基于系统仿真的非线性Volterra核求解算法

提出了基于系统仿真的Volterra级数中三阶以内核的求解算法。根据各阶Volterra级数核对输出的响应特性,构造了各阶Volterra核输出分量的方法;然后根据核的对称特性,提出了各阶核求解的直接解法。它较一般的辨识算法,速度和简洁性有很大提高。     

基于少参数二阶Volterra级数的陀螺漂移预测

针对陀螺漂移角速度的非线性时间序列预测问题,提出了一种基于少参数二阶(RPSO)Volterra级数的仿射投影(AP)自适应辨识算法,建立了基于RPSO Volterra级数的非线性预测模型。根据预测模型中两个参数向量位置可互换的特性,AP算法推导出两个结构相似的迭代公式。然后给出基于遗传算法优化AP算法步长参数及建模的完整步骤。最后通过实测的陀螺漂移数据验证所提出的算法,在极短的时间内建立出模型并获得了精确的预测结果。     

基于Volterra泛函级数的涡轮建模研究

给出了对非线性动态系统做任意精度逼近的Volterra级数高阶核的全新估算方法并将其应用在涡喷发动机的转速控制上。该方法在核函数理论基础上,构造线性空间,将求解Volterra级数各阶核的问题转化为求输出观测向量在希尔伯特空间中某一子空间上的投影的问题,使原本复杂的非线性系统的Volterra级数的逼近问题在线性空间中以向量内积的方式得到解决。与其他时域或频域估算Volterra核的方法相比较,该算法的优点在于理论体系严密、计算量不随阶数增高而成几何级数增加、辨识精度高。该方法理论上能够估算任意阶核,弥补了现有方法难以估算四阶以上核的缺点,可应用于动态系统和强非线性系统的建模。将发动机动态过程描述为四阶的Volterra级数模型。     

一种新型灰色预测模型在陀螺漂移预测中的应用研究

针对某型导弹的陀螺漂移趋势预测问题,提出1种基于经验模态分解（EMD）的新型灰色支持向量回归预测模型。该模型通过运用经验模态分解算法将陀螺漂移数据趋势项和随机项进行分离,然后分别运用灰色GM（1,1）和支持向量回归算法对这2种数据进行预测,最后将预测结果进行重构得出最终的预测值。给出了这种算法的具体步骤并将其应用到某型导弹陀螺漂移的预测中,仿真试验结果表明这种预测模型的有效性和可行性。     

基于线性空间投影的计算Volterra级数高阶核的方法

研究了对非线性动态系统作任意精度逼近的Volterra级数高阶核的全新估计方法。该方法在核函数理论基础上构造特殊线性空间,将求解Volterra级数的各阶核的问题转换为求用输出观测向量在希尔伯特空间中某一子空间上的投影问题,使原本复杂、难以计算的非线性系统的Volterra级数的逼近问题在所构建的线性空间中巧妙地以向量内积的方式解决,并给出了具体算法。相比于其他时域或频域估计Volterra核的方法,该算法的优点在于理论体系严密、计算量不会随着阶数增高而呈几何级数增加,辨识精度高,理论上能够辨识出任意阶的核,弥补了迄今现有的各种估计Volterra核的方法难以估计超过四阶或更高阶核的缺点,特别能够应用在对动态系统和强非线性系统的建模上。仿真研究的结果证明了该方法的有效性。     

一种泛函级数建模的新方法及其应用

针对非线性动态系统较难做任意精度逼近的这一问题,提出了使用Volterra级数高阶核估算的全新估计方法。该方法在核函数理论基础上,构造特殊线性空间,将求解Volterra级数的各阶核的问题转化为求用输出观测向量在希尔伯特空间中某一子空间上的投影的问题,使原本复杂、难于计算的非线性系统的Volterra级数的逼近问题在所构建的线性空间中巧妙地以向量内积的方式解决。给出了具体计算方法。相比于其他时域或频域估计Volterra核的方法,该算法的优点在于理论体系严密、计算量不会随着阶数增高而成几何级数增加,辨识精度高,理论上能够辨识出任意阶的核,改善了现有的估计Volterra核的方法难以估计超过4阶或更高阶核的缺点,特别能够应用在对动态系统和强非线性系统的建模上。通过对电厂汽轮机轴系统的辨识和仿真,证明了该方法的有效性。     

