基于模糊集理论的汉语指令识别

以模糊集理论为基础，提出了一种汉语指令识别的模糊语音描述和模糊匹配算法，在语音信号的时间规整中，使用一种改进的非线性帧数规整算法，在４０条指令的识别实验中，正确率达９３％以上。     

油藏类型识别的一个模糊数学模型

本文把油气藏分类问题归结为模式识别问题,然后应用模糊模式识别技术,以油藏烃类体系的化学组成为数据特征,采用模糊统计试脸法确定类型模式的隶属函数,建二了油藏类型识别的模糊数学模型,从而较精确地定份描述了诸如油藏、气藏、凝析气藏等概念之间界限不分明的现象.并用实例作了检脸。     

基于节点分析劈分法的多层油藏井间动态连通性分析

识别注采连通关系对油田开发方案制定及剩余油分布描述具有重要的基础作用,多层合采油藏注采量的准确劈分严重制约着井间连通性的精准识别。首先根据开井及储层改造等影响产量重要因素来确定劈分时间节点;再基于生产、射孔、封层、酸化压裂及产吸剖面等监测资料,采用“节点内线性内插,最后一个时间节点线性外推”的劈分法,进行注采量劈分;随后,基于阻容模型建立多层井间动态连通性模型,定量识别多层井间连通情况;最后根据实际生产资料建立判断系数,验证模型计算结果。应用该方法对实际油田的100余口井进行注采劈分,计算动态连通系数,通过示踪剂监测、判断系数进行验证。结果表明,动态连通系数与示踪剂监测结果吻合程度高,与判断系数拟合趋势好。该方法能有效提高多层油藏井间连通性识别精度,具有很好的实用价值,为同类油藏调整注采关系、制定剩余油挖潜方案提供了借鉴。     

经验型优化模糊识别的数学模型

本文给出优化的模糊识别模型,它是模糊识别的新方法,特别在经验系统的描述方面有重要作用．     

新场气田须二气藏单井气水层识别模型研究

川西新场气田须二气藏为典型的低渗致密碎屑岩气藏,由于地质条件复杂,储层非均质性严重,气水分布十分复
杂,束缚水含量较高,气层、气水同层电阻率界限模糊不清,测井解释往往造成很大误判。针对这一难点,应用基于粒子群
算法（PSO）的核主成分分析与支持向量机（KPCA–SVM）模型进行气水层识别。模型先通过核主成分分析（KPCA）进行
非线性属性变量提取,再将提取的属性变量作为支持向量机（SVM）的输入变量,在识别过程中利用粒子群算法（PSO）寻
优,最终实现气水层识别。将模型应用于新场气田须二气藏气水层识别,识别结果符合研究区的实际情况。     

kPCA特征提取算法的自动目标识别

分析了主成分分析（PCA）与核主成分分析（kPCA）的基本原理,比较了两者在处理数据方面的性能,得出了kPCA比PCA在处理非线性可分数据方面具有优势的结论．依据几何绕射理论（GTD）,通过Matlab仿真方法得到HRRP（高分辨距离像）数据,并以这些数据作为训练和测试样本,结合SVM分类方法,分别测试比较了基于4种不同核函数的分类识别性能,得出基于高斯核函数主成分分析的自动目标识别系统性能明显好于其他3种核函数的结论．     

基于KPCA和模糊核Fisher判别的语音情感识别

针对语音情感识别率不高和实时性差的问题,提出一种基于KPCA核主成分空间的模糊KFD算法,应用于语音情感识别。首先采用KPCA对语音情感特征向量降维去噪,根据转换矩阵得到核主成分空间,然后在该特征空间利用模糊C均值聚类计算语音特征向量的隶属度,进而对LDA算法中的类间离散度和类内离散度重新定义,生成模糊KFD分类器进行语音情感识别。仿真实验结果表明,提出的方法相比于传统SVM和核Fisher判别算法具有较高的识别率和良好的抗噪性能,是一种行之有效的语音情感识别新方法。     

