基于三角形模糊数的非线性T-S模糊系统的峰值点和分量半径优化

单值模糊器是将高维空间中一个实值点映射成该空间上的一个单值模糊集,在构造非线性T-S模糊系统时不仅可克服输入变量的噪声问题,而且能减少模糊推理机设计中的计算量.首先,基于分片线性函数和单值模糊器给出了非线性T-S模糊系统模型;并依据广义三角形的重心坐标公式,对等距剖分论域中的峰值点和分量半径等参数进行了优化;最后,通过模拟实例对系统进行了验证,得到优化后的非线性T-S模糊系统确实有更好的逼近效果.     

基于P-变论域模糊自适应PID的婴儿辐射保暖台温控系统研究

在模糊PID算法的基础上提出了一种多模态P-变论域模糊自适应PID算法,即P-VFPID(Proportion-Variable Fuzzy PID).首先采用阶跃响应法及Matlab系统辨识工具箱建立婴儿辐射保暖台床面的传递函数模型;其次利用偏差分级方法对专家经验确定的区间进行改进,分别得到输入输出伸缩因子的3个偏差区间,结合模糊算法和比例控制(P控制)构成了P-VFPID;最后运用Matlab进行仿真.结果表明,相较于普通PID算法和VFPID, P-VFPID具有调节时间短、超调量几乎为零、无稳态误差、抗干扰能力强等特点,应对婴儿辐射保暖台温控系统具有较好的自适应能力.     

一种自适应容错控制方法

提出了一种基于分布估计的自适应容错控制方法．该方法利用随机参数模型，并在建立自适应容错控制算法时将随机参数的概率分布估计引入控制系统性能指标，解决了系统运行模态参数不确定和系统运行模态变化不确定的问题．计算机仿真结果表明该方法可以对故障系统进行有效地容错控制     

一种基于FCM的噪声图像分割算法研究

针对噪声污染的图像进行有效分割困难问题,提出了一种基于模糊C均值的噪声图像分割方法.该方法首先应用离散小波变换(DWT)将图像进行分解获取不同尺度的小波系数;然后利用粒子群(PSO)算法自适应搜索最优的阈值对小波系数进行处理,将处理好的系数利用小波重构得到重构图像;最后利用模糊C均值聚类完成图像分割.该算法在Berkeley数据集上进行实验,结果表明与其他算法相比,该算法具有更好的性能.     

一种新型的自适应入侵检测系统的研制

针对当前入侵监测系统存在的自适应能力较差、扩展性差的问题，基于面向混合类型数据的快速启发式聚类算法FHCAM和属性约束的模糊规则挖掘算法ACFMAR，提出了一种采用数据挖掘技术的自适应入侵检测系统DMAIDS．该系统通过划分聚类的方法划分出异常入侵记录；模糊关联规则的方法提取入侵模式．通过对1999年举行的数据挖掘大赛所使用的10%子集进行实验，结果表明该系统平均检测率和平均误检率比大赛获得冠军检测方法准确率提高了近2倍，检测率从数据子集1的65．25％自适应提高到数据子集9的85．7％能自适应的检测各种攻击，表明该系统具有很好的应用前景。     

高维分层混合模糊系统的规则缩减及逼近性假设检验

混合模糊系统,即通过调控参数将Mamdani和T-S合并建立的一种新型系统模型.混合模糊系统不仅能保持各自模糊系统的优良特性,还可大大缩减系统内部的模糊规则总数.为避免因增加输入变量引发高维混合模糊系统规则爆炸,基于混合模糊系统的分层表示,给出了分层混合模糊系统对连续函数的逼近算法.对比发现,高维分层混合模糊系统的规则总数可被大幅度削减.此外,通过实例模拟了一个三维混合模糊系统分层后的实际输出,并用统计学的t-假设检验方法检验了该分层混合模糊系统的逼近性能.     

基于三角形模糊化的非线性T-S模糊系统对p-可积函数的逼近性

通过给定p-可积函数,引入了分片线性函数(PLF)的解析表达式.基于三角形模糊化、乘积推理机和中心平均解模糊化构造了一类新的非线性T-S模糊系统,在p-积分模下证得非线性T-S模糊系统对此分片线性函数具有逼近性,进而得到该系统对p-可积函数亦具逼近性能.     