结构未知系统降维辨识方法-----变量消去算法

针对结构未知的系统提出一种新的降维辨识方法.借助核函数方法,利用一个高维Volterra模型逼近未知系统.由于Volterra模型未知参数维数较高,为避免高阶矩阵求逆和求特征值,提出变量消去算法,将高维系统的辨识问题转化为两个低维系统辨识问题.通过理论证明采用降维算法后降维系统信息矩阵条件数变小,参数收敛速度得到提高.进一步引入Aitken加速方法提高算法收敛速度,增强算法对步长的鲁棒特性.最后通过仿真例子验证所提出方法的有效性.     

基于混沌的交通流量Volterra自适应预测模型*

采用基于混沌动力系统的相空间重构和非线性系统的Volterra级数展开式,构建了交通流量的Volterra自适应预测模型。其基本思想是首先采用Lyapunov指数判定交通流时间序列存在混沌的前提下,对该时间序列进行相空间重构;然后选择Volterra级数构造非线性预测模型,并采用LMS类型的自适应算法来实时调整模型的系数。应用该模型对Lorenz、Rossler和交通流时间序列进行仿真研究。结果表明,提出的Volterra自适应预测模型能有效地预测低维混沌时间序列和交通流时间序列。     

一种基于Volterra模型的非线性系统具有全解耦结构的递阶式自适应辨识方法

研究了在输入输出观测数据均含有噪声时如何对基于Volterra级数描述的非线性系统进行解耦自适应辨识的问题. 按照Volterra级数模型的伪线性组合结构, 采用总体最小二乘辨识技术的原理, 导出了一种总体全解耦辨识的思想. 从而建立了一种具有全解耦结构的递阶式自适应辨识算法, 给出了该算法的结构图. 相比于部分解耦辨识算法, 该算法的优点在于它能够在全噪声数据环境下得到更高的收敛速度和精度. 仿真研究的结果证明了本文方法的有效性.     

基于免疫神经网络的陀螺仪漂移预测

BP神经网络可用于预测陀螺飘移误差，但容易陷入局部极值，训练速度很慢。针对上述缺点，该文提出了一种基于免疫算法的神经网络，以样本输出为抗原、神经网络权值矩阵为抗体，通过克隆、变异、抑制等步骤找到最优抗体，将最优抗体用于陀螺仪漂移预测。仿真试验显示，免疫训练算法能有效优化网络权值，基于该模型的漂移预测精度较高。     

基于谱聚类欠取样的不均衡数据SVM分类算法

提出一种基于谱聚类欠取样的不均衡数据支持向量机(SVM)分类算法.该算法首先在核空间中对多数类样本进行谱聚类;然后在每个聚类中根据聚类大小和该聚类与少数类样本间的距离,选择具有代表意义的信息点;最终实现训练样本间的数目均衡.实验中将该算法同其他不均衡数据预处理方法相比较,结果表明该算法不仅能有效提高SVM算法对少数类的分类性能,而且总体分类性能及运行效率都有明显提高.     

基于粒子群优化的KPCA暂态稳定评估模型的特征提取

提出一种核主成分分析法(KPCA),用于电力系统暂态稳定评估(TSA)模型中的输入向量特征提取,并利用粒子群优化算法(PSO)对核函数参数进行优化设置.以EPRI36系统为例,对基于支持向量机(SVM)分类的暂态稳定评估模型进行仿真,结果表明该方法不仅得到了良好的预测精度,而且大大降低了输入空间的维数.     

