软划分,模糊集理论的提出为这种软划分提供了有力的分析工具。传统的模糊聚类方法大都是通过对隶属度的矩阵逐步迭代得到模糊等价矩阵或模糊划分的方法实现聚类,这个过程需要大量的存储空间。基于模糊粒度计算的文本聚类算法是在文档集合的模糊粒度空间上给定一个归一化的距离函数d（d_i,d_j）,对距离小于粒度d_λ的文本进行动态聚类。通过实验证明此方法在解决文本聚类问题时具有降低计算复杂度和空间复杂度,适于大量文本的聚类处理。     

n值逻辑系统子代数个数之讨论

在广义和狭义两方面分别研究了六个系统L_n,S_n,G_n,K_n,Z_n,W_n的子代数的个数的特征及其计数问题。由此,得到了逻辑系统L_n,S_n,G_n,W_n,K_n,Z_n的子代数个数及其性质。     

不同蕴涵算子下三I方法的解

以R_M、R_Z、R₀三个蕴涵算子为基础,研究了11种形式的三I算法的解,并在此基础上给出了这11种解的同一形式：B*（y）=SUP{A*（x）∧φ（x,y）},其中φ：X×Y→[0,1]表示某一函数,而且φ（x,y）与E_Y的选取依赖蕴涵算子R_i的选取。     

泛逻辑学中UB代数系统的滤子与商代数

给出了理想状态下泛逻辑学的形式演绎系统,证明了此系统是可靠的。提出了在理想状态（h=k=0.5）下泛逻辑学对应的代数系统-UB代数,进一步讨论了UB代数滤子与商代数,得到一些有用的结果。     

参数化模糊联想记忆网络的学习算法

基于Dubois提出的带参数ξ的t-模T_ξ,提出了一种参数化的广义模糊联想记忆网络Max-T_ξ FAM。由于T_ξ中参数ξ的作用,在应用中Max-T_ξ FAM有更强的可调性和灵活性。接着利用T_ξ的伴随蕴涵算子,提出了Max-T_ξ FAM的一种有效学习算法。从理论上严格证明了,只要Max-T_ξ FAM能完整可靠地存储所给的多个模式对,则所提出的学习算法一定能找到使得网络能完整可靠存储这些模式对的所有连接权矩阵的最大者。最后,用实验说明了所提出的学习算法的有效性。     

基于分层定位模型的RFID定位算法研究

识别和定位为智能停车场等服务领域提供关键信息,基于RFID的LANDMARC算法为常见的室内定位方法。文中对低成本、高精度的经典室内定位算法LANDMARC进行分析,针对其在定位过程中单纯根据信号强度的欧几里得距离选择节点进行定位计算的不足,提出基于双层定位模型的算法D-LANDMRAC。该算法主要由初步定位和精确定位两部分组成,初步定位过滤掉问题参考标签,再基于“距离-损耗冶公式利用标签之间信号强度差进行精确定位。仿真结果表明,相比LANDMARC算法,D-LANDMRAC算法定位精度有了明显的提高,并且定位误差的分布更加均衡。     

区域细化的RFID室内定位算法

提出一种在LANDMARC算法基础上进行定位区域细化的RFID室内定位算法(RDL)。首先对低成本、高精度的LAND-MARC算法进行简单分析,针对其计算中涉及过多无关参考标签和读卡器问题引入区域细化策略。算法利用对射频信号强度调制进行定位区域的细化,消除距离待定位标签较远的读卡器和参考标签对定位计算的影响。仿真结果表明,相比LANDMARC算法,该算法定位精度更高,定位误差的概率分布也更为合理。     

基于参考标签可信度和偏差自校正的RFID室内定位算法

为了提高室内定位系统的定位精度,在典型射频识别(RFID)定位系统LANDMARC基础之上,提出了基于参考标签可信度和偏差自校正的RFID室内定位改进算法。该算法引入参考标签辅助定位,先检查每个最近邻参考标签的可信度,舍弃不可信的参考标签;同时,针对最终选定的最近邻参考标签进行定位偏差的自校正,计算出待定位标签的最终估计位置。实验结果表明,与LANDMARC系统相比,改进算法提高了室内定位的精度,适合于室内人和物的定位应用。     

基于加权欧式算子的射频识别定位算法

基于有源射频识别校验的动态定位技术中边界标签的定位精度受制于参考标签数量,针对该问题,提出一种优化测距的改进算法。结合路径损耗模型,分析环境噪声对阅读器收信场强的可信度影响,通过引入加权算子调整定位标签与参考标签之间的欧氏距离,修正各阅读器上的收信场强可信度。仿真结果表明,对于检测区域边界的待定位标签,改进算法比原算法具有更好的定位精度及环境适应性。     

基于动态质心迭代与偏差修正的室内定位方法

射频识别技术（RFID）是室内精确定位的重要技术之一.基于经典LANDMARC算法定位精度不高问题,提出了基于动态质心迭代和偏差修正相结合的定位算法.该算法采用最小关联度为准则,通过将近邻区域质心作为下一个参考标签依次迭代近邻成员,直至与目标标签的关联度低于阈值,实现预定位;通过实施k近邻成员重定位并引入修正系数对预定位坐标进行偏差修正.实验结果表明,相比于LANDMARC算法,该算法的定位准确度得到较大提高.     

基于支持向量回归机的RFID室内定位研究

基于接收信号强度的射频识别(RFID)定位是一种低成本、便于实现的室内定位方法,针对在RFID室内定位系统中使用参考标签法存在的小样本问题,提出一种基于支持向量回归机(SVR)的RFID室内定位算法。结合无源超高频RFID系统工作原理,在Matlab环境下,对比经典的LANDMARC方法,测试了基于支持向量回归机的定位算法性能,以及互耦效应、多径效应对该算法定位结果的影响。仿真结果表明,相较于LANDMARC方法,所提方法在不增加参考标签数量的情况下定位精度至少提高了25%。     

一种改进LANDMARC射频识别室内定位算法

在射频识别RFID室内定位环境中,LANDMARC定位算法的精度与选取的近邻参考标签数量有关。传统的算法仅仅局限于在小范围定位环境中选取3~5个参考标签,而在较大的定位环境中,距阅读器较远的相邻参考标签存在干扰近邻参考标签选取的情况,因此,需要选取较多的参考标签来辅助定位,然而随着选取参考标签数量的增加,定位误差越来越大。针对这一问题,在选取的参考标签中引入加权思想来优化计算过程中权重的分配,进而降低系统误差,提高定位精度。仿真实验结果表明,改进后的LANDMARC定位算法在选取较多参考标签的情况下具有较高的定位精度。     

基于RFID的室内定位技术评述

室内定位技术以其在定位搜救、公共安全、商业等方面良好的应用前景而备受人们重视。阐述了用于室内定位的几种算法,在详细介绍RFID传感器定位原理、特点及关键技术的基础上,评述了LAND-MARC定位系统及其优缺点,并展望了室内定位技术的发展趋势。     

射频识别技术及其在室内定位中的应用

在分析射频识别(RFID)基本原理和特点基础上,重点讨论了基于RFID的LARNDMARC室内定位系统,然后在此基础上提出了一种最近邻居改进算法和基于误差多级处理的数据融合定位方法。仿真结果表明,改进后的最近邻居算法比已有的最近邻居算法的定位精度更好。