基于遗传算法优化的模糊神经网络车型识别

针对模糊神经网络中的隶属函数构造和推理规则建立两个难点,提出一种改进的遗传算法完成了隶属函数的自动生成和模糊规则的自动提取。其中采用的动态高斯变异算子,确保了进化初期有效地搜索解空间,进化后期则具有局部精确搜索的性能,提高了收敛速度,得到了精简稳定的模糊神经网络模型,并将其应用到客车车型的自动识别中,结果显示了该方法的有效性。

一种改进的支持向量机及其应用

针对传统支持向量机对噪声点敏感问题,提出一种改进的支持向量机。其基本思想是根据样本对分类贡献不同赋予相应的隶属度,贡献大的分配较大的隶属度,贡献小的分配较小的隶属度。与传统支持向量机比较,减小了噪声点对分类的影响,提高了SVM的泛化能力。并将其应用到车型识别中,结果显示该方法的有效性。

基于寿命特征的模糊遗传算法(英文)

在知识发觉中遗传算法已经广泛应用于分类,模型选择和其它优化问题.但是它的行为和表现却直接受其输入参数值(如交叉概率和变异概率)的影响,不合理的参数设置通常会导致许多问题比如早熟问题.为此有的学者提出用自适应技术在算法过程中自适应调整这些参数,但这并未对遗传算法产生整体的改善,因为参数设置是依赖于具体问题的.提出了基于染色体个体寿命特征的遗传算法,用模糊逻辑控制器自适应调整交叉概率和变异概率.这个方法加强了遗传算法的全局搜索能力,很好的解决了早熟问题.将本算法和标准遗传算法及自适应遗传算法比较,仿真结果表明本算法在克服早熟问题上的明显优势.

组合型自适应模糊控制器的设计与分析

充分利用被控对象与控制行为的知识,为一类非线性系统设计一个组合型自适应模糊控制器。它的主要特点是设计一个自适应补偿器来减小建模误差和参数估计误差对系统性能的影响。在不要求最优逼近误差平方可积和上界已知的条件下,证明闭环系统全局渐近稳定,所有信号有界且跟踪误差收敛到零。

基于重叠度增量的模糊聚类有效性函数

提出用重叠度来刻画模糊类间的距离,在此基础上针对模糊划分总重叠度有随类数增加而单调递增的趋势,提出基于重叠度增量的聚类有效性函数。该算法由重叠度增量最大值来确定最佳聚类数,不但克服了传统有效性函数的单调问题,而且计算简单。基于模糊C-均值聚类算法(FCM),应用多组测试数据对其进行性能分析,并与当前广泛应用且具代表性的有效性函数进行深入比较。仿真结果表明,该函数的有效性和优越性。

一种改进的车牌字符分割算法及Matlab实现

针对传统分割法在分割含有"U""H"字符车牌时的不足,提出了一种改进的基于垂直投影特征值的分割算法.预处理中提出的细化后投影找边框中心位置的方法有效地去除了边框,同时在分割中提出的基于投影特征值的分割方法解决了传统投影法将"U""H"字符分割成两部分的缺点.实验结果表明,该方法能够快速找到字符之间的最优分割点,准确率高,抗干扰能力强,在实际应用中取得了很好的效果.

可激发气体振动弛豫时间的两频点声测量重建算法

振动弛豫时间是可激发气体分子内外自由度能量转移速率的宏观体现,它决定了声吸收谱峰值点对应的弛豫频率.本文给出了等温、绝热定压和绝热定容三种不同热力学过程下振动弛豫时间的相互关系;基于Petculescu和Lueptow[2005 Phys.Rev.Lett.94 238301]的弛豫过程合成算法,推导了单一压强下两频点声测量值的弛豫时间重建算法.该算法可应用于等温、绝热定压、绝热定容弛豫时间和弛豫频率的重建测量,并避免了弛豫时间传统声测量方法需要不断改变气体腔体压强的问题.仿真结果表明,对于室温下CO_2,CH_4,Cl_2,N_2和O_2组成的多种气体,重建的弛豫时间和弛豫频率与实验数据相符.

端羟基聚丁二烯液体橡胶的环氧化研究

采用过氧甲酸原地法对端羟基聚丁二烯液体橡胶(HTPB)进行环氧化,通过过氧化氢消耗率、环氧值及开环几率详细讨论了反应温度、反应时间、原料配比等因素对环氧化反应影响的规律。并对环氧化产物(E HTPB)的固化性能进行了研究,实验表明EHTPB用于环氧树脂改性时有较好的共混相容性,能显著提高环氧树脂固化物的柔韧性和耐热性。

一类非线性系统的组合自适应模糊控制

针对一类单输入单输出非线性系统提出了一种稳定的组合自适应模糊控制方法.该方法充分利用被控对象和控制行为知识,采用自适应补偿控制补偿逼近误差,在不要求最优逼近误差平方可积的条件下证明了闭环系统渐近稳定.仿真结果表明提出的方法具有良好的跟踪性能.

