一种模糊神经网络的结构和参数的确定方法

结合FGP(Fuzzy Grid Partition,模糊网格划分)和FNN(Fuzzy Neural Network,神经网络)提出一种有效确定模糊神经网络模型中结构及参数的方法。该方法首先从样本数据中采用模糊网格划分确定出最佳规则数,从而可确定神经网络的结构;然后采用BP算法对神经网络进行调节,从而确定出模糊神经网络的参数。采用这种方法构建我国经济增长的模糊模型。研究表明这种方法构建的模糊神经网络具有更高的精度。

一种基于网格划分的模糊聚类算法

提出了一种改进的模糊聚类算法GBFC(Grid Based Fuzzy Clustering).在定义隶属度函数前先做网格划分,形成数据簇的基本形状,并提供真实的参数信息参与此后的隶属度函数定义.隶属度函数综合考虑了影响簇形状的因素,具有合理直观的几何意义且形式简洁.算法通过网格划分加速聚类过程,通过模糊隶属度函数容忍噪声数据,克服了传统模糊聚类算法时间耗费量大的缺点.实验表明该算法具有良好的聚类性能.

基于FCM和DTW的多分区电压支撑能力评估

电网规模的发展和负荷的增长使得不同分区无功电压情况的差异性增强,负荷中心区域电压稳定问题日益突出,而负荷较轻区域部分时段易出现高电压和无功过剩,亟需全面评估电网中多分区的无功电压状态,为全局无功协调控制及分区间互动支撑提供数据支持。鉴于此,文中提出一种基于模糊C均值聚类(FCM)和动态时间归整算法(DTW)的评估方法。该方法采用FCM对分区多个时间断面的指标数据进行模糊聚类,形成聚类中心并提取样本的平均特征;同时,利用DTW对聚类中心数据与参考样本进行模式识别,可评估出电网多分区的电压支撑能力。以某典型电网为例,验证所提评估方法的有效性。

基于模糊推理的近似最优映射武器目标分配研究

武器目标分配是武器预期生存价值分配问题,这一问题在战场上必须得到实时解决。考虑到组合的复杂性和严格的时间限制,提出了一种模糊决策方法以帮助指挥员决定武器分配。建立了概念模糊决策模型,对于一个给定的数据集通过使用扩展网格分区,基于灵敏度分析输入变量,对战场上的分配情况进行随机抽样测试仿真分析,结果表明该系统在战场上具有良好的性能。

一种仿人机器人行走距离预测方法

针对仿人机器人NAO实际行走距离受环境因素(如脚底打滑)和自身因素(如关节的反作用力)的影响,导致其与理论期望距离有一定偏差的情况,提出了一种基于自适应神经模糊推理系统的行走距离预测方法.通过获得NAO行走距离的相关数据,采用网格分割法,构建自适应模糊推理系统来预测机器人实际行走的距离.训练时采用网格分割、BP算法和最小二乘算法的组合优化.对训练后的系统进行了分析与测试,仿真实验证明了方法的有效性.

基于模糊聚类分析的电网分区研究

以电网节点为分类对象,通过雅克比矩阵中的电压幅值与无功的关系,定义灵敏度矩阵并形成电气距离矩阵,以此建立模糊相似矩阵,再利用模糊聚类分析的传递闭包法划分该矩阵的电压控制区域,并校验分区结果的有效性和可行性。