模糊逻辑系统的非线性组合预测方法与系统误差分析研究

本文提出一种基于模糊逻辑系统的组合预测方法。其基本思想是利用模糊系统的万能逼近特性,采用模糊Taki Sugeno模型来进行非线性组合预测函数的φ（x）模拟。这种全新的组合预测方法不仅降低了构造非线性组合预测函数φ（x）的难度,而且使预测精度大大提高。     

基于最小聚类划分的K-means聚类(1+ε)近似算法

k-means聚类算法是解决聚类问题的一个常用方法.近年来,国外许多学者对该问题的近似常数算法和(1 ε)近似算法进行了研究.利用Kumar等人随机取样技术对于基于最小聚类划分k-means提出一个(1 ε)随机近似算法.该算法利用随机取样技术从集合中求出部分取样点,再对随机取样点进行组合找出每个聚类的部分点,将该部分点的质心点作为相应子聚类簇的质心点.通过多次运行该算法可以以较高概率求出k-means聚类的1 ε近似值.     

基于8250的多机通信设计

分布式控制为一种常用的控制方式,要实现分布式控制,多采用主从式微机网络形式。本文主要介绍PC机与多个单片机之间的串行通信原理及其软硬件结构的实现。     

k-means聚类问题的改进近似算法

研究了Ostrovsky给出k-means问题的（1＋ε）-近似算法,针对算法中取样参数小的以及枚举数量大的不足,证明了可以选择一个更大的取样参数减小取样点集,基于随机算法,提出新的枚举策略减少枚举数量。本文分析了算法的成功概率。改进算法的期望时间复杂度为O（2O（kα2/ε）dn）,其中d、n分别为问题实例的空间维数和输入点个数,α是小于1的分隔系数。算法的成功概率为121-e-21εk（1-O（α））。与Ostrovsky给出的算法相比,算法的运算效率得到很大的提高。     

MPEC问题的精确罚函数法收敛性

应用精确罚函数方法,将MPEC问题转化为目标函数含有罚项的一般约束优化问题。当罚因子足够大时,该约束优化问题的极小点收敛于原问题的极小点。     

基于8250的多机通信设计

分布式控制为一种常用的控制方式，要实现分布式控制，多采用主从式微机网络形式。本文主要介绍PC机与多个单片机之间的串行通信原理及其软硬件结构的实现。