软件可靠性预测的相关向量机模型

相关向量机是一种解决回归问题非常有效的方法,针对软件失效时间及其之前的m个失效时间数据使用相关向量机进行学习,以建立失效时间之间内在的依赖关系,由此构建新的基于相关向量机的软件可靠性预测模型.在4个数据集上的实验结果表明,新模型在预测能力上较之广泛使用的基于支持向量机或人工神经网络的软件可靠性预测模型有明显的提高,同时也表明现时失效数据的预测能力比很久之前观测的失效数据更强,最后通过实验对合理的m值及不同数据集上核函数参数取值进行研究.     

一种新型模糊非线性PID控制器

采用一维输入一维输出的模糊映射关系与传统PID控制器相级联的方式，构成一个模糊非线性PID控制器以提高现有PID控制器的性能．一维模糊控制器无需选择与调整量化因子和比例因子，采用五条规则，易于实现．数值仿真和误差泛函积分评价指标表明，所提出的模糊非线性PID控制器比现有控制器具有更好的动静态性能．     

基于增强深度特征和TSK模糊分类器的癫痫脑电信号识别

识别癫痫脑电信号的关键在于获取有效的特征和构建可解释的分类器.为此,提出一种基于增强深度特征的TSK模糊分类器(ED-TSK-FC).首先,ED-TSK-FC使用一维卷积神经网络(1D-CNN)自动获取癫痫脑电信号的深度特征与潜在类别信息,并将深度特征和潜在类别信息合并为增强深度特征;其次,将增强深度特征作为ED-TSK-FC模糊规则前件与后件部分的训练变量,保证原始输入的深度特征及其潜在意义都出现在模糊规则中,进而对增强深度特征作出良好的解释;然后,采用岭回归极限学习算法对模糊规则的后件参数进行快速求解,在不显著降低分类准确度的情况下,ED-TSK-FC的廉价训练方法可以缩短模型的训练时间;最后,在Bonn癫痫数据集上,分别从分类性能、学习效率和可解释性3个方面,验证ED-TSK-FC的优越性.     

集对分析在人工智能中的应用与进展

人工智能是我国发展战略,集对分析从自主原创角度为人工智能提供一种基础性思路,具有重要意义。集对分析把确定的数学计算与不确定性系统分析有机结合,已在人工智能基础、模式识别、不确定性推理、智能决策、知识生态学、自然语言理解、专家系统、神经网络、智能工程、智能社会网络社区划分与演化等研究中得到应用。本文在概述集对分析的原理和联系数之后,综述集对分析在人工智能中的应用和进展,以期推动集对分析在人工智能中的进一步应用。     

三维GIS空间对象层次细节比例变换综合算法

提出了一种基于改进的Reactive-Tree数据结构的空间地理信息数据组织策略Improved Reactive-Tree（简称IR-Tree）及其相关算法,该算法在预处理中建立基于三维空间对象静态质量的IR-Tree;然后在具体的三维GIS场景绘制过程中,根据不同的视点和视角计算考虑当前视距的空间对象动态质量,从而调整空间对象的优先级顺序;再通过文中算法2和算法3动态地计算和输出当前比例和视点下的空间形体,实验结果表明：考虑视点因素的层次细节比例变换算法能取得更好的显示效果,从而满足当前三维GID应用的需求．