基于模糊认知图的机器人高层规划研究

本文采用模糊认知图模拟机器人在复杂环境下的动态行为,来对机器人进行高层规划.基于模糊认知图的机器人高层规划系统不仅在一定程度上克服了基于符号机器人规划存在的不适用于含有许多独立子问题或子系统的大系统及机器人之间的合作与协调机制较难寻找等问题,而且还能有效克服基于进化机器人、基于神经网络机器人进行动态行为规划时算法和实现的高度复杂性、需要大量的训练样本及时间、易产生干扰等问题.实验表明把模糊认知图应用到机器人高层规划系统能较好的解决以上问题,且具有简单、鲁棒等特点.     

基于模糊认知图的语音情感识别研究

利用模糊认知图构建一种新的情感语音识别网络,该网络将权值矩阵分为两部分:一部分是特征与情感类别之间的权值,使用实数编码遗传算法学习;另一部分是情感类别与类别之间的权值,使用PAD三维情感模型学习。从数学和心理学两方面对模糊认知图的权值进行学习。针对国际公认的柏林情感语音库(EMO-DB)以及本实验室录制的情感语音库(TYUT)进行仿真实验,验证了方法的有效性,并与BP神经网络进行对比,实验结果表明该方法有较高的识别率。     

基于模糊认知图MAS系统决策算法研究

由于MAS系统中各节点的自主性,对于任务分配方案存在不同的支持度,文中采用模糊认知图,建立对任务分配方案的支持度控制策略,并在此基础上给出一种智能的MAS决策策略,考虑到各个节点的资源配置各不相同,提出了标准支持度的概念,保证支持度控制策略的可行性和有效性,在该决策控制中,MAS系统中的节点通过协调对任务分配方案的标准支持度实现MAS系统中的决策优化.     

基于模糊认知图的资源描述框架(RDF)研究

资源描述框架RDF是一种用于描述Web上信息资源的语言,RDF中的属性可以看作是资源的属性,同时又表达了资源之问的关系;但它不能表达资源之间关系的模糊性及其演化.针对这一问题,把模糊认知图进行了扩充,提出了多重模糊认知图的概念,并用广义模糊矩阵进行描述;为RDF中的属性引入了隶属度,提出了模糊资源描述框架(FRDF)的概念,并用多重模糊认知图进行了描述,以提高复杂知识及语义的表示与处理能力.     

基于遗传算法的模糊神经网络控制技术研究

提出了一种基于去模糊优化的模糊神经网络控制器及模糊神经网络的遗传学习算法.利用遗传算法优化包含控制器性能的指标来离线寻找最优的模糊神经网络控制器结构和参数,经过遗传算法训练的模糊神经网络控制器被接入模糊神经网络智能控制系统中.仿真结果表明,利用此方法实现的控制,系统的控制精度高,超调量小,鲁棒性能很强,获得了良好的控制效果.     

基于模糊认知图的电子政务网站评价系统

如何使用科学的方法加强对电子政务网站的评价,已经成为电子政务网站建设中一个非常重要的焦点问题。论文提出一个基于模糊认知图的电子政务网站评价系统,把众多影响网站效能的相互联系的因素综合起来考虑,以得到更为科学的评价结果,同时系统具有较好的兼容性和扩展性。     

模糊神经网络的交叉研究

介绍模糊神经网络交叉的基础与途径，从基于神经网络的模糊逻辑系统和用模糊逻辑增强的的神经网络两个方面介绍了模糊神经网络交叉研究的具体实现，最后指出模糊神经网络交叉的未来方向。     

基于模糊神经网络融合遗传算法的模拟电路故障诊断法

该文提出了一种非线性模拟系统的故障辨识方法，构造了一个基于模糊加权型推理法的模糊神经网络，利用遗传算法来训练网络连接权值、优化隶属度函数，根据训练后的网络权值可以自动提取出模糊规则，并通过仿真实验验证了该方法的有效性。     

模糊认知图在导弹部队作战方案评估中的应用研究

在导弹部队作战方案的传统评估方法中,专家知识与智能计算是相互独立的,无法形成行之有效的评估模型。针对这一问题,在多层次的评估模型中引入模糊认知图理论,采用模糊化函数将专家知识存储在概念节点及节点间的关系中,通过模糊测度关联函数提供动态推理机制,利用概念状态信任测度刻画知识的不确定性、描述系统的真实性,运用简单的数值计算实现作战方案评估中的智能推理和决策。该模型设计简单、易于扩展、适用性好,有效地实现了专家知识与智能计算的充分融合。     

