基于映射关系的云模型控制器研究

首先介绍了云模型的基本概念和规则推理,分析了云模型的线性映射关系和非线性映射关系,然后设计出基于多种映射关系的不同云模型智能控制器。最后与常规PID控制系统进行了对比,仿真结果表明了本文设计方法的有效性。     

一种新的云模型控制器设计

首先提出一种新型的云模型控制器结构模型．这种结构模型是一种本质非线性模型，可以很容易由一组不确定性推理规则构成．文中分析了云模型的非线性映射特性，同时给出了基于此结构模型的智能控制器的设计方法及仿真实例．     

一种新的基于二维云模型不确定性推理的智能控制器

提出一种新型的二维云模型智能控制器结构.这种结构模型是一种本质非线性模型,可以很容易由一组不确定性推理规则构成.分析了一维和二维云模型的非线性映射特性,并给出了基于此结构模型的智能控制器的设计方法及仿真实例.     

基于二维云模型的规则提取算法研究

从定量数据到定性概念的转换必然涉及到样本数据的划分问题,当样本数据维数较高时,对其合理划分是从中提取定性规则的难点问题。针对此问题,改进了尺度云变换算法,提出二维尺度云变换算法,使之可以处理二维数据。还给出了二维T-S型云控制器的设计,并结合一组实例数据,验证了算法的有效性。仿真结果表明,该算法可以较好地实现对原始数据空间的划分,提取的定性规则数量少,易于理解;由该方法提取的规则构建的T-S型云控制器能较好地复现原始数据分布,误差较小。     

基于多维正态云模型的控制器研究

在分析一维正态云模型及规则推理的基础上,研究了N维正态云模型及规则推理,及其N维正态云模型规则推理结构,并研究给出了基于N维正态云模型的控制器的设计方法和步骤。通过三维正态云模型控制器的设计表明所给出的N维正态云模型控制器的设计方法是可行的。     

基于云模型的Web服务QoS预测

随着近年来Web服务数量的快速增长,用户-服务QoS(Quality of Service)记录矩阵变得日益稀疏。为了解决传统协同过滤算法在稀疏数据集上预测精确性不高的问题,利用欧几里得距离对数值敏感的特点,将云模型特征向量的欧几里得距离转换成云模型的相似度。对基于云模型的协同过滤算法改进,并将改进算法用于Web服务QoS的动态预测。考虑用户调用同一服务提供商的不同服务有相似体验,再结合云模型的相似度对QoS记录矩阵进行填充,在预测用户调用某服务的QoS时使用填充后的QoS记录矩阵进行计算,从而有利于解决稀疏矩阵下预测准确度难以提高的问题。实验表明,使用该算法的预测结果相较于传统的协同过滤算法有更低的平均绝对误差(MAE),能获得更高的推荐质量。     

二维正态云模型的单规则推理映射

针对二维正态云模型在实现数据的定量输入到规则的定性推理、再到数据的定量输出的转换过程中,其输出与输入之间的映射区域存在的不确定性问题,通过构造3σ正态分布随机数,在输入云模型与输出云模型分别具有相同的熵参数和超熵参数的情况下,总结出二维正态云模型的单规则推理映射规律,指出该映射区域是一个发散区域,其大小不但与云模型的参数期望有关,而且还与参数熵和超熵有关,而最大离散系数则与期望无关,该结论可以作为二维正态云模型多规则映射研究的理论指导.     

基于云模型的网格QoS参数归约与调度优化

针对网格资源调度中用户对QoS的定性描述,利用云模型实现资源调度中的QoS匹配。深入分析了QoS参数云的特征,提出了QoS云处理模型,通过该模型,将离散的多个QoS参数归约到一个定性的概念上;设计了实现参数归约的体系结构;给出了基于定性概念的资源调度算法。实验表明,所提出方法在资源调度率和吞吐量以及系统资源的利用效率等方面体现出良好的特性,实现了基于定性概念的调度,达到了优化调度的目的。     

基于三维云模型的智能控制器研究

首先介绍了云模型的基本概念和规则推理,提出了三维云模型的的概念,分析了三维云模型的规则推理,设计出基于三维云模型智能控制器.最后与常规PID控制系统进行了对比,仿真结果表明了本文设计方法的有效性.     

