基于T-S模糊模型的辨识算法

提出一种新的基于T－S模糊模型的辨识算法。该算法可分为2步,第1步是比较粗糙的辨识,按子空间的线性程度来划分输入空间,规则前件参数由于空间的中心和大小决定,规则后件线性参数由最小二乘法确定2步是模的精细调整,利用梯度下降法调节隶属函数和规则后件的线性参数,仿真实验说明了该算法的有效性。     

T-S模糊模型建模方法研究

在总结非线性建模经验的基础上,给出了一种建立精确且运行速度快的T-S模型的方法．首先,为了提高运行速度,用聚类的方法减少模糊规则的数目,并确定每个规则中数据的数目．然后,通过回归最小二乘法初步确定T-S模型规则中的状态矩阵的参数．最后,通过梯度下降方法,精确确定T-S模糊模型的所有参数．仿真实例证明了此方法的有效性．     

复杂系统的递阶模糊辨识

针对Takagi_Sugeno模糊模型 (T_S模型 )严重的维数灾问题, 借鉴GMDH算法, 提出了一种新的复杂系统递阶模糊辨识方法. 本文首先详细描述了由两输入变量的特殊T_S模型所组成的递阶模糊模型 ;然后提出了具体的辨识该递阶模糊模型的方法. 该方法的特点是 :a)在结构辨识阶段, 用FCM模糊聚类方法评价系统中每个输入变量的重要性, 以便构造合理的递阶模糊模型 ;b)预先合理地确定了所要辨识的参数的初始值, 用扩展卡尔曼滤波方法可很快地得到这些参数. 最后, 给出的仿真实例说明了本文辨识方法的有     

纺织品检测中的模式识别应用

将模式识别方法用于毛巾和纺织面料生产过程中的瑕点检测, 研究了模糊小波模式识别方法, 对毛巾生产过程的多种瑕点监测进行了算法分析和简要论述, 这种算法具有更强的实用性和鲁棒性. 又由于系统采用DSP实现, 使识别速度大大提高, 完全能满足实时性的要求.     

基于小波分析和分层决策的模拟电路故障识别方法*

针对模拟电路存在较多故障模式的诊断中易出现分类混叠的问题,提出一种小波分析和分层决策的故障识别方法。首先用小波变换方法提取电路的两种故障特征,模糊C均值算法分析故障特征数据的分布特性,以决策树的形式分割各故障子类。通过对决策树节点特征的优化选择,使各故障子类的区分得以最大化。最后按照决策树结构建立分级诊断的故障决策系统,分别以支持向量机和神经网络作为树节点分类器,有效地提高了故障的识别率。该方法应用于高通滤波器电路的故障识别,正确率高于99%,比经典支持向量机多分类方法具有更好的诊断性能。     

基于中心型TSK模糊模型的分层模糊系统

模糊系统随着输入维数的增加,其中模糊规则和辨识参数的数量将按指数级增长,针对这一问题,采用分层模糊系统是一种很好的解决方法,但分层模糊系统中各层的辨识变量没有明确的物理含义,无法进行合理的模糊化设计和解释。基于一种分层模糊系统,引用中心性TSK模糊系统思想,从而构造了一种新型的模糊系统。这种新型模糊系统保留了分层模糊系统的结构优势,极大地减少了模糊系统的模糊规则数量和辨识参数数量,又能对用到的内部参数进行很好的解释。并通过实例仿真表明基于中心型TSK模糊模型的分层模糊系统具有较好的逼近性能和更简单的结构。     

