基于PCA和ICA模式融合的非高斯特征检测识别

针对无人船(Unmanned surface vehicle,USV)航行位姿观测数据的非高斯性/高斯性判别问题,提出一种基于主成分分析(Principal component analysis,PCA)和独立成分分析(Independent component analysis,ICA)模式融合的非高斯特征检测识别方法.首先,采用基于标准化加权平均和信息熵的数据预处理方法.其次,引入混合加权核函数并使用灰狼优化(Grey wolf optimization,GWO)算法进行参数优化,以提高PCA方法的准确性.同时,该算法采用一种新的非线性控制因子策略,提高全局和局部搜索能力.最后,建立了一种基于ICA和PCA联合的相关性分析方法来实现多维数据的降维,在降维数据的基础上综合T型多维偏度峰度检验法和KS(Kolmogorov-Smirnov)检验法进行非高斯性/高斯性特征检测识别.该方法考虑了非线性非高斯的噪声对降维结果精确度的影响,有效降低了多维数据非高斯检测的复杂度,同时也为后续在实际USV位姿估计等应用中提供了保障.实验表明,该方法具有较高的准确性和稳定性,可为USV航行位姿观测数据处理提供支持.

一个新的直觉模糊蕴涵算子

在直觉模糊集理论基础上,结合模糊蕴涵的概念,构造了一个新的蕴涵算子,证明了该算子满足边界性、正则性、单调性等一些重要性质.在此基础上,证明了该蕴涵算子和直觉模糊交运算可构成直觉模糊剩余格.

模糊空间中的直觉模糊粗糙近似

粗糙集和直觉模糊集的结合是一新的研究热点。在模糊近似空间中,结合模糊等价关系,构造直觉模糊粗糙近似算子,在γ算子和其余算子γ*的基础上,证明了这些近似算子的性质。在模糊近似空间中,给出λ上(下)近似以及αβ-截集的λ上(下)近似,证明了它们的性质;给出直觉模糊集的粗糙度ραβA和λ水平截集的粗糙度,并讨论了其性质。

基于新蕴涵算子的剩余格

定义了一个新的蕴涵算子,证明了该蕴涵算子能构成剩余格和可交换剩余格,还证明了BL-代数是可交换剩余格的特殊情况。

广义的直觉模糊蕴涵及剩余格

直觉模糊蕴涵是直觉模糊推理的重要基础,为直觉模糊集在不确定信息系统下推理和决策中的应用提供了理论基础。对直觉模糊蕴涵进行了研究。首先回顾了直觉模糊的有关基础知识,在此基础上构造了一种新的广义的直觉模糊蕴涵,证明了其单调性、边界性等系列重要性质,最后证明了该蕴涵可构成直觉模糊剩余格。

二级倒立摆的区间值模糊控制

为了提高倒立摆模糊控制的稳定性,研究了二级倒立摆的区间值模糊控制。根据区间值模糊集理论,由不同类型的隶属度函数构成区间结构,利用区间值模糊蕴涵建立控制规则,设计出二级倒立摆的区间值模糊控制器,并通过仿真与实时控制实验,对比分析了区间值模糊控制与点值模糊控制的性能。实验结果表明,区间值模糊控制具有更好的稳定性和鲁棒性。

区间集上的弱S-蕴涵

区间集是表达模糊信息的一种有效方法,蕴涵算子的研究是逻辑研究的关键,在区间集上构造蕴涵具有重要的研究价值。在区间集上构造了一个新的区间集弱S-蕴涵,证明了其正则性、单调性以及其他一些重要性质。最后证明了由它可构造剩余格,这为区间集的逻辑系统的建立提供了理论基础。

单级倒立摆区间值Trapmf-Trimf型模糊控制

给出了区间值模糊控制原理,选择Trapmf型和Trimf型的函数作为输入、输出变量的隶属函数,形成区间结构,设计控制器模块,进行了系统仿真与实时控制实验.实验表明:倒立摆的区间值模糊控制比点值模糊控制表现出较好的性能.

“错误”是一种课程资源

在新课程改革实施之际，对于一个英语教学中常见的问题——学习错误，我们有必要站在新的视角对其“价值”进行重新定位。学习错误是学习过程中正常而普遍的现象，它是一种来源于学习活动本身，直接反映学生学习情况的生成性教学资源。该如何利用“错误”这一资源？本文就此作一些初步的探讨。相信其最终收益者一定会是学生——使学生得到积极主动、生动有益的发展。

一种新的直觉模糊伪S-蕴涵

直觉模糊集在模糊推理、模糊评价、模糊控制和模糊决策中有很重要的应用,直觉模糊集的蕴涵构造研究是一个重要研究方向.在直觉模糊集理论基础之上,构造了一新的直觉模糊伪S-蕴涵,证明了其单调性、边界条件等系列重要性质,还讨论该蕴涵的一些代数性质.

粗集代数与蕴涵格、格蕴涵代数、剩余格

在重新定义补运算和构造新蕴涵算子的基础上，证明了偶序对〈R，～R〉不仅可以构成蕴涵格、格蕴涵代数、剩余格，而且可构成正则剩余格和MV-代数。