基于视觉显著度的说话检测

现有基于视觉信息的说话检测方法中往往依赖预定参数或者阈值作为分类平面,鲁棒性差且泛化能力不强.针对这一问题,本文提出了一种基于显著度的视觉说话检测方法,利用像素的色彩信息和嘴唇的空间位置特性检测嘴唇,通过分析嘴唇运动和说话假设的关系,将图像能量作为特征,并结合经典的隐马尔科夫模型(hidden Markov models,HMM)和支持向量机(support vector machine,SVM)作为判决方法来进行检测.实验结果表明,本文提出的嘴唇检测方法正确率可达到92%.     

基于模糊产生式规则的企业供电网谐振故障诊断研究与仿真

针对大型企业供配电网随机谐振故障问题进行分析研究。建立了某企业供电网铁磁谐振非线性框图模型,仿真表明系统会产生铁磁谐振。由于谐振表现形式具有一定的模糊性,引入模糊方法,建立了故障征兆的模糊隶属度函数。提出了一种故障诊断的模糊表达式,及基于模糊产生式规则的故障     

Kirsch算子地质图像边缘检测算法并行化研究

针对大尺寸地质图像边缘检测算法计算密集和数据密集的特性,为提高地质图像边缘检测算法的计算效率,提出一种自适应阈值的Kirsch算子的边缘检测算法.从传统算法层面,通过减少运算次数以及针对阈值设定随机性较大的问题提出自适应阈值的方法对其进行优化.从算法并行层面,在CPU-GPU传输开销以及线程规模选取上分析优化.经测试,改进的算法比现有算法减少了计算量,获取的边缘更清晰,对大于2 048×2 048尺寸的地质图像加速比可以保持在80倍以上(不考虑传输开销可保持在300倍以上).该方法的并行较易实现,为实时在线的地质图像边缘检测提供了可能.     

非法计算故障的自动测试方法

基于对程序源代码的静态分析方法，针对程序中的非法计算故障，提出了一种自动测试方法．以非法计算故障的表现形式为基础，将静态分析程序源代码和识别非法计算的过程模型化，建立了静态检测非法计算所需的计算模型，将非法计算故障静态检测过程自动化，给出了非法计算自动测试算法．该方法通过对程序源代码的静态分析，实现了非法计算故障检测的自动化．实验结果表明，该自动测试方法能有效地提高检测非法计算的准确率和自动化水平．     

基于区间对偶犹豫模糊语言变量的VR在线购房顾客需求分析

针对属性值为区间对偶犹豫模糊语言变量的多属性决策问题,提出了一种基于区间对偶犹豫模糊语言变量Frank算子的多属性决策方法。首先,给出了区间对偶犹豫模糊语言变量的运算规则,提出了改进的区间对偶犹豫模糊集的得分函数、精确函数;其次,结合Frank-T范数和Frank-S范数,定义了区间对偶犹豫模糊语言变量Frank集结算子及其运算规则;最后,结合实际顾客需求问题,以VR在线购房为实例,将顾客需求的自然语言描述转化为区间对偶犹豫模糊语言,并运用区间对偶犹豫模糊Frank算子对顾客需求进行排序,验证了该方法的可行性和有效性。     

区域水土资源可持续利用评价的脉冲耦合神经网络(PCNN)模型模糊算法的构建与应用——以中国三江平原为例

针对三江平原水土资源区域特点,选择了20个指标,建立了水土资源评价指标体系和标准;对脉冲耦合神经网络模型(PCNN模型)进行了改进,提出基于模糊算法的F-PCNN模型,动态阈值等于区域水土资源评价标准的等级范围,省略了不必要的参数,减少了模型的复杂度,并应用于三江平原水土资源评价中.分析结果表明三江平原创业农场水土资源可持续利用评价等级为Ⅱ级,说明水土资源开发和利用较合理,可持续发展能力较强.应用结果说明F-PCNN模型在三江平原水土资源可持续利用评价中是可行的,既拓展了PCNN的应用领域,又为解决水土资源的分类、评价问题提供了新的思路和方法.     

