基于Skowron分明矩阵的有效属性约简算法

为降低基于Skowron分明矩阵属性约简算法的复杂度,提出了简化分明矩阵及其相应属性约简的定义,并证明了基于简化分明矩阵的属性约简与基于原分明矩阵的属性约简等价.在简化决策表的基础上,定义了一个函数,该函数能度量条件属性在简化分明矩阵中出现的频率,并给出了计算该函数的快速算法,其时间和空间复杂度均为O(|U/C|).用该函数设计了一个有效的基于原分明矩阵属性约简算法,算法的时间复杂度降为O(|C||U|)+O(|C|²|U/C|),空间复杂度降为O(|U|);并用实例证明了算法的有效性.     

基于关系积的属性约简算法

粗糙集的属性约简是一个NP难问题,目前尚无高效的算法.基于集合理论,提出了关系积概念和基于关系积的属性约简算法,把决策表的属性约简过程转化为关系积的运算,减小了对决策表的扫描次数,提高了属性约简的效率;算法采用自底向上和宽度优先的搜索策略,可确保找到最小属性约简集.结合实例,给出了算法的具体实现.     

基于扫描向量的属性约简方法

针对粗糙集理论中属性约简问题,提出了一种基于扫描向量的属性约简方法.根据粗糙集理论知识,定义了一个新概念——差别向量,利用差别向量将信息表转换成差别向量组;根据差别向量的结构特征,定义了差别向量加法法则;运用这个加法法则仅需对差别向量组扫描一次,就可以形成结构简洁却能代表原信息表属性特征的扫描向量.以扫描向量中的属性频率项作为属性约简搜索的启发信息,提高了属性约简效率.数值实例及数据库测试的结果表明该属性约简算法是有效可行的.     

数据挖掘技术在农作物灾害预测中的应用

结合农业数据的特点,提出了一种基于数据挖掘技术的粗集属性约简算法,并将其应用在农作物灾害预测中.通过具体实例证明了该算法的正确性和有效性,指出该算法在农作物灾害预测中具有一定的实用价值.     

基于粗集理论的大曲理化指标对白酒质量和产量影响的重要因素分析

运用粗集理论方法对采集到的大曲参数(各理化指标)和用其酿造的白酒质量与产量数据进行了分析,通过对数据进行等间隔离散化处理,得到大曲理化指标与白酒质量和产量的决策表,并用属性重要性方法对决策表进行属性约简,得到了大曲理化指标中影响白酒质量和产量的重要因素.     

基于概念格粗糙集的采矿方法优选研究

为了正确选择矿山初选的采矿方法,提出基于概念格粗糙集的采矿方法评价体系。综合考虑影响采矿方法选择的众多因素后,对指标进行分层处理,利用改进的粗糙集建立采矿方法评价体系,生成最少决策规则集。属性约简是粗糙集中的核心问题,选择概念格作为约简工具,对条件属性进行约简。将模型用于15种采矿方法的优选,得到了最大可约简属性集,决策规则集的分类质量为100%。最后,将约简概念格与传统粗糙集中的分辨矩阵进行对比,结果表明：概念格在属性约简方面比分辨矩阵更有效,利用概念格的粗糙集构建采矿方法评价体系对矿山生产具有一定的理论指导意义。     

汽车二维碰撞模型的简便算法

为了对基于动量定理建立的汽车二维碰撞模型进行快速求解,利用矩阵分块处理原理建立了一种简便算法.通过矩阵分块处理可以降低所求模型的矩阵阶数,从而简化了求解过程.对典型汽车碰撞实例的分析表明:应用该方法能够迅速、准确地进行汽车碰撞事故的分析计算.     

基于灰关联度的Gry-K-Means算法研究及其应用

提出了一种新的基于灰关联度聚类观点.分析各属性的灰关联度,并将它们转化成属性的权值,再将这些权值应用于聚类的距离量度之中;基于这种量度,提出了一种改进的聚类算法:Gry-K-Means算法,并将算法应用于氧化铝回转窑火焰图像的聚类分析中.文中介绍了灰关联度及基于灰关联度聚类的基本原理,给出了相应的算法,并用VC++6.0实现了聚类算法及火焰图像聚类挖掘的原型机.对某氧化铝厂的实际数据进行了挖掘试验,结果表明了算法的有效性.算法思想可以扩展到其它挖掘方法上,具有一定推广价值.     

基于约束满足方法求解热轧带钢库存匹配问题

针对现代钢铁企业生产管理中的客户订单与热轧带钢库存产品的匹配问题,在考虑规格、质量、等级以及生产工艺约束的基础上,建立了旨在最大化订单满足率且最小化匹配损失的约束满足模型.在对问题以及匹配对象特点进行分析的基础上,引入匹配损失矩阵作为订单与库存余材属性匹配差异的损失惩罚,考虑到问题的复杂性,采用基于变量选择和值选择的启发式算法求解模型的近优解,并通过数值实验对提出的算法进行了验证.     

直线滚动导轨结合部动力学特性测试及参数识别

基于辨识原理,提出了导轨结合部动力学参数的试验辨识流程,包括标记测量点、频响函数测试、测试数据处理、编制辨识程序等步骤.以组装在床身上的THK导轨结合部为对象,进行了动力学特性测试.并应用Matlab编制了辨识算法,识别出导轨结合部系统法向方向的质量矩阵、刚度矩阵、黏性阻尼矩阵和结构阻尼矩阵,证明了动刚度矩阵法辨识导轨结合部动力学参数的有效性.     

