GM(1,1)模型在虚拟仪器测量过程控制中的应用

虚拟仪器的测量过程控制是保证测量数据有效的重要手段,利用灰色系统GM(1,1)模型对虚拟仪器的测量过程进行控制,由少量数据信息得到未来的预期测量结果,通过与核查标准的测量结果相比较来判别测量过程是否受控.论文给出了测量过程控制判别限、适用灰色系统GM(1,1)模型的条件以及模型精度检验判据.     

1-乙基-3-甲基咪唑四氟硼酸盐离子液体结构性质的模拟计算

离子液体以其独特的性质广受关注,被称为"绿色设计者溶剂",人们对其潜在的应用价值做了大量的研究.实验采用HyperChem软件构建了1-乙基-3-甲基咪唑四氟硼酸盐([EMIM][BF4])离子液体分子结构的3D模型,并用PM3法进行预优化,然后应用Gaussian 03w程序分别在RHF/6.31G(d)和BLYP/6-31G(d)计算水平上进行量子化学计算,并经振动频率和强度分析得到理论红外谱图.结果表明,[EMIM][BF4]离子液体的阴阳离子存在着氢键等弱相互作用.     

资源生产供应链履行社会责任的内在动力研究

运用博弈论的基本思想,通过构造一个资源生产供应链,从资源保护这个角度出发,以资源生产供应链中的节点企业——资源开采商开采自然资源为例,对资源生产供应链履行社会责任的内在动力进行了研究。结果表明：对资源开采商合作开采带来的收益增量进行合理分配,既能使资源开采商进行合作,又能实现供应链系统与各资源开采商的帕累托最优。     

CA与生命游戏演化的组合模型*

基于摩尔奇偶型CA,提出一种结合生命游戏的演化模型.首先设置初始构型进行摩尔奇偶型规则演化,再引入生命游戏规则,按游戏规则演化;最后依此重复摩尔奇偶规则和生命游戏规则,直到演化整个元胞空间.证实在摩尔奇偶型CA的基础上,结合生命游戏在很大程度上减小了演化过程对初始构型的依赖,出现更为丰富的图元以及基于图元和演化框架的动态图案,且演化过程仍然符合摩尔奇偶型CA的演化规律.结合模型可以避免演化过度依赖初始构型以及演化过程的单调性,而且组合演化模型可以应用于图案生成,生成保持风格的规则几何纹理图案,丰富图案的生成方法.     

企业价值链价值分配的优化研究

为研究价值链中各企业间价值合理分配的问题,在明确企业价值链中各参与者关系的基础上,从价值分析和成本分析入手,针对价值链中各参与者的不同行为模式,对企业价值链的稳定性问题和价值链调整的合理性问题进行了分析,并给出了价值链稳定性及调整合理性的判定公式和相应经济学解释.阐述了在价值贞献和价值分配之间产生偏差的原因和几种情况,依据博弈论原理建立了价值链价值分配议价模型,模型分析表明存在唯一的子博弈完美均衡,最终可以得到一个均衡策略.研究结果为合理构建和调整企业价值链提供了理论依据.     

可信性空间上基于复模糊变量的学习理论的关键定理

给出了可信性测度空间上复模糊变量定义及一些性质;给出了复模糊变量的经验风险泛函、期望风险泛函以及经验风险最小化原则严格一致收敛的定义。在此基础上给出并证明了基于复模糊变量的学习理论的关键定理,为系统建立可信性空间上的复统计学习理论奠定了理论基础。     

燃气涡轮发电机组虚拟评判系统研究

为更好地评判操作人员对燃气涡轮发电机组的操作训练,设计了一种虚拟评判系统.根据操作实际,制定了评判标准,建立了评判指标体系.考虑到指标之间的相互影响和反馈关系,解决指标权重分配问题,利用网络分析法(ANP)处理指标间的复杂关系,并采用三角模糊数和模糊优先规划方法(FPP)完成权重的计算,引入云理论确定隶属度,使用蚁群算法优化BP神经网络,结合模糊综合评判构造模糊蚁群神经网络评判模型.上述方法能够有效减少主观因素对权重的影响,弥补传统评判方法的不足.实际应用表明,改进的评判系统具有很强的实用性,是一种可行的评判系统.     

无线传感器网络中基于代理的D-S数据融合

提出了一种无线传感器网络中基于移动代理带证据权的D S融合算法。引入证据权对证据进行修正以降低冲突数据对融合结果的影响。采用三级D S组合规则进行融合决策：节点级融合计算单个节点时间域融合检测概率;簇内级融合计算簇内节点间空间域融合检测概率获取局部决策结果;簇间级融合计算簇间的融合检测概率获取最终的全局决策结果。仿真结果表明,本算法能以较小的能耗代价获取准确的融合结果并有效降低冲突数据对融合结果的影响。     

结合图论的JSEG彩色图像分割算法

静态图像压缩标准（ JSEG）分割算法是一种经典的图像分割方法,它充分考虑到了图像的局部信息,可以获得比较精确的分割边界。但JSEG算法在分割过程中计算量相当大并且分割结果容易出现过分割现象。由此,文中提出一种结合图论的JSEG图像分割算法。首先去除JSEG算法中在多个尺度上反复计算J值的过程,改为仅在一个小尺度上进行计算。其次,在得到的J图上使用K-means方法进行聚类,分割得到过分割区域。最后,将分割后的小区域对应为图中的点,进而利用图理论的方法进行区域合并。实验结果表明新算法具有高精度和低复杂度的优势。     

An homogeneous space geometry for simultaneous localisation and mapping

Simultaneous Localisation and Mapping (SLAM) is the archetypal chicken and egg problem: Localisation of a robot with respect to a map requires an estimate of the map, while mapping an environment from data acquired by a robot requires an estimate of the robot localisation. The nonlinearity and co-dependence of the SLAM problem has made it an ongoing research problem for more than thirty years. The present paper details recent advances in understanding the SLAM problem, specifically the existence of an underlying geometry and symmetry structure that provides significant insight into the difficulties that have plagued many SLAM algorithms. To demonstrate the power of the geometric insight we derive a constant gain observer for the SLAM problem that; that does not depend on linearisation, has globally asymptotically stable error dynamics, is very robust, and operates in dynamic environments (estimating the landmark velocities as states in the observer).