基于变异记忆矩阵的克隆选择算法

利用免疫系统的免疫记忆机制,提出一种适于函数优化的基于变异记忆矩阵的克隆选择算法.首先,利用变异记忆矩阵保存进化中有用的变异信息,以引导抗体的克隆和变异操作,加强局部搜索能力;然后,利用当代种群的综合信息生成新抗体进入种群,以加强全局搜索能力;最后,对最优抗体进行自学习,以提高算法结果的精度.标准函数仿真表明,该算法适合求解复杂函数优化问题,具有收敛速度快、全局收敛能力强、精度高、鲁棒性强的优点.     

非均匀周期采样系统的递阶最小二乘辨识方法

针对非均匀周期采样系统,通过状态空间模型离散化方法得到其输入输出表达形式.鉴于参数化后得到的辨识模型同时包含1个参数向量和1个参数矩阵,利用递阶辨识原理,将辨识模型分解为分别含有参数向量和参数矩阵的2个虚拟子系统;考虑到系统的因果约束问题,将包含参数矩阵的子系统分解为子子系统进行辨识,从而提出这类非均匀采样系统的递阶最小二乘辨识方法.仿真例子表明该算法是有效的.     

一种新的基于平衡决策树的SVM多类分类算法

为了有效地减少样本训练时间,提高多类分类器的识别率,同时使模型具有较好的推广能力,在综合考虑待分类样本数和类别易分性能的基础上,在"先分样本数较大的类"和"先分易分的类"之间折衷考虑,提出一种基于样本的新的类划分方案.采用半衡决策树结构,得到了一种新的决策树支持向量机多类分类算法.实验结果表明,该算法在不降低识别率的情...     

具有混沌搜索策略的蜂群优化算法

提出一种改进人工蜂群局部搜索能力的优化算法,对陷入局部最优值的雇佣蜂,使用禁忌表存储其局部极值,并引入混沌序列重新初始化,在迭代中产生局部极值的邻域点,帮助其逃离束缚并快速搜寻到最优解.改进算法有效地结合标准蜂群算法的全局优化能力、禁忌表的记忆能力和混沌局部搜索能力,对经典函数的测试计算表明,改进算法提高r蜂群寻优能力,在收敛速度和精度上均优于标准蜂群算法,适合工程应用中的复杂函数优化问题.     

新的可分辨矩阵及其约简方法

为了解决因决策表存在不相容性造成求核和属性约简的错误,首先通过增加一个属性列,将原始决策表相容化;然后创建可分辨矩阵,并给出核属性和属性约简的性质,同时证明了由该性质获得的核和属性约简与正区域的核和属性约简是等价的;最后设计属性约简算法及其改进算法,并通过实例验证了该方法的正确性.     

基于非等间距的多变量MGM(1,m)模型

针对相互影响的多变量非等间距原始数据序列的模拟颅测问题,对多变量MGM(I,m)模型在非等间距情形下进行建模,建立了非等间距MGM(1,m)模型,以提高模拟颅测精度.心用实例表明了非等间距MGM(1,m)模型较各个变量建立单变量非等间距GM(1,1)模型的模拟预测精度有显著提高.该模型适于等间距和非等间距建模,使非等间...     

铜转炉吹炼过程熔剂加入量的模糊操作模式挖掘方法

将包含条件参数和需要决策的操作参数组成一个操作模式向量,采用Sugeno模型构造一类基于操作模式的模糊推理系统以进行操作参数的决策.首先利用先验知识对海量数据集进行初步分类;然后采用一种基于模式相似度和相似矩阵的无监督聚类方法来辨识模糊操作模式决策的结构,自动确定模式的数量和模式的值.实例仿真表明,利用该方法进行操作参数优化决策时简便有效,可应用于PS转炉熔剂加入量的优化决策.     

一种多元核Logistic回归说话人辨别方法

针对文本无关话者辨别多分类目标和大训练样本情况,将经典Logistic回归模型进行多元化变形,并叠加L2惩罚因子以提高模型泛化能力.将最优目标负对数Logistic公式对偶化,并利用序列最小优化算法进行模型训练,速率优于传统多元核Logistic回归训练算法.实验显示,该模型构建简单,训练算法快捷,且识别率优于经典支持向量机与二元核Logistic回归模型所生成的"一对一"多分类方法.