基于组合预测算法的光栅信号新细分方法研究

针对现有光栅信号细分技术对光栅输出原始信号波形质量要求较高的问题,本文利用运动过程中时间与空间的映射关系,建立一种利用时间基准测量空间的新方法.通过光栅栅距触发采样时间建立样本序列,在通过分析不同运动状态特性的基础上,研究采用组合预测算法,提出一种光栅信号自适应细分新方法,实验结果表明此算法能实现圆光栅栅距内100倍细分,细分误差为±0.56″,满足实验所需的实时性和细分精度的要求,实现光栅信号细分.此细分方法充分利用光栅本身的制造精度,与光栅输出信号正弦性无关,在精密测量领域具有重要应用价值.     

基于最小机会损失准则的超短期风电功率组合预测

为了对超短期风电功率进行准确的预测,本文提出一种基于最小机会损失准则的超短期风电功率组合预测方法。即首先对风电功率时间序列进行EEMD分解,对分解得到的每个IMF分量采用不同优化准则建立组合预测模型进行预测;然后采用最小机会损失准则筛选预测精度最优的模型进行预测;最后对每个IMF分量的预测值进行组合叠加得到预测结果。实验结果表明,与EEMD+ELM、EEMD+BP、EEMD+RBF和EEMD+SVM等预测方法相比较,本文所提出的方法能有效提高超短期风电功率的预测精度。     

可容忍预测误差及其在汇率组合预测中的应用

鉴于传统的最优化组合预测模型确定权重的方法未考虑到数据中极端值的影响,存在一定的局限性.为了更好地提高组合预测的精度,提出了预测结果可容忍误差的相关概念.将其应用到每种单项预测结果及组合预测结果的效果分析中,提出了一类基于可容忍误差的最优化组合预测模型,从而确定组合预测中各单项预测方法的权重.以2016年1月4日至20...     

基于示例的组合预测方法

本文提出了一种基于示例的组合预测方法，强调知识方法和数学方法的结合，提出了一种算法和组合预测框架，并结合实验数据讨论了预测结果，分析了不同预测方法的不足。     

l∞范数性能指标预测控制研究

预测控制具有鲁棒性强、可考虑约束等优点.由于l∞范数性能指标考虑最大偏差的极小化,因此按其设计的预测控制系统动态响应较快、动态偏差较小.文[1]讨论了l∞预测控制的简化算法,它避免了通常线性规则(LP)方法的迭代求解,可在有限步内收敛.本文则进一步讨论了其闭环稳定性及闭环计算结构问题,并从机理上探讨了l∞预测控制特性优良的原因.     

l~∞范数性能指标预测控制研究

ｌ~∞范数性能指标预测控制研究王永骥，徐桂英，涂健（华中理工大学自控系武汉４３００７４）关键词预测控制，ｌ~∞范数性能指标，稳定性．预测控制具有鲁棒性强、可考虑约束等优点．由于广范数性能指标考虑最大偏差的极小化，因此按其设计的预测控制系统动态响应较快、...     

基于多准则排序融合的证据组合方法

Dempster-Shafer证据理论在信息融合领域有着广泛而重要的应用, 但传统Dempster证据组合规则往往会引发一系列反直观结果问题, 如冲突悖论、信任偏移悖论以及证据吸收悖论等. 针对这一问题, 提出了一种基于多准则排序融合的证据组合新方法. 该方法综合利用了证据精度、证据可信度以及证据自冲突程度等指标评价待组合证据体,并以选择性融合的方式获取最终的组合结果. 仿真结果和相关分析表明,所提方法是合理有效的.     

基于蚁群算法的电力负荷预测方法研究

为了提高负荷预测的精度,提出基于改进蚁群算法的电力负荷组合预测方法。该方法以回归分析、灰色模型、二次指数平滑值、龚帕兹模型、弹性系数法、逻辑斯谛模型法、二次移动平均模型为基础建立负荷组合预测模型,利用改进蚁群算法优化组合预测模型的权值,并与单个预测模型进行比较。预测结果表明,基于改进蚁群算法的电力负荷组合预测方法,运算速度快,预测精度高,相对误差小,有一定的实用价值。     

顺序滤波器的相对误差准则和最佳估计

在相对误差意义下定义了针对一种简单的顺序滤波器的两种相对误差准则,并在该准则基础上得到了相应的最佳估值.该结果进一步完善了非线性滤波器研究的理论体系,为进一步开展该领域的研究提供了一种可供借鉴的新思路和方法.     