模糊神经网络的研究现状及发展前景

本文介绍了模糊神经网络的基本概念,以及９０年代在模糊神经网络发展中取得的重要研究成果,并且预测了这门新兴技术在未来诸多领域中的应用剪影。     

基于遗传算法和BP模糊神经网络的红外步态识别

为了提高红外步态识别精度的目的,采用分别基于小波描述子特征的模糊分类器识别和基于体形平均灰度图特征的贝叶斯分类器识别,再进行基于遗传算法和BP模糊神经网络的多分类器融合识别的新方法。做了基于中科院红外步态数据库的识别仿真实验,获得识别率、等错误率和累积匹配分值的实验数据及对比结果,得到多分类器融合识别比单分类器识别提高约10%识别率,降低约10%等错误率,完全收敛阶数提高1倍多的结论。具有识别精度高、收敛速度快的特点。     

基于等价型模糊神经网络的战场辐射源识别算法

针对多变量、环境干扰复杂的现代战场电子对抗辐射源识别非线性系统,应用早期的识别方法已经无法满足辐射源识别系统的精度要求,采用等价型模糊神经网络,产生模糊规则和隶属函数,再基于这些规则产生模糊逻辑推理来构造模式识别算法.仿真结果表明:该算法与传统模式识别方法相比具有更高的识别能力和较强的抗干扰能力,大大提高了战场辐射源识别的正确率和可靠性.     

一种基于神经网络的广义熵模糊聚类算法

以模糊聚类为基础,将广义熵引入到模糊聚类的目标函数中,提出一种基于模糊熵的模糊聚类的统一形式,即广义熵模糊聚类模型;利用增广拉格朗日求解方法,以及Hopfield神经网络和复突触神经网络解决了基于广义熵的目标函数的优化问题,提出了基于神经网络的广义熵模糊聚类算法,表明了使用神经网络求解的收敛性;同时,给出一种用于确定增广拉格朗日乘子的迭代方法.实验中选取人工生成数据集和UCI标准数据集对提出的算法进行了实验研究,并与常用的聚类算法进行了性能比较.     

一种神经网络模糊控制器的合成

论述了一种神经网络模糊控制器的合成方法，提出了单元-单元映象方法及利用模糊神经网络确定模糊中心，识别模型规则，调节隶属函数参数。仿真试验表明该模糊控制器相比PID控制器具有较好的性能。     

思维进化计算及其应用

思维进化计算（Mind Evolutionary Computation,MEC）是一种新的进化计算方法。对MEC的系统结构、基本操作进行了概述,并剖析了MEC和遗传算法（Genetic Algorithms,GA）的不同之处,同时介绍了MEC的主要应用领域及研究成果。最后还对MEC今后的研究方向进行了探讨。     

基于模糊神经网络的微波器件建模

通过模糊数据曲线来确定模糊规则,从而只需要根据系统的输入输出数据来建立网络最佳结构,并对BP算法进行了改进以加快网络模型的训练速度.在此基础上,用建立的模糊神经网络对微波无源器件共面波导的电容参数来进行提取.实验证明,模糊数据曲线确定的网络结构是接近最佳的,在训练速度和精度方面,效果优于神经网络建模算法.     

电子地图色域映射的SOM神经网络方法

颜色的设备相关性导致电子地图在跨媒介再现时容易出现色彩变形以及地理信息错误传输等问题.本文分析了电子地图色域的特征,提出了一种基于SOM(Self-Organizing Maps)神经网络的色域映射方法.针对神经网络方法没有顾及电子地图色域映射过程中的色彩空间权重以及神经网络中邻域函数的各向同性假设不适用于地图色域这两个问题,提出了改进方法.将本文方法与ICC(International Color Consortium)感知再现、绝对色度再现色域映射方法进行了对比,结果表明本文方法能够很好的保持地图整体色差,能够提高电子地图颜色复制精度.     

改进的进化神经网络算法及其在入侵检测中的应用

改进的进化神经网络算法是采用双种群的进化规则,同时完成对权值和结构的进化,其特点是加快算法的收敛速度,在一定程度上克服了BP算法陷入局部最小点的不足。将该算法应用于入侵检测领域中,建立一个基于改进的进化神经网络入侵检测系统模型,并用KDDCUP99数据测试了该模型中改进的进化神经网络分类器引擎,与基于BP神经网络和传统的进化神经网络等相比,得到了较高的检测率。