基于灰色预测的大时滞过程的控制研究

针对传统PID控制对大时滞过程控制效果不佳的情况,采用基于GM(1,1)灰色模型对被控对象系统行为进行预测,并用等维新息、提高原始数据列的光滑度和改变初始条件三者结合的方法对该模型进行改进,得到一个改进的GM(1,1)模型.同时以GM(1,1)模型的发展系数a作为决定预测步长的依据,将其与传统PID结合,组成灰色预测控制系统对大时滞过程进行控制.仿真结果表明,与传统PID控制相比,该方法具有较强的适应性和鲁棒性,控制性能也得到了较明显的改善.     

谓词逻辑在关系数据库中的应用

本文旨在研究将谓词逻辑及公理化理论应用于关系数据库中表示数据子语言,应用谓词逻辑作为它的数学基础,使得对这些语言的研究成为对谓词逻辑的研究,优化数据子语言的表示成为对谓词逻辑的化简问题.     

Sup-t-norm and inf-residuum are a single type of relational equations

We show that the sup-t-norm and inf-residuum types of fuzzy relational equations, considered in the literature as two different types, are in fact two particular instances of a single, more general type of equations. We demonstrate that several pairs of corresponding results on the sup-t-norm and inf-residuum types of equations are simple consequences of single results regarding the more general type of equations. We also show that the new type of equations subsumes other types of equations such as equations with constraints on solutions, examples of which are fuzzy relational equations whose solutions are required to be crisp (ordinary) relations.     

里德索罗门码数据库水印的研究

在结合现有的各种水印算法的基础上,提出了一种基于交叉里德索罗门码的数字水印方法,其主要思想是：在整体上利用大数选举对水印进行差错控制,在局部引入交叉里德索罗门码对水印信息进行纠错编码,使得水印信息对随机性和突发性错误具有很强的纠错能力。理论分析和实验结果表明,该算法对数据库影响很小,隐蔽性好,在提高水印鲁棒性的同时增加了数据库的水印可嵌入量,具有很好的应用价值。     

基于遗传算法的关系数据库水印优化算法研究

提出了利用遗传算法在关系数据库海量的元组中选择最优元组进行水印嵌入,实现了水印短时间内的优化嵌入,大大提高了水印嵌入的效率。同时,采用纠错编码技术和投票选取机制来增加水印的鲁棒性。实验结果表明,这种关系数据库水印优化方案大大提高了水印嵌入的效率,并可以较好地协调水印的鲁棒性和数据库可用性之间的矛盾,实现了关系数据库水印的优化。     

地区生产总值灰色关联预测模型群的研究

生产总值是受多种因素制约的处于动态变化的灰色系统。本文针对多种影响因素,运用灰色关联分析方法确定主因素变量,从而建立灰色关联预测模型GM（1,N）和GM（0,N）,并将预测结果与GM（1,1）模型进行协调综合,这样得到的数据更加合理,也大大提高了预测结果的可信度和应用价值。     

基于残差灰色估计交通事故数量挖掘算法仿真

在交通事故优化预测的研究中,交通事故量是根据历史数据进行挖掘推断的,不同历史阶段的数据对挖掘模型的影响程度存在差异,一旦历史数据时间间隔过长,将造成基础决策数据跨度较大,形成数据冗余干扰.传统的挖掘算法模型一旦受到这种大跨度的时间数据属性的干扰,将造成挖掘数据时间属性存在较大偏差,数据冲突加剧,导致计算的失准.提出了一种残差灰色估计算法用于交通事故发生数量的挖掘.将历史数据进行有序处理,建立残差灰色估计数学模型.通过估计状态转移方法,对预测误差进行补偿.克服了传统算法的弊端.实验证明,上述算法能够避免由于历史数据时间过长造成的预测时间偏差的缺陷,保证了预测的准确率.     

基于提升小波和自适应多项式拟合的传感器网络多模数据压缩算法

为提高无线传感器网络的感知精度,提出了一种基于提升小波变换和自适应多项式拟合的多模数据压缩算法（adaptive multiple-modalities data compression algorithm based on lifting wavelet and adaptive polynomial fitting,简称AMLP）。在给定相关度阈值的前提下,AMLP算法先对数据进行灰色关联聚类,再对类中的相关数据进行自适应的多项式拟合,然后把未拟合的特征数据抽象成一个矩阵,利用提升小波变换去除数据的时间和空间相关性。最后,通过游程编码对数据作进一步压缩。仿真结果表明,AMLP算法能够有效去除不同数据间的冗余信息以及同种数据间的时间和空间冗余信息,提高压缩比,降低网络能耗。与基于小波的自适应多模数据压缩算法（adaptive multiple-modalities data compression algorithm based on wavelet,简称AMMC）相比,AMLP算法的数据恢复精度大大优于AMMC算法,压缩比和能耗相近。因此,AMLP算法更适用于要求高精度数据的传感器网络应用,如地质灾害监测、医疗和军事领域。     

灵活运用数据库设计理论

简介了关系模型、键、完整性规则、E-R模型、函数依赖、模式分解和关系模式的范式等数据库技术基础和规范化设计理论，从键和完整性规则的实现、数据冗余的特殊情况和字典设计等方面论述了在实际设计工作中如何灵活运用关系数据库设计理论。