圆形区域极点及方差约束下线性离散系统的控制设计

本文考虑线性离散随机系统在圆形区域极点及方差约束睛的控制器设计问题，即设计状态反馈控制器，使闭环系统同时满足预先给定的圆形区域极点约束以及预先给定的各状态分量的方差约束。文中利用代数黎卡提方程方法解决了上述问题。     

基于广义联结度的群法及其在多元胞布局中的应用

本文以广义联结度为基础,提出了一种新的结群方法。它采用有一阈值控制的并行结群方式,并应用与结群过程相反的判断过程来检查群的收敛性,较好地解决了群构造的问题。这一结群法已经在Micro VAX上用C语言实现。用结群结果去指导多元胞的初始布局得到了非常满意的结果。     

动态模糊粗糙特征选取算法

由于数据随时间和空间不断更新,很多基于粗糙集的增量方法被提出。然而,动态数据上基于模糊粗糙集的特征选取(也称属性约简)更新的研究较少,特别是连续型动态数据上的增量特征选取。为了解决这个问题,提出适用于连续型数据的基于模糊粗糙集的增量属性约简算法。首先提出模糊粗糙基本概念的增量机制,如模糊正域的增量机制。只有部分示例在已有属性约简上的辨识能力不足,即对于模糊正域来说,存在一个关键示例集。增量约简算法基于已有数据上的约简结果,仅需要更新关键示例集中的示例,而非全部的论域。因而该增量算法在动态数据上能快速获得约简的更新。通过数值对比实验可以看出,增量算法比非增量算法在运行时间上有明显的优势。特别是对于高维数据集,增量算法可以大大地节省计算时间。     

一种增量PCA算法及其在人脸识别中的应用

主成分分析（PCA）是模式识别领域一种重要的方法,现在已被广泛地应用于人脸识别算法中,但基于PCA人脸识别系统在应用中面临着一个重要障碍：增量学习问题。针对这个问题,提出了一种适用于成批增量数据的IPCA算法,该算法在原始PCA分解的基础上,利用空间投影变换,使得可以在一个低维空间求解整体PCA,从而降低了求解的复杂度,在此基础上对该增量算法进行了核化,并在ORL人脸数据库上验证了算法的有效性。     

一种改进的基于粗糙集的增量式学习算法

从粗糙集理论出发,利用决策表局部最小确定性作为阈值来自主控制产生规则,得到一种改进的增量式学习算法.实验表明,在处理大多数数据集时,该算法效率和生成的规则集对样本的正确识别率都较已有的基于粗糙集的增量式算法IRAA有所提高.     

An Incremental Learning Strategy for Support Vector Regression

Support vector machine (SVM) provides good generalization performance but suffers from a large amount of computation. This paper presents an incremental learning strategy for support vector regression (SVR). The new method firstly formulates an explicit expression of ||W||² by constructing an orthogonal basis in feature space together with a basic Hilbert space identity, and then finds the regression function through minimizing the formula of ||W||² rather than solving a convex programming problem. Particularly, we combine the minimization of ||W||² with kernel selection that can lead to good generalization performance. The presented method not only provides a novel way for incremental SVR learning, but opens an opportunity for model selection of SVR as well. An artificial data set, a benchmark data set and a real-world data set are employed to evaluate the method. The simulations support the feasibility and effectiveness of the proposed approach.     

基于增量学习的直推式支持向量机算法

针对直推式支持向量机在进行大数据量分类时出现精度低、学习速度慢和回溯式学习多的问题,提出了一种基于增量学习的直推式支持向量机分类算法,将增量学习引入直推式支持向量机,使其在训练过程中仅保留有用样本而抛弃无用样本,从而减少学习时间,提高分类速度。实验结果表明,该算法具有较快的分类速度和较高的分类精度。     

基于簇结构的负载平衡模型—簇平衡

文中针对当前大型的工作站网络环境，提出了一种基于层次式簇组组结构的负载平衡模型ＬＯＢＡＣ。     

射频能量捕获异构无线传感网的能量源最少化布置方法

电池供电的无线传感器网络的应用由于电池更换的不便利甚至不可能而受到极大的限制。考虑具有射频能量捕获能力的异构无线传感器网络,网络节点的能量捕获输出功率需求不一样。在已知传感节点数目和位置的情况下,研究如何布置射频能量源(Energy Transmitters,ETs)从而满足所有节点的能量捕获输出功率需求并且最小化ETs数目。首先建模出该最少化ETs的布置问题,为深入了解该问题提供了理论基础;然后提出了一种复杂度较低的贪婪式ETs布置方法和一种复杂度略高些的基于粒子群优化的ETs布置方法。仿真结果表明,与贪婪式方法相比,基于粒子群优化的方法能找到ETs略微更少的布置方案,但其由于复杂度略高,因此可用于节点数目不是很多的场景,而贪婪式方法则可用于节点数目较多的场景。     

基于半监督极限学习机的增量式定位算法

针对目前室内指纹定位算法存在实时性差、对动态环境适应性不足的问题,提出一种新的基于半监督极限学习机的定位算法.该算法首先通过半监督极限学习机建立初始化位置估计模型,然后利用新增的半标记数据对原定位模型进行动态调整,最后为新增训练数据分配合适惩罚权重,使模型具有时效机制.仿真结果表明,该定位算法在保证定位实时性的同时提高了对动态环境的适应性.