小波变换与纹理合成相结合的图像修复

目的 为了克服传统的图像修复算法在结构和纹理边界的错误修复,利用小波变换域的系数特征,探讨了一种基于小波变换与纹理合成相结合的修复算法。方法 算法先利用小波变换将待修复图像分解成具有不同分辨率的低频子图和高频子图,然后根据不同子图各自的特征分别进行修复。对代表图像结构信息的低频子图,采用FMM(fast marching method)算法进行修复;对代表图像纹理信息的高频子图,根据各子图中小波系数的特征,利用纹理合成方法进行修复。结果 分层、分类修复方法对边缘破损具有良好的修复效果,其峰值信噪比相比于传统算法提高了1~2 dB。结论 与相关算法相比,本文算法的综合修复能力较好,可以有效修复具有较强边缘和丰富纹理的破损图像,尤其对破损自然图像的修复,修复后图像质量得到较大提升,修复效果更符合人眼视觉效应。     

基于小波包变换的模糊判决纹理分类

提出一种基于小波包变换的模糊判决纹理分类方法,采用图象的完全树结构小波变换提取多分辨率纹理特征,模糊判决分类器通过引入隶属度函数对待征模糊化,反映了各类纹理样本间存在的差异及随机噪声等畸变因素赞成的抽取特征值存在的不确定性,提高了纹理分类算法对噪声或畸变的鲁棒性,通过实验获得了较满意的结果。     

模糊神经网络的混沌优化算法设计

提出了一种基于混沌变量的多层模糊神经网络优化算法设计.离线优化部分采用混沌算法,将混沌变量引入到模糊神经网络结构和参数的优化搜索中,使整个网络处于动态混沌状态,根据性能指标在动态模糊神经网络中寻找较优的网络结构和参数.在线优化部分采用梯度下降法,把混沌搜索后得到的参数全局次优值作为梯度下降搜索的初始值,进一步调整模糊神经网络的参数,实现混沌粗搜索和梯度下降细搜索相结合的优化目的,能较快地找到全局最优解.最后对二阶延迟系统进行仿真,结果表明混沌优化方法控制精度高、超调小、响应快和鲁棒性强.     

结合数据变换和启发式方法的模糊系统辨识

取代应用原始数据样本构造模糊模型的传统方法,提出应用数据变换技术和启发式方法简化模糊建模过程.对于变换后的数据,首先通过启发式方法确定模糊If-Then规则结论部分非模糊单值(即实数)的初始值,然后通过梯度下降学习方法进行精调.该方法不仅模型精度较高,而且收敛速度快.仿真实例验证了所提出的模型优于传统的方法.     

基于小波包变换和块模糊分类的自适应水印算法

提出了在WPT域上基于块模糊分类的新的自适应水印算法。首先用m-序列来控制对原始图像进行小波包变换的分解结构,将适当的小波系数组成小波子块。然后根据人类视觉系统(HVS)模型和能量模型,对小波子块进行模糊分类。最后,根据分类结果,将不同强度的二值水印嵌入到不同的小波子块中。实验结果表明,提出的算法能抵抗各种图像处理的攻击,具有较好的鲁棒性。     

基于用户分类的隐含因子模型研究*

针对现有隐含因子模型存在的新用户和项目的冷启动问题,提出基于用户分类的隐含因子模型,将用户分类信息融入到隐含因子的矩阵分解当中,先在原评分矩阵和用户分类信息的基础上使用指示函数和数据归一化等方法构建一个分类评分矩阵,再将分类评分矩阵融入到隐含因子模型的评分预测中。通过与传统隐含因子模型等方法在多个不同隐含因子个数上的实验比较分析,实验结果表明,改进模型能够不仅能解决新用户和项目的冷启动问题,还能有效降低预测评分的均方根误差,并提高预测推荐的准确度。     

基于RBF神经网络的Web文本分类的研究

Web文本分类是采用文本分类技术将Web上的信息进行自动分类,使用户能够快速找到自己想要的资源。文本分类的过程中,将特征提取之后的来自Web的数据分成样本数据集和测试数据集,将样本数据集输入到RBF网络中进行训练,RBF网络经过训练之后,输入测试数据集中的数据进行验证,实验证明,RBF网络取得了较好的分类结果。     