基于主成分分析的目标确认方法及其在车标定位识别中的应用

提出一种基于主成分分析的目标确认方法,解决小目标定位错误率高,并由此导致无效目标识别的问题.将已建好的目标模板看成一组随机向量,利用主成分分析得到一组特征目标;从原图像中检测可能目标,并将其映入特征目标空间进行重构;构造原目标与重构目标的似真度函数,根据该函数值可对检测目标进行确认或剔除,降低误定位率,确保了进入后续识别的目标为目标库中对象.将该方法应用在实测车辆图像车标定位识别测试,结果表明:与不使用似真度函数验证相比,目标定位准确度提高了16.5%;使用不变矩最小距离分类器进行车标识别,识别准确度比不使用似真度函数确认提高了20%.     

基于人脸局部特征和SVM的表情识别

提出了一种基于人脸局部特征的表情识别方法．首先选取人脸重要的局部特征,对得到的局部特征进行主成分分析,然后用支持向量机（SVM）设计局部特征分类器来确定测试表情图像中局部特征,同时设计支持向量机（SVM）表情分类器,确定表情图像的所属类别．对JAFFE人脸图像数据库进行仿真实验．结果表明,该方法要优于一般的基于整体特征的人脸表情识别方法．     

基于模糊集IFScom的格贴近度及应用

针对格贴近度在模糊识别中的应用问题,提出一种基于模糊集IFScom的格贴近度(新格贴近度)。它不仅满足公理化的要求,并且区分了3种不同否定:矛盾否定、对立否定和中介否定。另外给出了新格贴近度在网络模糊分类中的应用实例,通过IFScom模糊集方法和经典模糊集方法的对比分析,新格贴近度在否定的区分、表示和模糊识别上是合理可行的。     

基于模糊点数据的核主成分分析

在核主成分分析中,给每个训练数据赋予一个置信权重,将训练数据视为样本空间的模糊点,研究了基于模糊点数据的核主成分分析.数值模拟表明,该方法能够有效控制异常点对主成分的影响.同时,该方法也为数据先验信息的利用提供了一个可行的途径.     

基于模糊点数据的主成分分析

主成分分析是数据压缩和特征提取的非常有效的统计方法.在经典的主成分分析中,每个训练数据在构建主成分时的作用是相同的.然而,在许多实际问题中,每个训练数据的意义和作用是不同的,对于重要的数据我们应给予充分的重视,而对于不可信数据(可能是异常数据)应限制其作用.文中给每个训练数据赋予一个置信权重,将训练数据视为样本空间的模糊点,研究了基于模糊点数据的主成分分析.数值实验表明,该方法能够有效控制异常点对主成分的影响,同时,该方法也为数据先验信息的利用提供了一个可行的途径.     

模糊数学方法评价南京城市生态系统健康形势

城市生态系统健康评价是当前热点研究问题。依据统计年鉴与公报资料,运用主成分分析方法筛选城市生态系统健康评价指标,同时结合模糊数学理论构建城市生态系统评价模型,进而对南京市2001~2011年间城市生态系统健康形势进行动态评价。研究表明:2001~2011年整个时间序列内,南京市城市生态系统健康状况总体呈现由健康水平向很健康水平缓慢过渡态势;11年间南京市较强的城市生态系统活力、组织结构和恢复力要素推动城市生态系统保持当前状态或进入更高级别健康状态,而生态系统服务功能和人群健康两要素总体健康状况不理想、波动性大,使得南京市城市生态系统总体健康水平得不到显著提升。     

基于混合神经网络的模糊辨识方法

提出一种简明而有效的基于混合神经网络的模糊辨识方法．与现有方法不同,该模糊辨识方法采用自组织神经网络和模糊聚类网络两部分组成的三层神经网络来实现．实验结果表明,该方法可以为模糊建模提供好的模型结构,并具有较高的计算效率和精度．     