进化规划中基于Metropolis判别准则的选择策略

为了克服进化规划在应用过程中出现收敛速度缓慢的问题,提出了一种将模拟退火中的Metropolis判别准则引入到进化规划中选择算子的新方法,通过实例验证了该算法对于解决收敛速度缓慢现象的有效性。     

基于Metropolis判别准则的遗传算法

针对遗传算法在应用过程中出现的过早收敛问题，引入Ｍｅｔｒｏｐｏｌｉｓ判别准则对复制算子加以改进，并从理论上对遗传算法的收敛性进行分析。仿真结果证明了该算法解决过早收敛问题的有效性。     

基于遗传算法的加权支持向量机的短期电力负荷预测

建立在统计学习理论的VC维理论和结构风险最小化原理基础之上的支持向量机（SVM）在理论上保证了模型的最大泛化能力,因此将支持向量机理论应用于电力负荷预测可以获得很好的效果,但是传统SVM回归预测算法对于不同的样本均采用相同的参数,无法体现各样本的重要程度的区别,而且将支持向量机理论应用于实际中也存在对样本数据进行特征选择和对支持向量机模型参数进行选择的问题。因此提出了将遗传算法应用于短期的电力负荷预测中来对加权支持向量机模型进行特征选择和模型参数确定。     

基于相对误差平方和的BP算法

考虑到在很多情况下,人们更关心预报模型的预报值与实际值的相对误差情况,从而该文采用实际输出与希望输出的相对误差的平方和作为目标函数,给出了一种基于相对误差平方和为最小的BP算法。考虑到网络的实际输出值介于0到1之间,该文对实际问题的理想输出值给出了一种规范化处理方法。通过大量算例检验证实,在基于相对误差平方和为检验标准前提下,利用该文所给算法求得的拟合值或预报结果要优于传统的基于绝对误差乎方和作为目标函数的BP算法所得结果。     

两类新的基于T／S范数的模糊神经元模型及其应用

基于T范数和S范数提出了F1型和F2型两类神经元模型，并研究了它们的性质和应用(F1型灵敏性强而鲁棒性弱，而F2型神经元灵敏性弱而鲁棒性强)；给出了一个基于F1型神经元的广义AND／OR运算为T／S范数簇的充分必要条件；首先提出了弱界三角范数的概念，并发现F2型的一个特例模型能实现弱界三角范数，经分析，F1型更适合用于工业控制系统，而F2型更适合用于面向用语言描述知识的医学和人文社会领域的计算机应用系统，该文把一个由特殊的F2型神经元组成的神经网络用于模糊推理，发现该推理方法是Zadeh的CRI法的推广，且能满足假言推理，通过权值的调整，该推理法能满足若干推理原则的要求。     

基于DCT系数的自适应误码掩盖算法

提出一种改进的误码掩盖算法,即自适应地选择加权插值和区域匹配方法恢复丢失块.不同于以往只利用平滑性的误码掩盖算法,该算法利用平滑信息和纹理信息,在可用的相邻宏块中基于DCT系数计算能量函数总和,自动分析图像的平滑性和纹理性,然后自适应地选择加权插值或区域匹配的结果恢复丢失块.该算法已在H.264的参考软件JM86上进行实验.实验结果表明,与H.264中只采用加权插值或只采用区域匹配相比,该算法能取得较好的峰值信噪比(PSNR)和主观质量.     

On the Use of Duality and Pricing Criteria in the Generalized-simplex Method

Some results connected to the generalized-simplex method and several of its main features are discussed. The duality information and pricing criteria of the classical simplex method will be incorporated in this new approach. An analogy between the generalized-simplex method and the hybrid techniques (that combine interior point methods with the classical simplex method) is presented.     

基于MultiBoost的最小分类误差算法

基于MultiBoost分类组装技术，提出了一种用增量交叉验证技术求MultiBoost最小分类误差的算法，以使之在指定分类器数量T的范围内找出具有最小分类误差的舍戍分类器.     

基于个人序的多目标群决策准则的探讨

本文提出了一种基于个人序的群决策准则－最多得票数选择准则和其它两种复合准则，并对这些准则的性质进行了讨论。