基于可变加权矩阵的机器人雅可比矩阵规范化

末端同时具有平移和转动自由度的机器人雅可比矩阵量纲不统一,导致灵活性指标计算困难,针对此问题提出一种简洁有效的基于可变加权矩阵的雅可比矩阵规范化方法。分析现有规范化方法的原理和不足,根据机器人灵活性的本质意义,提出使对应末端两类速度的雅可比矩阵行矢量有效相对化是雅可比矩阵规范化的核心问题。从雅可比矩阵条件数的定义和各向同性位形的要求出发,给出了雅可比矩阵规范化的一般思路和方法,定义了可变加权矩阵概念。可变加权矩阵直接由雅可比矩阵自身导出,并用于雅可比矩阵规范化,避免了现有方法需要引入额外参数的缺点和不便,也证明了灵活性是机器人的固有属性,与任何额外引入的参数无关。以6R机器人为例进行的理论推导,和以平面3R机器人和Puma560机器人为例进行的数值仿真,验证了可变加权矩阵方法的有效性。

基于可变加权的FCM聚类对煤炭城市分类的研究

提出一种样本之间相似系数确定的方法,用相似度矩阵替代传统的相似矩阵,近而确定初始聚类中心.在FCM法中引入了指标权重,并给出了迭代公式和相应算法.将改进后的FCM法应用到煤炭城市分类的实例中去,聚类结果对处在经济转型时期的煤炭城市相互借鉴发展有一定的参考价值.

基于遗传算法的可变加权FCM聚类方法改进研究

模糊C均值聚类(FCM)应用广泛,但是它容易陷入局部最优,且对初始值很敏感.利用遗传算法对模糊聚类中聚类中心的个数和聚类中心的选取进行了确定,然后在FCM法中引入指标权重,并给出迭代公式和相应算法.实验结果表明,该方法可以在一定程度上避免FCM算法对初始值敏感和容易陷入局部最优解的缺陷,使聚类更合理,效果很好.

旅游安全预警的加权可变模糊方法

针对目前旅游安全预警研究方面的不足,提出了一种基于粗糙集理论与可变模糊集理论相融合的加权可变模糊方法。首先利用粗糙集理论对旅游安全预警指标体系进行优化约简,建立了更为简洁合理的指标体系;其次利用二元比较模糊决策分析法确定各指标属性的权重;然后构建旅游安全预警的加权可变模糊综合评价模型;最后根据评价结果并结合2-型语言模型做出预警决策。研究结果表明:加权可变模糊方法是可行有效的,该方法在保证预警结果可靠性的前提下,简化了计算工作量,为旅游安全预警研究提供了一种新的思路和方法。

特征加权的模糊C聚类算法

参照文献[5]中将K-means聚类算法与特征权重优化相结合的方法,推导出FCM聚类算法与特征权重优化相结合的优化迭代公式,形成加权FCM算法。将加权FCM算法中计算聚类均值项的公式代入到计算隶属度的更新公式和特征权重的更新公式中,得到加权FCM扩展算法。由于这个扩展算法消去了均值项,它对于有序属性和无序类别属性的隶属度和特征权重的更新公式具有统一的形式,因此可以很方便地应用到混合属性数据集的加权聚类分析中来。该算法的收敛性分析与FCM类似,算法迭代结束后能给出一组优化的特征权重值。仿真实验结果与WKMeans算法的结果基本一致,说明该方法在优化混合属性数据集的特征权重时是有效的。

滑模变结构及PID组合调节器在PWM伺服系统中的应用

本文提出一种新型调节器方案－组合调节器。变结构控制器（ＶＳＣ）和ＰＩＤ调节器两种不同的调节器通过可变的加权因子组合起来，克服了ＶＳＣ在滑模线原点附近的高频颤动，提高了稳态精度。同时使直流ＰＷＭ伺服系统实现了无超调、无振荡，具有良好的鲁棒性和快速性，无静差和极强的抗扰动能力。调和了动态与稳态性能之间的矛盾。组合调节器用１台ＭＣＳ－５１单片微机实现。本文给出了实验结果。

组合预测方法在江苏省GDP预测中的应用

本文对灰色模型做了进一步的研究,建立了一个新的、预测精度较高的新灰色预测模型-"-基于指数平滑的对数函数-幂函数变换"模型,并利用此模型对江苏省GDP总量做出灰色预测,通过具体的实验发现该种预测方法短期预测的结果良好。针对单一的预测方法的误差相对较大的缺点,本文建立了基于上述方法与ARIMA方法的短期最优非负可变加权系数的组合预测模型,该种组合预测的方法充分利用了两种模型各自的优点,在很大程度上减小了两个模型的误差,并给出了江苏省2011年GDP预测值为48414.59亿元,与真实值48604.3亿元非常接近。

优化家庭收入结构能促进消费升级吗?

