一种无确定度的逆向云算法

逆向云发生器实现了定量数据到定性概念的转化,有着重要的理论意义和应用价值.有确定度的逆向云算法缺乏实用性,而已有的无确定度逆向云算法由于估计误差的原因,会出现超熵为虚数问题.本文提出了一种基于统计方法的,无需确定度的逆向云新算法,合理改进了超熵估计方法,确保了逆向云发生器的有效性.最后通过应用实例验证了新算法的正确性和实用性.     

实现稳定双向认知映射的逆向云变换算法

人类对客观世界认知的不确定性主要通过认知的最小(基本)单元——概念反映出来。本文基于云模型理论,提出一种新的稳定逆向云变换算法,通过实验对比分析说明该方法的稳定性;再根据正向云变换由概念内涵生成概念外延及逆向云变换由概念外延形成概念内涵的特点,利用正向云变换算法和逆向云变换算法模拟人们对概念的稳定双向认知计算过程,即概念内涵与外延之间的稳定双向认知计算过程。     

一种基于云模型的数据传输算法

分布式系统中的多个Excel文件中的数据如何高效地组织和传输,是一个常见的问题。实现了新的基于云模型的数据传输算法,利用正向云发生器实现网络流量的定性定量转换,利用虚拟云的算法获得了最终的传输云模型,通过分析云滴分布得到数据传输的方向和目的位置。实例验证表明,传输模型可靠,实现了网络流量的动态均衡,具有一定的实践意义和指导作用。     

曲线拟合的逆向云改进算法

逆向云发生器是从定量数据到定性概念的转化模型。在逆向云生成算法中, Ex 的估计值对En和He的估计有比较大的影响,直接使用样本均值进行参数估计会导致较大的误差。本文通过深入研究云模型的相关算法,对逆向云生成算法进行改进。文中利用样本均值作为非线性拟合函数的初值,把拟合函数的返回参数作为Ex的估计值,改善了随机选取拟合初值造成结果不稳定现象,实现对逆向云参数优化。通过与其他几种逆向云生成算法进行对比,仿真结果表明：改进后的逆向云生成算法有较好的稳定性并且有较高的精度。     

无确定度逆向云模型新算法

针对现有结果未揭示决定云模型雾化特性的本质因素以及无确定度逆向云模型算法误差较大这两个问题进行研究。通过对正向云模型的数学分析, 指出云滴定量数据的标准差决定云模型雾化特性, 提出用熵和超熵的比值度量云滴离散程度, 称为雾化因子。分析和实验表明, 云分布对应雾化因子取值在3~18之间, 当其大于18时, 云分布退化为正态分布, 无确定度逆向云模型算法不再适用。在此基础上, 利用云分布四阶原点矩来估计云模型的数字特征, 提出一种新的无确定度逆向云模型算法, 不同雾化因子和云滴数量的对比实验结果表明, 所提算法在对云模型数字特征估计的准确性与稳定性方面优于现有算法。     

一种新的非线性回归模型参数估计算法

提出一种新的基于混合基因算法（HGA）的非线性回归模型参数估计算法,新算法通过对问题的解空间交替进行全局和局部搜索,达到快速收敛至全局最优解,较好地解决了传统算法通用性差、易陷入局部极小的问题,实验验证了算法的通用性和有效性。     

基于数据拟合的有确定度逆向云算法

逆向云算法实现了定量数据到定性概念的转化,对云模型的研究有着重要的理论意义和应用价值。现有的有确定度逆向云算法采用均值法求期望Ex的估计值,当云滴样本数较少时将会出现较大误差。本文提出了一种通过非线性最小二乘法数据拟合高斯云的期望曲线求得期望Ex的估计值的方法,再通过高斯分布参数估计法得到熵En和超熵He的估计值。通过误差比较实验,验证了改进的算法能减小参数估计误差提高算法精度。     

一种新的基于参数估计的故障诊断方法

传统的参数估计方法利用历史数据对参数进行估计,形成一次估计值序列,基于参数估计的故障诊断方法就是利用这个序列对故障进行诊断和分离的,但是,一次估计值序列跟踪真实参数变化存在明显的滞后,本文提出一种边估边修正参数序列的方法,从而克服了参数估计滞后,提高了参数估计的准确度,以此我们为故障检测和分离设计了一种新的补偿最小二乘算法,仿真表明这种算法用于故障诊断是有效的。     

一种基于协方差矩阵的点云特征曲线提取算法

针对现有特征曲线提取算法对模型细微特征不敏感、时间代价高及抗噪性差的缺点,提出一种基于协方差矩阵与投影映射的提取算法。根据协方差矩阵的特征值进行区域增长聚类分割形成多个带状聚类,在各个聚类内部根据主方向提取关键特征点,并将其投影到经移动最小二乘法拟合的以该关键点为中心的局部曲面上,构成特征曲线。实验结果表明,该方法可有效提高运行效率,并且具有强抗噪性,能够得到光滑的特征曲线。     