一种基于主元递归分析法的多模糊逻辑系统的组合形式

根据多个模型相加可以提高整体预测精度和鲁棒性的思想，提出了一种具有递阶特点的模糊逻辑模型。该模型采用基于山峰函数的减法聚类算法，将样本数据集分成多组来进行局部模糊模型的建立和训练，大大提高了组合模糊逻辑模型的训练效率。各局部模糊系统的预测输出通过主元递归分析法（PCR）连接，解决了模型之间的严重相关性问题，增强了模型的预测能力，提高了模型的鲁棒性。仿真结果表明，组合多个模糊逻辑模型能够达到比局部模型更好的建模效果，并能有效的改善模型的预测能力和泛化能力。     

基于模糊逻辑法的粒子识别研究

毫米波雷达相比于微波雷达对云的探测具有更高的敏感性,本文利用Chilbolton观测场的94GHz毫米波云雷达的基本探测量,结合探空仪的温度廓线数据,根据Shupe总结得到的云粒子相态识别的阈值,采用模糊逻辑算法对一次实际探测进行了反演研究.该模糊逻辑算法采用的主要隶属函数为不对称的梯形函数,识别粒子的相态类别主要分成雨、毛毛雨、液态水、混合相态、冰、雪等6种,对比经典的阈值算法反演的过冷水区域结果后认为,本文所研究的模糊逻辑算法对云中水凝物粒子的相态识别分类基本合理,其反演的结果对于人工影响天气作业以及飞机安全飞行等方面具有重要的意义.     

基于动态模糊神经网络的非线性系统辨识

在分析模糊神经网络辨识特点及现状的基础上,设计了一种适用于非线性多输入系统的辨识模型。本模型将T-S模糊模型与5层动态模糊神经网络结构相结合,通过参数学习算法优化辨识结构,对辨识模型进行反馈调节,得到的辨识精度较高。另外,对输入数据采用归一化的方法进行预处理,加快了网络的辨识速率。最后,通过仿真实例证明了该设计的有效性,为模糊神经网络辨识结构的设计提供了一种新的思路和方法。     

基于模糊神经网络的水力机组模型辨识

根据水力机组可分段线性化的特性,提出了水力机组简易模糊语言模型。在此基础上,将反馈控制思想引入系统辨识,同时结合神经网络的易学习特点给出了基于模糊神经网络的水力机组模型结构及其算法。最后将所建模型运用于灯泡贯流式机组的在线预测。试验结果表明,该模型在线修正工作量小,并能迅速地、较为准确地逼近实际系统的输出,可以作为贯流式机组自适应控制的实时预测模型。     

时间序列与主成分分析的结构损伤识别

提出一种基于AR模型均方根误差主成分分析的结构损伤识别方法.首先利用检测数据建立AR模型,求得模型的均方根误差,然后,采用主成分分析的方法获得主成分载荷矩阵,将此矩阵经过数据标准化处理得到结构损伤特征指标.通过比较结构不同状态下传感器获得的损伤特性指标,进行损伤定位.最后,基于美国Los Alamos实验室三层框架结构模型的损伤实验数据,利用本文方法和基于AR模型系数损伤定位的方法对该结构各种损伤状况进行识别.2种方法的对比研究表明采用本文的方法,通过主成分分析排除外界干扰因素,减少运算量,具有更高的损伤识别精度.     

基于DRFNN的赖氨酸发酵生物参数估计

赖氨酸发酵过程是一个复杂的非线性强耦合动态过程,发酵过程中某些关键生物参数(如菌体浓度、基质浓度、产物浓度)难以实时在线检测.针对这些问题,建立了基于动态递归模糊神经网络(DRFNN)的赖氨酸发酵生物参数估计软测量模型.利用主元分析法建立发酵过程中在线不可测参数的软测量模型,应用动态递归模糊神经网络所具有的自学习、自适应能力以及对任意非线性的逼近能力,对该模型进行辨识,从而达到预测这些关键生物参数的目的.仿真结果表明该方法能够对赖氨酸发酵过程中不可在线测量的生物参数进行估计,且达到了较高的精度.