收入总量是影响家庭消费升级的重要因素,但不同收入来源对家庭消费的影响具有异质性。本文基于收入结构视角分析不同收入来源对家庭消费结构升级和家庭消费价格升级的影响。研究结果显示:收入结构对中国家庭消费升级具有很强的影响,收入结构的优化不仅可以促进消费结构的升级,还能加快家庭消费价格的升级。但这种促进作用在不同收入来源和收入水平的家庭中具有很强的异质性———工资性收入占比和财产性收入占比的提高有助于消费结构的升级和日常消费的价格升级,且财产性收入对两种消费升级的作用都更大,反映出财产性收入可以在消费升级中发挥更大作用;中、低收入家庭对当期的工资性收入依赖程度较高;相比城市家庭而言,工资性收入和财产性收入更有助于农村家庭消费升级,且财产性收入的提升作用更大。

VW-SAE:一种改进的光谱数据特征表示方法

针对高光谱图像维度高、目标特征提取不准确的问题,提出了一种可变加权堆叠式自编码器(variable-wise weighted stacked autoencoder,VW-SAE)的光谱数据特征表示方法。VW-SAE方法在堆叠式自编码器(SAE)的基础上,从每个AE的输入层中识别出重要的变量,通过对输出变量的相关性分析,将输出信息映射在AE目标函数的不同变量,引入不同的权值进行训练,逐层提取获得与输出相关的特征,并将其堆叠形成深网络。通过对每层网络权重的调控,在降低光谱数据维度的过程中,更好地提取光谱数据中的特征信息,进而提高了预测模型的精度。为验证方法的有效性,使用已采集的10248张水稻图像,在堆叠式自编码器结合全连接神经网络(SAE-FNN)的基础上,搭建了VW-SAE-FNN模型对水稻氮元素进行检测,实验结果表明该方法与SAE方法相比准确率明显提升。

3D T_(1)-SPACE高分辨率磁共振管壁成像诊断脑血管病的价值

目的:分析观察三维T_(1)加权可变反转角快速自旋回波(3D T_(1)-SPACE)高分辨率磁共振管壁成像在脑血管病诊断中的应用价值。方法:选择100例缺血性脑血管病患者行3D T_(1)-SPACE高分辨率磁共振管壁成像,根据有无症状分为有症状组(n=61)和无症状组(n=39),比较两组患者血管和斑块量化指标[病变层面血管面积(VA_(MLN))、病变层面管腔面积(LA_(MLN))、参考层面血管面积(VA_(RL))、参考层面管腔面积(LA_(RL))、狭窄率、斑块负荷、重构指数(RI)、偏心指数(EI)以及正性重构、偏心斑块、斑块表面不规则、斑块位置前壁比例],采用Logistic回归模型分析影响症状性动脉粥样硬化大脑中动脉狭窄的独立危险因素。结果:两组VA_(MLN)、LA_(MLN)、VA_(RL)、LA_(RL)、狭窄率以及斑块负荷比较,差异无统计学意义(P>0.05),有症状组RI、EI显著大于无症状组(P<0.05),正性重构、偏心斑块、斑块表面不规则以及斑块位于上壁位置比例显著高于无症状组(P<0.05);Logistic回归分析结果显示,管腔正性重构、斑块表面不规则以及斑块位于上壁位置是影响症状性动脉粥样硬化大脑中动脉狭窄的独立危险因素。结论:3D T_(1)-SPACE高分辨率磁共振管壁成像可有效评估脑血管病患者动脉斑块特征,症状性动脉粥样硬化大脑中动脉狭窄通常伴有管腔正性重构、斑块表面不规则以及斑块位于上壁位置特征,对预测患者发生脑血管意外风险和分级具有指导意义。

汽车发动机装配可靠性关键影响因素提取研究

针对汽车发动机装配可靠性低、产品故障频发及故障影响因素复杂多样的问题,结合粗糙集和加权可变模糊分析法,引入二元比较模糊决策分析法,提取影响发动机装配可靠性的关键因素。通过实例分析,验证本文方法的正确性和有效性,为指导主机厂在质量改善过程中高效制定预防措施提供理论指导。

基于NIRS的马尾松苗木根部含水量预测模型

【目的】马尾松是我国南方主要造林树种,其根部水分含量是评价树木活力的重要指标。本研究构建了一种基于近红外光谱(near infrared spectroscopy,NIRS)的马尾松苗木根部含水量预测模型。【方法】首先采集根部近红外光谱数据,然后利用可变加权堆叠自动编码器结合支持向量回归构建预测模型。可变加权堆叠自编码器用来逐层提取与输出相关的特征,支持向量回归根据自编码器生成的特征实现了含水量更精确预测。【结果】与其他常用模型的结果相比,提出的模型在马尾松苗木根部水分预测中可以达到最佳性能,校正集中决定系数达到0.970 8,均方根误差为0.635 8;预测集中决定系数达到0.941 3,均方根误差为1.027 0。【结论】基于近红外光谱技术,可变加权堆叠自动编码器与支持向量回归相结合可实现马尾松苗木根部含水量准确预测。