污水处理厂运行管理效果评价模型

污水处理厂运行管理效果涉及到污水处理水量、水质和消耗等方面诸多项指标 ,是多指标综合评价问题。鉴于模糊综合评价模型的“取大取小”运算损失较多信息 ,灰色聚类模型比较粗糙等不足 ,本文建立的未确知测度识别评价模型克服了上述模型的一些不足 ,是定量分析、评价污水处理厂运行效果的可靠、实用模型     

一种新的RBF神经网络训练方法

文中给出了一种新的RBF神经网络训练方法,即基于强跟踪滤波器的训练方法.该方法将径向基函数中心值和权值一起训练,强制残差正交,具有收敛速度快、精度高的特点.最后,通过仿真实例验证该方法的有效性.     

未确知均值聚类

利用未确知系统理论分析特征对样本分类所作贡献,定义特征的分类权重,并作为启发性知识用于确定样本与各类间的加权距离及样本属于各类的隶属度,建立未确知均值聚类算法。IRIS数据检验表明,未确知均值聚类算法误判样本数少、收敛速度快、鲁棒性好,是一种实用、有效的无监督聚类算法。     

未确知均值聚类

利用未确知系统理论分析特征对样本分类所作贡献,定义特征的分类权重,并作为启发性知识用于确定样本与各类间的加权距离及样本属于各类的隶属度,建立未确知均值聚类算法。IRIS数据检验表明,未确知均值聚类算法误判样本数少、收敛速度快、鲁棒性好,是一种实用、有效的无监督聚类算法。     

基于强跟踪滤波器训练的前向神经网络及其在系统辨识中的应用研究*

给出基于强跟踪滤波器训练前向神经网络的新方法。由于强制残差序列保持相互正交,强跟踪滤波器相对扩展Kalman滤波的收敛速度更快,同时精度更高。最后通过系统辨识仿真实例验证该方法的有效性。     

JORDAN神经网络在系统辨识中应用研究

给出了基于强跟踪滤波器的Jordan神经网络训练方法，该方法是一种新的学习算法。Jordan网络可以表示输出的动态特性，改进后还可以反映状态特性，更适于动态系统辨识。强跟踪滤波具有鲁棒性好、收敛快等优点，将两者结合可以得到很好的辨识效果。最后，通过仿真实例验证该方法的有效性。     

层次分析法一致性检验不是排序的必要条件

特征根排序方法是AHP的最主要方法，被认为是揭示方案相对重要性排序的最好方法。但是，特征根法排序本质依赖于判断矩阵的“一致性”条件，而设立的“一致性”检验指标本身就缺乏客观性，并且当一致性检验不能被接受时，特征根排序方法失效。另一方面，判断矩阵提供的数据客观地确定了方案间的某种真实排序。这种真实排序与判断矩阵是否具有一致性并无关系，本文的目的旨在阐明这些问题并给出了不受一致性限制的计算方案排序的有效算法。     

函数相关论初探

本文剖析了事物发展过程的相似性与接近性,给出了函数相关度定义,讨论了函数相关度的基本性质;同时阐明了函数相关分析的一般过程     

水质模糊综合评判模型的改进

水质分类的信息条件无法控制无量纲化造成的信息失真,所以,选择距离作为相似性度量的模糊识别不宜用于水质评价;隶属度作为样本点与各类间的相似性度量成为水质评价的最佳选择。但是,基于隶属度的模糊综合评判在算法上存在如下问题:①用"超标权"实现隶属度转换是错误的;②模糊隶属函数不规范。本文的改进方法是:①规范模糊隶属函数的拓扑空间结构、代数性质和标准化方法;②隶属度转换是一个数学计算过程,指标区分权重由指标值隶属度的熵确定。改进的模糊综合评判模型只在构造模糊隶属函数时用到先验知识。比较同案例的评价结果,显现改进前后的不同应用效果。     

与判断矩阵一致性无关的单准则排序法

通过“标度变换”把不具“可加性”的比例标度转化为评分标度,利用评分标度的“可加性”可计算比较对象的得分、并按得分率对比较对象排序.与已有单准则排序方法的实质性区别是,勿需进行一致性检验.