基于各向异性的二维云模型滤波

针对云模型滤波器在去除椒盐噪声的过程中没有考虑到图像各向异性的缺点, 提出了一种新的图像去噪方法。该方法首先利用云模型滤波器的噪声检测器对噪声图像进行检测, 然后对认定为噪声的图像部分利用基于二维云模型的模糊加权滤波算法, 并结合噪声周围非噪声像素的空间位置信息和像素值信息进行图像复原。将这种新的算法与原始方法进行相同环境下的对比实验。结果表明, 对于椒盐噪声密度为10%～50%的测试图像, 虽然在计算效率方面该算法略逊于原始算法, 然而在处理的过程中, 其展现了图像各向异性, 同时也更好地保持了图像的细节信息; 而且图像细节越复杂, 提升效果越明显。     

基于粒子群优化算法的船舶动力定位云模型控制器设计

云模型控制理论是智能控制学科的新兴领域,因此如何扩展云模型的应用范围并使其走向工程化和实用化成为其研究重点;针对船舶运动模型具有不确定性和外部扰动随机性等特点,尝试将云模型应用于船舶动力定位的控制过程中;由于云模型控制器存在参数难以整定的问题,提出了基于粒子群算法的优化设计方法;针对标准粒子群优化算法容易出现早熟收敛的问题,引入自适应粒子群优化算法;仿真研究表明云模型控制及粒子群优化的可行性和有效性。     

一种基于QoS参数归约的云计算环境能效评估方法

高性能、低功耗且具有QoS保障的高能效问题是云计算领域的一个研究难点。目前的研究主要是通过限定一个约束条件寻求另外指标的最优来实现三者之间的折衷或均衡,缺乏一种有效的能效计算方法和评估模型将三者整合,以更好地描述云环境能效的“程度”。提出一种云环境下QoS参数的归约方法和加权的能效模型,把系统性能作为一个关键因素引入QoS,并将离散的多个QoS参数度量值归约到同一个量纲区域内,获得评价权重矩阵,求得用户最终的QoS评价值,以单位能耗所提供的整体QoS水平值作为能效值,并且建立云数据中心的能效分级标识,最终将云环境下能效值刻画为一个定性的概念,实现了对云环境下能效的定性评估。此外,分别对单机环境和同构、异构的云计算环境中云数据中心的能效进行了评估分析,并进行了实验验证。实验结果表明,所提出的能效模型和评估方法在评价云系统的QoS水平和能源消耗方面是有效的。     

基于模糊云理论模型的智能配电云网络化控制识别方法

由于基于传统的不确定时滞鲁棒控制系统不能满足新型电力云网络化控制用户的需求,提出了一种基于模糊云理论系统模型的感知智能配电云网络化控制识别方法,该方法采用优化传统数据值和电力云网络化控制数据的一种云理论系统模型,并用云理论结果代替被控节点预测值,攻破了不确定滞鲁棒控制系统控制效果不能及时反馈的问题,同时将供电系统性能指标引入到电力云网络化控制计算器中,运用性能指标的云模型中正向运算法修正加权系数,实现了感知智能配电云网络化的最优控制。基于实验仿真证明,该识别方法可以优化传统的不确定滞鲁棒控制系统,并具有良好的适应性、鲁棒性、控制性,同时可以进一步改善智能配电云网络化控制的各种性能指标。     

实时嵌入式环境中面向构件系统的QoS模型研究

将基于构件技术的开发引入到实时嵌入式软件平台能够很好地适应嵌入式领域多样性的特点,满足对软件开发效率和软件质量的要求。为保证实时嵌入式环境对资源动态变化的需求，考虑到系统资源的全局管理特性，仅从应用中增加QoS适应机制是不够的，还需在现有的构件框架中增加QoS管理机制。为此，提出了一种面向CCM构件系统的QoS模型，能够主动适应动态变化的资源状态，模型中层次式的QoS转换器的设计简化了用户对服务的QoS参数配置。     

基于云理论的可信技术研究

针对云计算环境下信息的安全性和可靠性方面的欠缺, 为了建立灵活多适应性的安全机制, 将云与可信的概念相结合, 是现今安全领域的一个主要研究方向。为进一步解决云计算安全问题, 对云计算环境下的一些可信技术进行了研究, 并在此基础上提出了一种新的逆向云生成算法。该算法基于原一维逆向云算法, 使用主观信任云的期望和超熵对信任客体的可信度进行了评价, 为网上交易的信任决策提供了依据。对实验数据的分析表明, 与传统的算法相比, 此算法在信任度的可靠性和稳定性上存在比较明显的优势。     

基于多维信任云的信任模型研究

针对主观信任的模糊性和不确定性以及现有的基于云模型的信任模型中粒度粗糙的问题,提出了一种基于多维信任云的信任模型。首先,依据实体间的直接交互经验和交互时间,利用加权逆向云生成算法计算被评估实体的直接信任云;然后,通过评估推荐实体的推荐可信度,计算被评估实体的推荐信任云;最后,综合直接信任云和推荐信任云产生综合信任云,并依此进行可信实体的选择。仿真结果表明,基于多维信任云的信任模型能够有效地识别系统中的各类服务实体,可提高实体间的交易成功率。