利用交叉验证准则选择线性模型

考虑建立在交叉验证准则基础上线性回归模型的选择问题.对原来的交叉验证准则进行改进,通过增加惩罚函数来解决交叉验证过程中模型过度拟合问题,从而提出一个新模型选择准则.在一定的假设条件下,新准则确定的模型具有强相合性并且在样本容量充分大时能得到最小的真实模型.本文证明新准则确定的模型在一定条件下具有强相合性,并给出一般条件下模型选择准则.

行动导向教学法在高职临床《生物化学》教学中的应用

行为导向教学法以学习理论为基础,寻求学习的最佳效果,采用如角色扮演法、案例法等具体方法,坚持学生的主体地位,精心设计教学,将生物化学的理论与实践有机紧密联系,促进学生掌握牢固的理论知识与基本技能。

案例分析式教学在高职生物化学教学中的运用

生物化学作为一门重要的医学基础学科是连接基础课与临床课的桥梁,在医学教学中具有非常重要的作用。然而,该学科概念抽象,分子结构繁多,代谢途径错综复杂,长期以来,生物化学是学生普遍认为较难掌握的基础课程之一,在教学中如不研究教学方法,学生会感到抽象、枯燥、乏味、无兴趣,限制了学生的思维活动。

构造消环的LDPC码

LDPC(Lower Density Parity Check)码是一类可以用非常稀疏的校验矩阵定义的线性分组纠错码.由于LDPC码校验矩阵的规律性可以用二分图表现出来,二分图中的环路也会影响到迭代译码的准确性和有效性,尤其是短环.本文给出了一种有效消去周长为4的短环的校验矩阵H的生成算法,并且对该算法构造的校验矩阵进行了仿真分析.

基于二进制序列构造非规则LDPC码

提出了利用二进制序列构造的非正则低密度校验码的新颖简单的方法.仿真结果表明这种方法构造的低密度校验码在高斯白噪声信道BPSK调制下的迭代译码性能很好,并且在没有环长度为4的情况下具有较好的码重分布特性.

呈现病态的设计矩阵之下回归系数的优化估计

在均方误差(MSE)准则下,给出了设计矩阵呈现病态时回归系数的分段优化估计,以及扩大了狭义岭估计类的范围.

广义的Kantorovich不等式

在Bloomfield-Watson定理的基础上,得出了Kantorovich不等式的推广.

生长曲线模型中回归系数阵的一类线性估计的优良性

设生长曲线模型为Yn×p=An×mBm×kCk×p+En×p,E^N(0,σ2InIp).当ATA为病态时,令回归系数阵的最小二乘(LS)解和一类线性估计分别为■=(ATA)-ATYCT(CCT)-1和■1=(ATA+ρ∑)-1ATYCT(CCT)-1,其中ρ>0为常数,∑为正定阵.分别在ATA和∑的可交换性未知和已知的情形下证明了在适当条件下■1在PC准则下优于■.并将这一结论推广到ATA和CTC都是病态时的情况.

两步Stein估计及其在Pitman准则下的相对优良性

在参数估计问题中,通常会遇到这样一类估计,在它们的表达式中含有未知参数,于是在实际应用中将该未知参数用其某一估计代替从而产生了两步估计,但是该两步估计在原来所依据的准则下一般不再具有优良性质;而本文目的是从保护的角度,试图在其它准则下解释两步估计的优良性.我们以两步Stein估计为例,给出了它在Pitman准则下仍具有优良性的结果.

探讨如何提高生物化学课堂教学质量

生物化学的理论和技术已渗透到医学的各个领域,而且许多疾病的发病机制也需要从分子水平加以探讨。所以,在医学领域中生物化学作为一门基础课,它的地位越发显得重要起来。

基于图正则化概念分解的网络入侵检测研究

作为一种有效的主动探测网络恶意攻击防护措施,入侵检测在变电站信息系统安全防护中得到了广泛的应用.但实际网络入侵数据类型的多样性、非负性和高维度性等特点使得现有方法存在检测率低、误报率高等不足.基于非负矩阵分解的方法在入侵检测上取得了较好的效果,却忽略了嵌入在数据局部的几何结构和标记信息.为此,本文提出一种基于图正则化约束的概念分解算法.通过将数据的几何结构和标记信息同时作为约束条件,建立了一种新的概念分解模型,并提出了迭代更新求解算法.通过在网络入侵数据集KDD99上的实验验证,其结果展示了所提算法的有效性和鲁棒性.