HHT在水下目标信号特征提取中的应用

将希尔伯特-黄变换（HHT）用于水下目标特征分析,利用HHT对实录舰船辐射信号进行了特征提取,结果表明其适用于水声非平稳信号的分析,与传统时频分析方法相比具有很强的自适应特性和较好的时频聚集性。     

基于改进Fuzzy-PID控制理论的无人机纵向飞控律设计

针对无人机飞行中存在大量的随机干扰和不确定误差等问题,常规的PID控制器不能满足高精度、高灵活性和强适应性的要求,提出了基于改进Fuzzy-PID控制理论的飞控律设计。该设计使用模糊规则下的切换开关来完成PID控制和Fuzzy控制输出量的加权,使控制具有两者的优点。通过调整模糊隶属度函数参数,可以得到系统的最佳控制方案。仿真结果表明:基于改进Fuzzy-PID控制理论的飞控律明显优于常规控制理论,具有较强的适应性和灵活性,在提高无人机的飞行控制系统性能上具有实际意义。     

Key-Attributes-Based Ensemble Classifier for Customer Churn Prediction

Recently, it has been seen that the ensemble classifier is an effective way to enhance the prediction performance. However, it usually suffers from the problem of how to construct an appropriate classifier based on a set of complex data, for example, the data with many dimensions or hierarchical attributes. This study proposes a method to constructe an ensemble classifier based on the key attributes. In addition to its high-performance on precision shared by common ensemble classifiers, the calculation results are highly intelligible and thus easy for understanding. Furthermore, the experimental results based on the real data collected from China Mobile show that the key-attributes-based ensemble classifier has the good performance on both of the classifier construction and the customer churn prediction.     

模糊控制在退火炉炉温控制中的应用

根据退火炉炉温控制的特点,设计并比较了传统PID控制器、模糊PI控制器、史密斯－模糊控制器和参数自校正模糊控制器的性能及控制效果,最后确定了最适于该系统的模糊－PI控制器。     

模糊控制技术中一种特殊的高维插值法

本文介绍一种在模糊控制技术中高维插值方法的应用。这种方法可以由有限数据或经验规则，通过高维插获完整的全值表，从而克服了过去去多因素，多目标，非线性的复杂被控系统由于经验规则远远不足，无法得到完整的控制规则表听困难。为进一步设计模糊模糊控制器提供了可行的基础。     

单体模糊神经网络自学习问题研究

本文采用的单体模糊神经网络在智能控制中兼有模糊控制与人工神经网络控制的特点，不仅具有良好的控制特性，而且能够进行模型自学习和在线自调整。结合本身结构，人工神经网络理论和模糊理论，可得到ＭＦＮＮｓ自学习的一系列算法。     

基于统计学习优化SIFT的面部遮挡人脸识别

针对传统的人脸识别算法受面部遮挡的影响导致很难兼顾鲁棒性和保持原始图像核心信息的问题,本文提出了一种基于统计学习优化尺度不变特征变换的面部遮挡人脸识别算法。首先,利用SIFT将所有给定训练图像用一组局部特征描述符表示出来;然后,通过执行统计学习获得正常脸部图像SIFT特征的概率分布函数,利用获得的概率分布函数在新观察到的测试图像中检测异常SIFT特征;最后,计算测试图像与训练图像之间的相似度,并利用K近邻分类器完成人脸识别。在AR人脸数据库上的实验验证了本文算法的有效性及可靠性,实验结果表明,相比其它几种较为先进的人脸识别算法,本文算法取得了更强的识别鲁棒性。     

区间二型模糊C均值聚类在图像分割中的应用

聚类分析是非监督模式识别的重要分支,模糊C均值聚类算法(FCM)是其中的一类经典算法,然而该算法以一型模糊集为基础,无法处理数据集以及算法中的不确定性,为此引入区间二型模糊C均值聚类算法(IT2FCM)。二型模糊集处理不确定性的能力强于一型模糊集,基于二型模糊集的IT2FCM在处理不确定性时效果优于FCM算法。文章以图像分割为应用对象,比较IT2FCM和FCM算法的分割效果,实验证明IT2FCM较传统FCM有更好的抗噪性。     

一种基于贝叶斯网络的雷达重频模式识别方法

雷达重频模式指雷达脉冲重复间隔（PRI）的调制样式，重频模式识别对于雷达型号、类别识别具有重要支持作用，但这是一个较困难的过程，一般难以通过单一重频特征完成多种复杂重频模式的自动识别。本文为解决雷达多重频模式自动识别及识别抗噪声干扰问题，针对多种重频模式提取了几种PRI序列特征量（重频特征），然后引入了贝叶斯多网络分类器（BMNClassifier），利用所提取的特征量作为贝叶斯多网络分类器输入节点，通过贝叶斯多网络分类器的概率推理能力来实现雷达重频模式识别。