带参数的模糊推理合成法则的性质研究

本文对模糊专家系统、模糊决策支持系统和模糊控制系统中常用的Zadeh的模糊推理合成法则CRI进行了推广,提出了带参数的模糊推理合成法则.该法则克服了传统的CRI法则的若干不足之处,能在极弱条件下满足肯定前件的假言推理,否定后件的拒取式推理,否定前件的假言推理,具有推理的逼近性.因为在本方法中已降低了模糊蕴含关系R的关键性地位,所以无须慎选适宜的R.通过参数的调整,本方法具有灵活性和准确性.本文给出了参数的具体取值方法.     

基于爱因斯坦t-模的模糊联想记忆的学习算法

为神经网络提供有效学习算法是神经网络研究的关键问题。文章利用t-模的伴随蕴涵算子,为基于Max和Tes合成的模糊联想记忆网络Max-TesFAM提供了一种新的学习算法,此处Tes是由爱因斯坦提出的一种t-模算子。从理论上严格证明了,只要Max-TesFAM能完整可靠地存储所给的多个模式对,则该新的学习算法一定能找到使得网络能完整可靠存储这些模式对的所有连接权矩阵的最大者。最后,用实验说明了所提出的学习算法的有效性。     

基于改进分水岭算法的粘连大米图像分割

大米检测过程中大米图像籽粒粘连给后续大米检测、分析等处理带来较大困难,为此提出了一种有效的改进分水岭分割算法,先对二值图像采用不同的结构元素作极限腐蚀形成不同的距离图,再对这些距离图分别利用分水岭算法得到分水岭图像,最后提取真实分水岭得到最终分割图像,并与其它分水岭算法相比较。实验结果表明,该算法既能更有效地分割粘连颗粒,又能有效地抑制过分割现象。     

基于图像清晰度评价的摄像头辅助调焦系统

提出一种新的图像清晰度(包括锐度和对比度)评价函数,对比传统的图像清晰度评价算法,新算法速度最快且准确,以及和功率谱算法一样优良的灵敏度,适合各种实时自动对焦系统.本文使用一系列不同程度的离焦图片演示了所有算法的性能。同时将新算法应用于一种实际的摄像头模块辅助调焦系统中,系统把采集的每帧图像实时显示在屏幕上,用新算法评价图像的清晰度,从而指导作业员对摄像头模块进行调焦。实践表明该摄像头辅助调焦系统在批量生产摄像头模块时对提高生产效率和稳定质量方面有很大作用。     

两类新的基于T/S范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的概念,并发现F2型的一个特例模型能实现弱界三角范.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.     

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。     

一种多用户OFDMA比例公平资源分配算法

针对多用户OFDMA系统资源分配中已有算法对系统容量和公平性兼顾较差的情况,提出了一种满足比例公平性的系统容量最大化资源分配算法。首先选择合适的公平度门限范围,在子载波分配中,先将各个子载波分配给信道增益最大的用户,再在公平度门限约束下重新分配最大速率用户的信道增益最小的子载波,可以实现子载波利用率和公平度的折中。然后采用注水线法分配功率来调整用户间的比例公平性,最终找到使系统容量最大的公平度门限。仿真结果表明,该算法在保证了用户间比例公平性为1的同时提高了系统容量。     

K-means聚类和支持向量机结合的文本分类研究

针对数据挖掘中文本自动分类问题,提出了一种基于k-means聚类算法和支持向量机相结合的文本分类方法。该方法先将文本大致聚为k类,然后对每一类用支持向量机进行细分。构造了可用于多个模式类识别的多层SVM模型,该模型可完成对多个模式的分类识别。给出了该模型的构造及应用的方法,并验证了该方法的有效性。     

基于Hash改进的k-means算法并行化设计

为了解决k-means算法在Hadoop平台下处理海量高维数据时聚类效果差,以及已有的改进算法不利于并行化等问题,提出了一种基于Hash改进的并行化方案。将海量高维的数据映射到一个压缩的标识空间,进而挖掘其聚类关系,选取初始聚类中心,避免了传统k-means算法对随机选取初始聚类中心的敏感性,减少了k-means算法的迭代次数。又结合MapReduce框架将算法整体并行化,并通过Partition、Combine等机制加强了并行化程度和执行效率。实验表明,该算法不仅提高了聚类的准确率和稳定性,同时具有良好的处理速度。     

网络工程专业物联网方向课程改革研究

分析比较网络工程专业和物联网专业人才素质、能力和知识结构,提出网络工程专业设置物联网方向的方法,一是在原有课程中新增物联网相关知识点,二是新增物联网相关课程。同时给出具体知识点和新增课程,为其他专业设置物联网专业方向提供参考。