不确定对象的人工神经网络自学习控制方法

利用模糊控制的思想，将误差、误差变化及加速度作为输入，建立一个神经网络控制器，对具有不确定性控制对象提出了一种自学习模糊神经网络控制方法．

一种面向不确定对象的可见k近邻查询算法

真实世界中,常存在很多障碍物,影响空间对象到查询点的可见性及距离,可见k近邻查询查找距查询点最近的k个可见对象,是时空查询领域的一类重要算法.由于度量设备误差以及通信开销的限制等因素,空间对象位置不确定因素广泛存在.文中拟对不确定对象执行可见k近邻查询,提出了概率可见k近邻(PVkNN)查询,即查找前k个成为查询点最近邻居概率最大的节点.为了高效地执行这一查询,文中提出了k-界限剪枝方法,基于可见质心的紧缩过滤以及对不可见对象的剪枝策略,从空间角度过滤掉不符合条件的对象.为避免对候选集合中每个对象的概率都进行精确计算,从概率角度提出了根据概率上下限来对候选集合进行进一步的求精方法,采用近似采样技术来获取可见区域的比例,实现了对PVkNN的高效计算.采用真实和模拟数据集设计实验,充分验证了算法的效率和精度.

基于道路网络不确定移动对象的连续概率Skyline查询

Skyline查询是基于位置服务LBS的一项重要操作,其目的是发现数据集中不被其它点支配的点的集合。对道路网络环境下移动对象的连续概率Skyline查询进行了研究。在对道路网络和移动对象建模的基础上,定义了基于道路网络的数据间支配概率和Skyline概率的表示方式,提出了两类可能引起p-Skyline集合变动的event事件,并提出4条剪枝方案进行优化。在此基础上,设计了对网络受限的不确定移动对象进行连续概率Skyline查询的动态增量算法U-CPSQRN。该算法通过对event的跟踪计算实现了对p-Skyline的连续更新操作,减少了算法的查找和计算开销。实验结果显示了算法的有效性。

不确定移动对象的概率反向最远邻查询算法

随着无线通信和定位技术的不断发展,对移动对象的位置服务提出了更高的要求.由于感知设备的限制以及数据更新延迟,使得实际得到的数据具有不确定性.为了有效的发现大量存在的边界区域内不确定移动对象对广泛分布的全局查询对象所产生的影响,提出了概率反向最远邻查询算法,以解决不确定移动对象的弱影响集问题.给出不确定移动对象数据模型、空间支配定义以及概率反向最远邻查询的形式化定义,检索那些比给定概率值高的查询对象的反向最远邻的不确定移动对象.提出了TSF算法和TSR算法,能够有效过滤候选集,加速查询效率.实验结果验证了算法的有效性.

支持频繁位置更新的不确定移动对象索引策略

移动数据采集和处理技术的迅速发展给研究人员提出了新的应用需求,如何在频繁位置更新应用中索引不确定移动对象的当前及未来位置信息成为当前的研究热点之一.TPU树是针对不确定移动对象的当前及未来位置信息索引的策略,其具有较高的概率域查询效率,但是其采用的传统自顶向下更新算法,存在频繁位置更新效率低下的问题.通过在TPU树上增加一个记录不确定移动对象状态特征的更新备忘录(UM)内存结构,文中提出了一种支持频繁位置更新的不确定移动对象索引策略TPU2 M树,并在此基础之上提出了一种改进的基于备忘录(MMBU/I)的更新/插入算法.代价分析和实验仿真表明,采用MMBU/I算法的TPU2 M树频繁更新性能大大优于TPU树和ABx树索引,且概率查询性能与传统索引大致相当,因此具有很好的实用价值和广泛的应用前景.

参数不确定对象的模糊非线性PID控制方法

针对传统 PID 控制不能同时获得较佳的动静态性能和一些非线性 PID 控制需构造合适的非线性函数和附加参数调整等问题,提出了将一维模糊控制器与 PID 控制器相级联构成了一个新型模糊非线性 PID 控制器。该一维模糊控制器只需用五条控制规则,实现了输入与输出的非线性增益关系,并且模糊非线性 PID 控制器利用原有的 PID 控制参数,易于实现。同时针对一类参数不确定的被控对象。

不确定对象的自学习模糊神经网络控制方法

本文对具有不确定性控制对象提出了一种自学习模糊神经网络控制方法模糊控制器采用误差，误差变化及误差加速度的加权和的解析描述形式，利用人工神经网络直接对过程的建模，实现对模糊加权因子的自学习优化调整将上述方法用于焊接熔池动态过程控制实验。

“对象的确定性”的整体性阐释

继2014年《强制阐释论》之后,张江教授又推出《再论强制阐释》一文,把中国阐释学建构推向深入,并使对西方强制阐释的批判锋芒更加犀利。“对象的确定性”被逻辑地置于阐释起点位置,并通过“整体性意义”这一重要中介范畴的建构,使阐释的确当性与强制阐释的非确当性得以进一步厘清。心理学的期望与动机论的引入,明晰了强制阐释的心理机制,揭示出阐释运作的复杂性,使阐释学得以在更高层次的具体研究中展开。随之,一个重要的阐释学论题被令人瞩目地显示出来,即本体论阐释学与主体论阐释学的建构及交互关系的阐发。

