基于子空间划分的模糊系统模型辨识

提出了基于子空间划分的模糊系统模型（SPFS）,并给出一种针对SPSF的白适应模型辨识方法．应用遗传算法进行子空间划分方案的优化。降低了最大子空间的辨识误差,从而得到优化的模型辨识结果．理论分析和仿真计算证明了该模型的有效性．所提出的模型有助于缓解规则数爆炸问题．     

基于批量模糊学习矢量量化的模糊系统辨识

提出一种基于批量模糊学习矢量量化的模糊系统辨识方法．首先通过优化方法自动调整模糊指数,使所得到的模糊规则前件隶属度函数与聚类规则得到的隶属度函数相比具有较好的可解释性;然后针对模糊系统可解释性与精度之间的困境问题,为保证参数的可理解性．利用带约束的非线性优化方法调整后件参数．并用调整参数的界评估因优化造成参数恶化的程度．仿真实验表明,利用该方法得到的模糊系统模型具有较高的透明度,满足合理的精度．     

基于Windows的开放式数控系统的实现

论述了PC的开放式数控系统在Windows操作系统上的实现，以开发的数控切割机为例着重介绍了全软件型NC的软件结构，并讨论了在系统实时性方面的实现方案。     

基于结构风险最小化的加权偏最小二乘法

为了在偏最小二乘法(PLS)建模过程中实现结构风险最小化(SRM),提出基于结构风险最小化的加权偏最小二乘法(WPLS)。WPLS先提取训练样本中的主元,然后使用支持向量机(SVM)训练算法计算训练样本权值,最后计算原始论域中的回归模型。该算法保留了PLS能有效地提取对系统解释性最强的信息的优点,并通过样本权值提高模型的泛化能力,从而实现SRM准则,所建立的模型具有可解释性。仿真计算证明了模型的有效性。     

改进的基于子空间划分的模糊系统模型

针对模糊系统建模过程中实现结构风险最小化问题,提出改进的基于子空间划分的模糊系统模型（SPFS）.使用偏最小二乘法（PLS）建立初始模型,有效地提取对系统解释性最强的信息.通过ε不敏感函数和子空间划分,达到模型的置信范围与经验风险的折中.改进的SPFS能保证模型的可解释性,并实现结构风险最小化.仿真计算证明了该模型的有效性.