基于聚类分析的模糊分类系统构造方法

提出一种新的利用样本数据构造模糊分类系统的方法.首先对每一类样本进行聚类分析,提出一种自适应确定各类别聚类数目的迭代算法,从而实现对特征空间的划分.然后对每个特征子空间产生一条模糊规则,将所有的规则组合在一起形成初始模糊分类系统,并对该系统进行结构简化和参数优化,在系统结构尽可能简单的前提下,进一步提高系统的分类性能.最后利用该方法对二维特征空间的两类样本和Iris数据样本进行分类.仿真结果表明,该方法能利用较少的模糊分类规则达到较高的识别率.     

设备故障诊断的粗糙集方法研究

针对设备的各种故障,利用粗糙集优越的约简理论,对系统的量测数据进行诊断规则提取与简化,并通过对多个约简表关键信息的综合,形成一种混合策略的诊断规则,它充分利用冗余信息,在信息丢失、不完备的情况下,仍能对设备进行正确的诊断。     

纸浆浓度控制系统的设计

介绍了应用自整定PID控制的纸浆浓度控制系统的设计。首先建立纸前沿浓度控制的数字模型，包括干扰和参数变化的分析，在此基础上进行了自整定PID控制器的设计。通过固定参数PID控制器和自整定PID控制器实际运行效果的比较，表明设计的自整定PID控制器具有很高的性能。实际运行结果表明，系统可以实现初次应用时控制参数自整定和过程参数变化情况下控制参数自整定，保证系统一直在最优状态运行。     

数据融合的模糊模型和算法研究

提出了一种数据融合的模糊模型和算法。该模型定义了容许函数对传感器输出信息的一致性进行度量，利用模糊测度对参与融合的传感器组的可靠性进行度量，使最终的融合结果是尽量可靠的传感器组提供的一致性较好的数据的综合。该方法既能有效的处理冲突信息和传感器故障产生的错误信息，同时又保证了融合结果的精确性和可靠性，具有良好的容错性和稳健性。既可用于信号层融合，又可用于决策层融合。仿真结果表明，融合方法令人满意。     

基于证据理论的多分类器集成方法研究

提出了一种基于证据理论的多分类器集成方法。该方法首先对分类器输出的抽象层信息进行不确定性表征,即对输出证据的基本概率分配进行赋值,然后,利用证据组合规则对多分类器进行集成,并针对语气组合中“焦元爆炸”的问题,推导了一种快速算法。使信息复杂度和计算复杂度大大降低低。该方法将对往设计一个性能优良的高维输入分为器的问题转化为设计多个性能较优的低维分类器,较好的解决了高维特征空间的判分问题和高可靠性分类器的设计问题,最后将此算法应用于字符识别,结果令人满意。     

一种基于粗糙集理论的容错网络实现及其在故障诊断中的应用

首先利用粗糙集理论对原始数据进行约简,并按一定的原则选取多个约简。然后在每一个约简的基础之上构建一个前馈子网络,并将多个子网综合成统一的容错前馈网络,达到对冗余信息的综合利用,通过对相应权值的训练调节,使网络的输出更精确合理,即,当某些量测信号丢失或难以获得时,可以通过其它 它不包含该量测信号的约简网络来进行正确的诊断,从而在信息不完备、不精确的情况下,仍保持较好的诊断性能,最后,通过对某液体火箭