一类不确定对象的两自由度H_∞控制

本文针对具有输出端乘性不确定性这一类对象 ,推导出了在两自由度H∞ 控制结构中 ,为使系统同时具有稳定鲁棒性和性能鲁棒性 ,两个控制器应满足的一个充分条件 ;在此基础上将两自由度H∞ 控制问题转化为标准控制H∞ 问题 ,给出了一种两自由度H∞

国家监察对象的确定标准新议——以《中华人民共和国监察法》第15条为中心

《监察法》规定的监察对象范围非常广泛,应从做出直接规定的《监察法》第15条入手,把握监察对象的确定标准,以明确监察对象的实质内涵。结合立法背景和条文的词语构造分析,国家监察对象的确定标准可以理解为:其一,公权力标准是基础标准和核心标准,第15条所有监察对象都依之确定;其二,存在行为标准和职务标准两个辅助标准,对应第二项至第五项所指的监察对象;其三,第六项“其他依法履行公职的人员”依照特殊的行为标准确定,特殊性在于行为须具备合法性前提。

不确定对象的反向最近邻查询研究

确定对象在空间数据库研究中受到人们的重视,不确定对象的反向最近邻研究成为研究热点。文中给出不确定对象反向最近邻查询的形式化表示,将其称为可能反向最近邻查询,即为检索所有可能成为给定不确定对象的反向最近邻的可能性大于给定阈值的不确定性对象。提出基于各种剪枝规则的算法,解决多维不确定对象的可能反向最近邻查询问题。

参数不确定对象族的鲁棒镇定及p.i.p.半径的计算方法

研究了具有不确定参数的对象族 P( s,︾)的鲁棒镇定问题 .给出了对象族可镇定的充要条件——另一个对象族 G( s,︾)是可镇定的 .对象族的强可镇定含有两个条件 :1不能有不稳定的零极点相消 ;2所有对象要满足p.i.p.( parity interlacing property)条件 .为了确定给定对象族是否强可镇定 ,引入了 p.i.p.半径概念 ,并采用根轨迹方法分析了 p.i.p.条件及 p.i.p.半径的计算方法 .

基于多线程的不确定移动对象连续k近邻查询

针对不确定数据下的大规模连续k近邻查询请求,基于不确定移动对象连续k近邻查询的Rate方法,提出高效的基于多核多线程的并行查询处理框架.根据查询对象的运动速度与相对位置确定查询请求间是否采用查询复用,确定查询复用时的距离边界.提出密度网格扩展的多线程数据分发方法,解决了负载均衡问题,将空间位置相邻的查询请求划分到同一线程,提高查询复用率.通过多线程间的内存共享机制,对计算过的移动对象的预测区域实现计算复用.在大规模交通数据集上验证了所提算法的有效性与查询性能,相比传统的Rate方法,所提并行算法的加速比可达37.

不确定性会计对象的因素分析与处理

不确定性会计对象是客观存在的，但由于经济业务的复杂多变性，对它们的具体处理进行规定不仅现实意义不大．而且很难满足会计实务的要求。因此，对不确定性会计对象可仅作原则性的要求，以引起会计人员和信息用户的高度重视。在实际工作中，随着会计人员业务素质的不断提高和相关法规的不断完善，不确定经济事项在未来一定时期内应当由会计人员根据实际情况进行适当处理。

不确定性会计对象对财务会计的影响分析

财务工作对于一个企业来说有着至关重要的作用,是保证企业财务健康的重要岗位,在当前的财务会计之中,往往会遇到不确定性会计对象,这种情况下,结果往往无法预测,导致财务会计工作难以达到预期的效果,给出的数据可能无实际的意义,对于财务工作而言,这种不确定性是无法容忍的,虽然能够采用一定的方式减少这种影响,但是对于财务本身而言有着巨大的不利影响,所以文章主要对不确定性会计对象对财务会计的影响进行分析,希望对相关的从业人员有一定的参考作用。

基于可达概率区间的不确定决策树

针对不确定数据的概率分布难以获取的客观实际,讨论了缺失概率分布的值不确定离散对象的决策树。定义了(条件)概率区间,并证明了(条件)概率区间是可达概率区间;基于可达概率区间,定义了(条件)熵区间,并给出了求解(条件)熵区间的上/下界的方法;采用条件熵区间作为属性选择度量,提出了一种新的不确定决策树,将以0-1划分对象的决策树扩展到以概率区间分配对象的决策树,这样不仅可以处理缺失概率分布的值不确定离散对象,也可以处理确定离散对象。通过在基于UCI数据集的不确定数据集上的实验,证实了不确定决策树是有效的。

基于不确定Voronoi图的概率组最近邻查询

为了有效解决不确定对象的组最近邻查询问题,对不确定Voronoi图进行分析,提出单核不确定Voronoi区域和多核不确定Voronoi区域的概念,研究查询组对象的分布特点,利用不确定Voronoi图的性质,给出判断概率组最近邻的理论方法,并提出基于不确定Voronoi图的概率组最近邻查询算法,实验结果表明,算法的查询时间明显减少,具有较好的查询性能。

基于Lyapunov稳定理论的大时滞不确定过程参数自适应时滞补偿器

本文提出了参考对象的参数自适应时滞补偿器,该补偿器用一族模型拟合大时滞不确定过程。以大时滞不确定被控过程为参考对象,基于Lyapunov稳定理论综合出自适应律,使预估补偿器的参数逐渐逼近被控过程的参数。仿真研究表明,在参数不匹配的情况下,时滞补偿器有良好的自适应跟踪能力。