基于小波域隐马尔可夫模型的信号超分辨率重建

提出一种基于小波域隐马尔可夫模型(WHMM)的信号超分辨率重建算法。根据贝叶斯原理和最大后验概率估计理论,将WHMM作为先验知识给出一般信号的超分辨率重建模型;详细推导了重建问题的Euler-La-grange方程及对数似然函数的导数计算,将信号的超分辨率重建归结为一个简单线性方程组的求解;最后采用期望最大化(EM)算法和共轭梯度算法交替迭代计算WHMM的模型参数和高分辨率重建信号。一维和二维测试信号的实验结果表明该方法在有效抑制噪声的同时,能够很好地重建出信号的高频细节。在相同的信号降质条件下,针对一维情形,本文重建方法的峰值信噪比(PSNR)较三次插值和Tikhonov正则化方法平均提高2.3994 dB和4.474 2 dB;针对二维情形,本文重建方法的PSNR较双三次插值和Tikhonov正则化方法平均提高1.1741 dB和0.648 7 dB。     

基于混合算法的通信用户规模预测方法研究

准确地对通信用户规模进行预测对于通信运营商的决策具有十分重要的意义,而现有的常规预测方法存在预测误差较大、预测速率低等问题。研究一种基于RBF神经网络的通信用户规模预测模型。为了使得RBF神经网络算法预测性能更优,使用梯度下降算法与遗传算法混合对RBF神经网络进行参数优化,提高预测模型收敛效率。实例分析表明,使用本文研究的混合RBF神经网络预测模型的预测结果明显优于其他传统的预测模型。同时,在预测速度上也具有较大的优势。     

基于模糊T-S模型的批过程建模与最优控制

基于模糊T-S模型,提出一种具有自学习能力的模糊方法用于批过程建模和最优控制．通过引入与均方误差相关的动态误差传递因子,使用改进的梯度下降法,本方法能够辨识模糊T-S预测模型．对于批过程的受限非线性最优控制,基于所辨识的预测模型,运用庞特里亚金最小值原理和平行分布补偿算法,本方法能够把一个复杂非线性系统最优控制设计问题转化为一些基于复杂T-S预测模型的局部线性系统的最优问题,从而给出一种有效和简单的模糊最优控制策略．所提方法用于一个半连续式反应器的建模和最优控制,仿真结果表明新方法是有效和准确的．     

基于电推系统的GEO卫星转移轨道段可测控性优化设计

基于电推系统的地球同步轨道(GEO)卫星需要利用霍尔推进器使其从地球同步转移轨道(GTO)推到GEO轨道,整个变轨时间段长达数月。在整个变轨过程中卫星具有姿态无法保持对地的特点,该特点将会减少卫星可测控时长。针对变轨段卫星姿态不确定减少可测控时长的问题,提出了一种在已有的轨道和姿态条件下,使用梯度下降算法寻找测控天线最优布局的方法,目的是使卫星获得最长的总可测控覆盖时长以及对中继星最长的可测控时长。结果显示通过改动天线布局可以显著地提升对地以及对中继星可测控覆盖时长,同时也能提升转移轨道关键时段对中继星可测控覆盖时长。与为天线增加转台与控制系统这类传统方法相比,该方法可以在不增加成本和质量的前提下,在一定程度上改善了电推卫星的可见性时长,对全电推卫星测控有指导意义。     

基于改进模糊算法的复杂系统状态诊断研究

为了克服传统模糊算法的诊断系统建模复杂、改进难度大、不利于经验积累困难的缺点,在复杂系统的状态诊断中引入了改进的模糊算法,创建了基于改进模糊算法的复杂系统状态诊断模型,并以一个实例分别比较验证了基于传统模糊算法的状态诊断模型与基于改进模糊算法的复杂系统状态诊断模型,结果表明基于改进模糊算法的复杂系统状态诊断模型虽然在诊断速度方面稍逊一筹,但具有建模简单、模型改进容易、诊断准确、诊断信息丰富、适用性广泛等显著优点,其综合性能大大优于基于传统模糊算法的诊断模型。