FICSAM:一种适用于大型适应性系统的单例学习方法

对该方法的步骤、影响因素及特征进行了描述。同时,分析讨论了先聚后得法在计算机免疫系统GECISM中的应用及实验结果。

机器学习在计算机免疫中的应用

机器学习研究的是通过经验自动改进的计算机算法。本文提出对FICSEM的一种改进方法:FICSEM2。FICSEM是一种单例学习方法。适合大数据集的运算,是基于实验、开放的方法。FICSEM2对FICSEM中规则提取算法进行了改进,在计算机免疫的应用中验证FICSEM2的提取规则质量。

一种综合的电器质量监控方法

燃弧时间是开关电器的一个重要参数,电器的可靠性和寿命直接受燃弧时间的影响。根据燃弧时间可将电器分级,而燃弧时间取决于材料、设计、运行和环境等诸多因素的影响。本文介绍了一种综合的电器质量监控方法,取燃弧时间的影响因素为样本属性,以燃弧时间确定样本类别,在同类别样本中利用FICSEM方法提取关键影响因素,并获得达到相同燃弧时间的影响因素组合。提高关键影响因素以提高产品质量,利用最优影响因素组合降低产品成本,规避生产风险,提高经济效益。

FICSEM2:先聚后得法的改进

FICSEM是一种单例学习方法,其思想为首先对样本进行聚类,然后对聚类进行规则提取,最后对生成的规则进行评价。FICSEM方法是适合大数据集运算的学习方法,其聚类方法、规则抽取方法的评价是基于实验数据的,可以改进。提出对FICSEM的一种改进方法:FICSEM2。FICSEM2对FICSEM中规则提取算法进行了改进,改进了K-mode聚类算法,以C5代替ID3算法。并构造了大数据集,验证FICSEM2的提取规则质量。

基于多级核化运动基元的人机交递轨迹模仿学习

针对人机交递任务中的机器人轨迹再现与泛化问题,提出一种基于多级核化运动基元的人机联合轨迹单例模仿学习算法。通过将一个空间子区域中学习到的人手与机械臂末端位置之间的非线性关系迁移至其他子区域,实现人机交递技能对整体交互工作空间的覆盖;对机械臂末端动作轨迹长度进行建模与调制,使得算法能在轨迹重现过程中适应机械臂末端轨迹的长度变化。在UR5机器人上的实验表明,相较于传统核化运动基元算法,多级核化运动基元算法避免了对完整人手位置空间区域进行等密度采样,消除了在对某一子区域内人手位置进行推理时其他区域采样点的干扰,将推理平均误差由7.11:cm降低至1.85:cm,预测平均时间由0.138:s降低至0.015:s,提高了预测精度和实时性,针对具有尺度差异的人机联合轨迹样本,将交递成功率由13.3%提升至100%,提升了算法的学习与适应能力。