云发生器的软件实现

用MATLAB实现了云发生器,包括正向云发生器和逆向云发生器。正向云发生器的核心技术是用中心极限定理生成正态随机数。对随机数产生的原理进行了阐述,通过用云表示定性概念“青年”对实验结果进行了分析。     

Forward/backward prediction solution for adaptive noisy FIR filtering

An important and hard problem in signal processing is the estimation of parameters in the presence of observation noise. In this paper, adaptive finite impulse response (FIR) filtering with noisy input-output data is considered and two developed bias compensation least squares (BCLS) methods are proposed. By introducing two auxiliary estimators, the forward output predictor and the backward output predictor are constructed respectively. By exploiting the statistical properties of the cross-correlation function between the least squares (LS) error and the forward/backward prediction error, the estimate of the input noise variance is obtained; the effect of the bias can thereafter be removed. Simulation results are presented to illustrate the good performances of the proposed algorithms. Supported by the National Natural Science Foundation of China for Distinguished Young Scholars (Grant No. 60625104), the Ministerial Foundation of China (Grant No. A2220060039) and the Fundamental Research Foundation of BIT (Grant No. 1010050320810)     

基于多重特征匹配的点云配准算法

针对最近点迭代（ICP）算法搜索匹配点对规则单一、准确度低的问题,提出一种基于多重特征匹配的点云配准算法。首先采用改进自适应八叉树算法分割点云,通过移动最小二乘法（MLS）对其叶节点进行局部拟合后,计算点的多重特征;然后提出了基于多重特征的点对相似度,选取满足相似度约束的点对作为匹配点对,进而求取旋转矩阵和平移矩阵实现点云配准。实验表明,该算法能在保持点云配准速度较高的基础上,有效提升配准的准确度,且准确度的提升幅度随着点集数量的增大呈升高趋势。     

基于后向区间选择偏最小二乘算法的软测量建模

偏最小二乘是在光谱多变量校正中广泛使用的一种算法,现已经发现高效的变量选择不仅能够提高模型的预测能力,也可大大降低模型的复杂度。为了建立具有鲁棒性和低复杂度的基于光谱的在线软测量模型,考虑到光谱变量之间高度相关这一事实,提出一种基于后向区间选择策略的偏最小二乘算法。该算法主要步骤是:先将光谱波长域细分为一定数量的等长子区间;再采用后向淘汰的策略,将各个子区间逐步淘汰,形成一个淘汰序列;最后,再反向选择一定数量的子区间建立最终的模型。通过一个实例以及与传统基于全谱的偏最小二乘算法比较,显示出了该算法的在建立软测量模型方面的优良性能。     

偏最小二乘组合后向区间选择在近红外定量建模中的应用

偏最小二乘是在光谱多变量校正中广泛使用的一种经典算法.尽管本身具有变量压缩的作用,近年来的研究发现,高效的变量选择仍然是必要的,一方面能够提高模型的预测能力,另一方面能够降低模型的复杂度.考虑到相邻光谱变量之间高度相关的事实,创建一种偏最小二乘组合后向区间选择策略的算法.步骤是:先将整个光谱波长区域细分为一定数量的等长子区间;然后采用后向淘汰的策略,根据各个子区间的有用信息量将其逐步淘汰,形成一个淘汰序列;最后再反向选择一个最优数量的子区间来建立最终的预测模型.该方法应用于建立烟草总糖的近红外定量预测模型,效果好.在将变量压缩60%的基础上获得了比传统基于全谱的偏最小二乘算法更优的预测性能.     

Bounds for an estimate of the optimal backward error for linear least squares problems

Algorithms for calculating sequences of upper and lower bounds for an estimate of the optimal backward error for linear least squares problems are developed, based on the Gauss quadrature theory. Numerical results show that the bounds converge quickly and are therefore useful in practice.     

基于自适应正态云模型的引力樽海鞘群算法

针对樽海鞘群算法(salp swarm algorithm,SSA)在求解复合问题时存在收敛速度慢和容易陷入局部最优等缺点,提出一种结合引力搜索技术与正态云发生器的樽海鞘群算法(cloud gravitational SSA,CGSSA).在更新樽海鞘领导者位置阶段引入引力搜索算法(gravitational sear...     

基于权重的云推理算法

虽然正态云模型具有普适性,但它在描述论域内单调上升或下降的概念时存在一些局限性,同时由于现有的云推理算法存在多条件下人为主观因素影响大、运算量大等问题,为此提出一种新的指数云模型来描述单调概念,并基于此提出一种基于权重的云推理算法。该算法将多条件发生器拆分为多个一维发生器,先通过层次分析法确定各个条件的属性权重,再采取加权平均法将单条件单规则发生器输出的结果精确化为一个具体的输出值。将基于权重的云推理算法用于鱼雷规避仿真系统中,并与模糊推理结果进行比较,验证了该算法的有效性和实用性。     

前向切片与后向切片之间关系的研究

前向切片和后向切片是两种不同的切片技术,为了研究它们之间的异同,通过实验,得到两个结论：后向切片分析的平均缩减率等于前向切片分析的平均缩减率;后向切片分析的缩减率较均衡,前向切片分析的缩减率变化较大,极端情况较多。