T-S模糊系统的构造及其逼近能力的充分条件

针对任意多变量非线性函数, 至今缺少一种简单有效的构造性方法来建造一个T-S模糊系统对其实现给定精度的模糊逼近. 本文在逼近函数g(X)∈C2及g(X)不∈C2两种情况下给出了一种当模糊集满足均匀性、连续性、正规性条件下T-S模糊系统的构造方法以及该T-S模糊系统逼近能力的充分条件. 该构造性方法简单易行且其逼近能力充分条件的保守性低. 最后通过仿真研究证实了该方法的正确性与有效性.     

模糊控制器输出值不变的两个充分条件

模糊控制器通常由模糊化、模糊推理以及清晰化三部分构成, 而模糊推理决定了一个由输入论域到输出论域的模糊映射. 当模糊映射为常值映射时, 任意选择模糊化和去模糊化方式, 模糊控制器的输出值不因输入信号变化而改变. 本文给出了模糊映射为常值映射的两个充分条件, 并将结论从单入单出模糊系统推广到多入单出模糊系统.     

拓扑距离特征指数对多氯联苯的QSPR研究

根据分子拓扑理论,提出1种新的多氯联苯(PCBs)化合物分子中,顶点原子(基团)点价值δ_i的计算方法,据以构建分子的结构参数——拓扑距离特征指数(TDEI);同时考虑分子体积以及氯原子在苯环上的位置和数目对PCBs性质的影响,引入分子体积参数(V_R)和基团定位指数(D),然后,采用多元线性回归法,分别建立了PCBs的正辛醇-水分配系数(lgK_(OW))和水溶解度(-lgS_w)的定量结构-性质相关模型,其相关系数分别达到0.9972和0.9730,均优于前人的工作。利用模型预测另外7个PCBs分子的lgK_(OW)和-lgS_W,预测值与实验值的一致性令人满意。     

谱聚类算法综述

谱聚类算法是近年来国际上机器学习领域的一个新的研究热点.谱聚类算法建立在谱图理论基础上,与传统的聚类算法相比,它具有能在任意形状的样本空间上聚类且收敛于全局最优解的优点.本文首先介绍了图论方法用于聚类的基本理论,然后根据图划分准则对谱聚类算法进行分类,着重阐述了各类中的典型算法,并对算法进行了比较分析,最后进行总结并提出了几个有价值的研究方向.     

基于运动区域划分的H.264低复杂度模式选择

为降低H.264编码器的复杂度,提出基于运动区域划分的模式选择算法.首先利用已编码宏块的运动信息识别运动对象的内部区域和边界区域,然后利用已编码宏块的模式信息对边界区域的运动剧烈程度和细节复杂程度进行进一步的划分,从而将视频内容划分为运动性质不同的区域,并选择合适的模式对其进行编码.实验结果表明,该算法平均节省编码时间达47.95%,有利于实时应用;同时PSNR平均下降约0.06 dB,不影响主观视觉效果.     

Shape disassembly using generating merging probability

Computer integrated manufacturing uses computer technology to integrate a manufacturing system through a man-machine interface that fills the gap between manual operation and machine processes. It is clear that a computer vision-based man-machine interface makes a fully automated system possible. The basic challenge of a vision-based interface is how to extract information from digitized images and convert it to machine-friendly knowledge. To extract information, then, it often end up to the problem of shape decomposition. This paper proposes an new approach in decomposing compound shapes without prior knowledge of the scene. The proposed algorithm exploits the fact that planar shapes can be completely described by contour segments, and can be decomposed at their maximum concavity into simpler objects. To reduce spurious decomposition, the decomposed segments are merged into groups by analyzing and utilizing the merging hypotheses. The algorithm calculates the linking possibility by weighting the angular differentiation between two segments. The techniques are implemented and are applied to other partial shape matching problems for clustering purposes.     

一种采用压缩协方差的无线电宽带频谱感知方法

为有效降低宽带频谱感知的观测时间和计算复杂度,提出了一种基于压缩协方差的无线电宽带频谱感知方法。首先,通过循环稀疏规则测量不同标记的距离,运用多陪集采样组代替奈奎斯特模数转换器,形成基于多陪集采样库的欠奈奎斯特采样结构;其次,构建压缩协方差频谱感知模型,运用频谱决策模块对输入样本进行处理,完成频谱分析;最后,通过Matlab生成测试信号数据,对所提频谱感知算法进行建模与性能分析。实验结果表明,所提方法能够将检测误差控制在有效范围内,且与传统频谱检测方法相比,所提方法在不同信噪比环境下具有更高的频谱检测水平度。     

Picture-Neutrosophic Trusted Safe Semi-Supervised Fuzzy Clustering for Noisy Data

Clustering is a crucial method for deciphering data structure and producing new information. Due to its significance in revealing fundamental connections between the human brain and events, it is essential to utilize clustering for cognitive research. Dealing with noisy data caused by inaccurate synthesis from several sources or misleading data production processes is one of the most intriguing clustering difficulties. Noisy data can lead to incorrect object recognition and inference. This research aims to innovate a novel clustering approach, named Picture-Neutrosophic Trusted Safe Semi-Supervised Fuzzy Clustering (PNTS3FCM), to solve the clustering problem with noisy data using neutral and refusal degrees in the definition of Picture Fuzzy Set (PFS) and Neutrosophic Set (NS). Our contribution is to propose a new optimization model with four essential components: clustering, outlier removal, safe semi-supervised fuzzy clustering and partitioning with labeled and unlabeled data. The effectiveness and flexibility of the proposed technique are estimated and compared with the state-of-art methods, standard Picture fuzzy clustering (FC-PFS) and Confidence-weighted safe semi-supervised clustering (CS3FCM) on benchmark UCI datasets. The experimental results show that our method is better at least 10/15 datasets than the compared methods in terms of clustering quality and computational time.     

基于IGD+指标的两阶段选择高维多目标进化算法

针对在高维空间下多目标进化算法难以维持种群收敛性和多样性平衡的问题, 本文提出一个基于IGD+指标的两阶段选择高维多目标进化算法(MaOEA–ITS). 在第1阶段, 算法基于IGD+指标选择收敛性良好的精英个体, 其所需的参考点通过引入切割平面截距法构建. 在第2阶段, MaOEA–ITS使用模糊c均值算法对参考向量进行聚类, 聚类后的参考向量引导种群分解策略对剩余个体进行环境选择, 从而维持种群的多样性. 另外, 为了保护能够提高种群多样性的极值解, 本文提出一个参考点分布自适应策略. 最后, 通过仿真实验来验证MaOEA–ITS的有效性和优越性.     

有向符号网络的边能控性研究

符号网络是一类具有正负符号特征的网络.在多智能体系统中,符号网络能够描述智能体之间的合作与对抗交互关系,因此受到学者的广泛关注.本文主要研究有向符号网络的边能控性.首先,对具有符号网络的多智能体系统边动力学进行建模,得到边能控性模型.其次,从网络拓扑结构角度对边能控子空间进行定量刻画,利用有向符号网络的距离和等价划分得到能控子空间的上下界估计.进一步,讨论了符号网络边能控性与顶点能控性的关系.所得结果表明:当顶点符号图为结构非平衡时,符号网络的边能控性与顶点能控性等价.最后,通过仿真结果验证所得理论的有效性.