Advanced Boundary Element Analysis of Three-Dimensional Elastic Solids with Fiber Reinforcements

An advanced boundary element methodology for the analysis of three-dimensional fiber-reinforced elastic solids using the concept of fiber elements has been presented in this paper as an extension of the earlier work of Banerjee and co-workers. The previous simplified formulation was based on the assumption that the Poisson ratios of the matrix and the fiber are equal. However, this may not be a valid assumption for all values of elastic stiffness ratios and fiber to matrix volume ratios. Moreover, such restrictions do not allow for any future extensions to nonlinear analysis. Also, because of limiting computing power available at that time, their implementation was restricted to only a small number of fiber elements in a given analysis. The new algorithm proposed in this work does not make any such assumptions. In this algorithm, the fibers are semianalytically integrated and the resulting equations are back-substituted into the equations for the composite matrix without any further approximation. The present work has been implemented in a general purpose multiregion boundary element computer program and is capable of handling very large numbers of fiber elements in a given analysis. Several numerical examples are presented to validate the proposed method of fiber composite analysis and its applicability is demonstrated via practical engineering problems.     

基于快速SR-UKF的锂离子动力电池SOC联合估计

针对标准无迹卡尔曼滤波(Unscented Kalman filter, UKF) 算法本身存在着因状态误差协方差矩阵无法实现Cholesky分解而导致滤波发散的隐患,以及在电池状态估计过程中由离线标定的电池等效模型参数而造成的累积误差的问题,本文发展了一种平方根无迹卡尔曼滤波(Square-root unscented Kalman filter, SR-UKF)算法,并设计了一种电池状态联合估计策略。首先快速SR-UKF算法通过对观测方程进行准线性化处理,降低了每次无迹变换时的计算开销;然后在迭代过程中,用状态误差协方差矩阵的平方根代替状态误差协方差矩阵,该平方根是由QR分解与 Cholesky因子的一阶更新得到,解决了UKF 算法迭代过程中可能由计算累积误差引起状态误差协方差矩阵负定而导致滤波结果发散的问题,保证了电池荷电状态(State of charge,SOC)在线滚动估计的数值稳定性;最后采用联合估计策略,对电池等效模型参数进行实时辨识,保证了电池等效模型的准确性与有效性,从而提高了电池SOC的估计精度。仿真对比结果验证了快速SR-UKF算法以及电池状态联合估计策略的可行性与鲁棒性。      

鲁棒UKF滤波算法在SINS初始对准中的应用

针对系统存在不确定性扰动时传统UKF滤波算法的滤波精度和鲁棒性均下降的问题,提出了一种基于H∞范数的鲁棒UKF滤波算法.该算法在Krein空间内对简化UKF滤波算法进行改进,增加了一个鲁棒环节.鲁棒环节通过引入给定正常数调整滤波增益从而提高滤波算法的鲁棒性能.在SINS大方位失准角初始对准中对简化UKF滤波算法和鲁棒UKF滤波算法进行了对比研究.仿真结果表明:与简化UKF滤波算法相比,鲁棒UKF滤波算法的方位失准角估计误差由16.9'缩小到4.3'.鲁棒UKF滤波算法降低了系统对扰动的敏感度,具有更好的滤波性能.     

一种基于粗糙集属性度量的集成分类器

为了准确度量属性的重要性,从基于粗糙集的属性度量视角,提出一种基于混合度量机制的属性评价方法,该方法从不同的信息粒度分析属性的重要性.在混合度量机制中,根据数据分布特点引入参数权重因子.在此基础上,构造一种基于粗糙集属性度量机制的集成分类器.通过实验结果和比较分析表明,所提出的方法能有效地降低数据的属性维度,相比较于单一属性度量准则,分类器具有更好的分类性能.     

基于集成案例推理方法的RH精炼钢水终点温度预测

针对RH工序终点钢水温度预测问题, 提出一种基于多元线性回归和遗传算法改进的集成案例推理方法.首先, 针对一般案例推理方法中缺少影响因素精选方法的问题, 利用多元线性回归进行属性约简;然后, 针对案例检索中相似度计算缺少权重计算方法的问题, 利用遗传算法进行权重优化;最后, 基于精简的影响因素和优化的权重, 利用改进灰色关联相似度进行案例检索, 实现RH终点钢水温度预测.利用某钢铁企业RH工序实际生产数据分别对多元线性回归、BP神经网络、一般案例推理方法和集成案例推理方法进行测试, 结果表明, 集成案例推理方法在多个温度区间比多元线性回归、BP神经网络和一般案例推理方法都有更高的预测精度.     

基于树突神经网络的低轨卫星智能感知路由算法

在低轨卫星网络中,卫星运行速度快、运行周期较短,星间链路动态变化.为了及时感知星间链路状态并选择正确的路由,提出一种基于树突神经网络的低轨卫星智能感知路由算法,通过卫星之间的可视性约束分析星间建链情况,实现星间链路态势感知;通过实时构造训练集,利用树突神经网络自动调整全局卫星网络链路的权值,进而优化传统迪杰斯特拉(Dijkstra)算法,实现星间链路质量感知,给出智能路由决策;通过周期性监测卫星网络拓扑,实时修正初始路由路径.仿真结果表明,基于树突神经网络的路由算法复杂度低,路径时延、时延抖动及丢包率均低于传统启发式路由算法和Dijkstra路由算法.