交互式遗传算法在作曲中的应用

对交互式遗传算法作曲进行了一定的探讨.介绍了用遗传算法进行作曲的知识表示.通过将给定的乐谱转化成相应的编码,采用交互式遗传算法中的选择,交叉和变异算子产生新的乐曲.对交互式遗传算法作曲进行了仿真实验,讨论了实验步骤,给出了实验结果.仿真结果表明,设计的作曲系统可以产生出令人感兴趣的乐曲,具有一定的实际意义.     

基于SRM准则的恒模盲均衡器

针对在有限样本条件下恒模算法无法保证代价函数的经验风险与期望风险收敛到一致的问题,提出了一种基于结构风险最小化(SRM)准则的恒模盲均衡器(Structural risk minumum-contant model blind equalier,SRM-CMBE).该方法利用信号的恒模特性,在高维特征空间中以SRM为准则构造代价函数,采用核方法实现计算,并结合Kumar快速算法和静态迭代学习算法在线跟踪信道,能够在小样本条件下有效保证代价函数的经验风险收敛到期望风险.通过仿真实验,并与标准恒模盲均衡器(Constant model blind equalizer,CMBE)和修正的恒模盲均衡器(Modified-constant model blind equalizer,M-CMBE)进行比较,结果证明该方法的非线性均衡性能最佳.     

基于DSOF的网格资源发现模型研究

为了解决传统资源发现机制不能很好地适应网格资源环境的问题,在有效组建网格资源虚拟组织的基础上,提出了资源虚拟组织中联系结点的选取原则和选取算法,通过该算法从具有相同资源类型的联系结点中选出管理结点.联系结点和管理结点之间采用类似二部图的方式进行连接,构成基于动态自组织覆盖架构的网格资源发现模型.从资源发现能力、资源发现效率和系统可扩展性等方面对该模型进行了综合评价,结果显示该模型适合网格资源的特征,在大规模网格系统中能够有效提高资源发现性能,仿真实验验证了该模型的有效性.     

基于最小二乘支持向量机的非线性广义预测控制

通过中值定理将一类非线性系统近似为时变线性系统,然后将提出的在线最小二乘支持向量机回归(OLSSVMR)与广义预测控制相结合,提出了一种基于OLS-SVMR的自适应直接广义预测控制.利用OLS-SVMR直接设计预测控制器,并基于广义误差估计对控制器参数和广义误差估计中的未知向量进行自适应调整.理论证明了该方法可使广义误差估计值收敛到原点的一个小邻域内.仿真算例也验证了该方法的有效性.     

连续时间T-S模糊系统的一种二次镇定方法

模糊隶属函数是模糊系统的重要组成部分,在系统镇定中考虑其结构和参数信息可以减少结果的保守性.为此,针对连续时间T-S模糊系统的二次镇定问题,提出一种新的放松二次镇定条件.运用一种有效的附加变量引入方式将隶属函数乘积界这一信息更好地纳入系统的镇定条件中,得到了比以往文献保守性更小的结果.所有结果均以线性矩阵不等式形式给出.仿真结果验证了所提出方法的有效性.     

基于粒子群的CDMA功率和速率联合控制算法

提出了基于效用函数的CDMA网络下行链路的功率和速率联合控制最优化算法.在这类算法中,效用函数为非凸函数,经典的最优化理论很难解决这类问题.将粒子群优化方法应用于算法的非凸性设计,并通过仿真算例证明了该算法能有效解决非凸优化问题,且可保证系统的公平性.     

基于观测器的不确定广义时滞系统鲁棒预测控制

针对一类不确定广义时滞系统,讨论了其基于观测器的鲁棒预测控制问题,给出了系统观测器型预测控制器的设计方法.通过构造带有误差项的Lyapunov函数,应用线性矩阵不等式,将无穷时域二次性能指标"min-max"优化问题转化为凸优化问题,得到了鲁棒预测控制器存在的充分条件和显式表达式.证明了优化问题在初始时刻的可行解能保证广义闭环系统渐近稳定且正则无脉冲.仿真实例验证了所提出方法的有效性.

     

不确定系统的稳定广义预测控制

针对一类有界不确定线性离散被控对象,采用Min—Max优化方法,提出一种新的稳定广义预测控制（MMSGPC）算法.引入内模控制结构,将干扰和不确定性从被控对象中分离出来,并利用局部反环节对其进行补偿;采用Min—Max优化方法,将终端约束条件转化为有界不确定性最差情况对应的线性方程;通过引入矩阵的Moore—Penrose逆,得到了终端约束线性方程的通解,并结合性能指标函数求得了最优控制律。通过仿真实例验证了该方法的稳定效果。     

基于Contourlet能量标准差积的极化SAR图像融合

针对Contourlet多尺度、多方向性的优点,以及单一特征量融合规则过于片面性的缺点,提出了一种结合Contourlet自适应阈值滤波的区域能量标准差积的多极化SAR图像融合算法.该方法利用Sigmoid函数构建一种自适应阈值函数来处理Contourlet的高频子带系数,实现融合前图像的去噪处理,然后在Contourlet域中完成不同极化SAR图像的信息融合.根据各子带系数的特性,对低频子带系数采用区域能量融合规则和加权算法;高频子带系数采用区域能量和标准差之积作为融合规则,进行选择性融合.通过对实测极化SAR图像融合的试验表明,该算法在目视效果和客观评价指标方面比其他算法,都具有一定的优越性.     

不确定系统的稳定广义预测控制

针对一类有界不确定线性离散被控对象,采用Min-Max优化方法,提出一种新的稳定广义预测控制(MMSGPC)算法.引入内模控制结构,将干扰和不确定性从被控对象中分离出来,并利用局部反环节对其进行补偿;采用Min-Max优化方法,将终端约束条件转化为有界不确定性最差情况时应的线性方程;通过引入矩阵的Moore-Penrose逆,得到了终端约束线性方程的通解,并结合性能指标函数求得了最优控制律.通过仿真实例验证了该方法的稳定效果.