关于K阶改进的Landau多项式

1.众所周知,C_[0,1]中函数f(t)可用 Landau的积分(多项式)来逼近.1961年Maмeдов,P.Г讨论了用k阶Landau积分来逼近L_(0,1)~p(P≥1)中函数的问题.1962年Radecki讨论了有限区间上连续函数f(t)用改进的Landau多项式     

基于区间T-球形模糊熵的TODIM-VIKOR多属性决策方法

区间T-球形模糊熵在区间T-球形模糊环境下的多属性决策问题中有着重要价值。为了更好地保留区间T-球形模糊集的模糊信息,首先提出了区间T-球形模糊数的得分区间、精确区间以及缺失区间,并基于此定义了新的区间T-球形模糊数的比较规则。然后结合上述三个区间,基于区间上连续香农熵函数的积分中值思想,提出了区间T-球形模糊熵公式,并分析了其满足的性质。最后,利用区间T-球形模糊熵确定属性的客观权重,并结合新的区间T-球形模糊数的比较规则,提出一种区间T-球形模糊TODIM-VIKOR方法。通过实例说明了基于区间T-球形模糊熵的TODIM-VIKOR方法的可行性和有效性,为解决区间T-球形模糊环境下的多属性决策问题提供了一种新的思路。     

基于D-S理论的分布式信任模型

针对信任二值性问题,给出了基于委托的信任模型和主观信任模型的信任系统的形式化描述,分析了信任系统中信任的传递和聚合的基本规则,提出并实现了信任传播过程中传递和聚合的计算模型,该模型通过基于证据的D-S(Dempter-Shafer)理论来表达信任度,支持对不同等级的精确度和对未知不确定性的描述,实现了对信任目标的不可知性处理和量化计算.仿真结果显示:当多推荐路径聚合时,该模型可以减小信任的不确定概率从而增加信任的可知性,对模糊投票有较好的处理,可有效地抑制Sybil和Whitewashing等攻击.     

一种检测范围自适应的目标跟踪算法

为处理目标的消失重现、形变及环境变化等问题, 要求跟踪算法有一定的检测与学习能力. 针对全局检测方法因冗余检测而造成检测效率低下的问题, 在基于P-N学习的跟踪框架的基础上, 提出一种自适应生成检测范围的目标跟踪算法. 通过引入卡尔曼滤波器(Kalman filter)对目标位置、尺度以及两者的变化速度进行预估, 在检测前根据预估信息自适应生成检测范围, 提高检测效率. 在公开的CoGD数据集上进行实验, 结果证明该算法较原始算法在准确度基本不变的基础上, 速度得到显著改善.     

基于数字图像处理的车牌定位与识别研究(英文)

研究了车牌图像的特征,车牌定位算法基于车牌图像颜色特征,选取适合的颜色模型进行车牌提取,将彩色车牌图像转化为灰度图像.采用基于矩的阈值选取方法进行图像二值化处理,Hough变换的方法对图像进行倾斜校正,最后对已预处理增强的图像进行Sobel垂直算子边缘检测,用阈值分割出前景,搜索出符合车牌字符特征的候选区域,对候选区域进一步分析得到牌照位置.提出并采用基于PCA-BP神经网络的字符识别算法对车牌进行识别,300ms内车牌字符识别率达97.5%,实验证明,在训练样本较少的情况下,该系统的识别率依然较高.     

具有动态阈值的人工神经网络

在研究神经元阈值作用的基础上,提出了神经网络中神经元的动态阈值选择作用和神经元之间抑制作用模型,研究表明,这种模型能降低应用对象模型的复杂性,简化网络运行的中间过程,修正二值输出函数的性能,使收敛速度和有效性得到改善.将这种人工神经网络用于求解TSP问题,显示系统还具有模拟退火作用的效果.     

一种去除椒盐噪声的自适应模糊中值滤波算法

针对传统中值滤波算法降噪性能不佳以及易造成图像细节模糊的问题,提出了一种自适应模糊中值滤波算法。 滤波过程分为噪声检测和噪声去除2个阶段。噪声检测阶段：采用极值法检测噪声,将图像的像素点分为两类,即疑似噪声点和信号点。 通过疑似像素点和与其相邻的已处理的像素点的平均绝对灰度差值定义模糊隶属度函数,利用该函数对疑似噪声点是否为噪声进行模糊分类。 噪声去除阶段：信号点保持原值输出,对于疑似噪声点的3种分类结果,采用模糊加权的中值滤波器进行统一处理。 实验结果表明,较于多种传统滤波方法,该算法能更有效地去除椒盐噪声,保护图像细节。