基于模糊核学习矢量量化的Sammon非线性映射算法

提出了一种基于可靠稳定的模糊核学习矢量量化(FKLVQ)聚类的Sammon非线性映射新算法。该方法通过Mercer核,将数据空间映射到高维特征空间,并在此特征空间上进行FKLVQ学习获取数据空间有效且稳定的聚类权矢量,然后在特征空间和输出空间上仅针对各空间的数据样本和它们各自的聚类权矢量进行Sammon非线性核映射。这样既降低了计算的复杂度,又使数据空间和输出空间上数据点与聚类中心间的距离信息保持相似。仿真结果验证了该方法的可靠性和稳定性。

混合Neural-Gas网络和Sammon映射的数据可视化算法

与SOFM,最大熵聚类,K均值聚类相比,"Neural-Gas"网络算法具有收敛速度快、代价误差小等优点。但"Neural-Gas"网络用于非均匀分布的线性或非线性数据集进行降维或可视化时,输出空间上固定有序的神经元表现出极不理想的距离信息。为此,该文根据归一化概率自组织特征映射的基本思想,提出混合"Neural-Gas"网络和Sammon映射的新方法来解决此问题,通过"Neural-Gas"网络算法进行特征聚类以降低计算复杂度,通过Sammon映射保持输入空间和输出空间上神经元间的距离相似性。仿真结果表明,该混合算法对合成数据集或现实数据集的可视化能够取得较理想的效果,从而验证了该混合算法的可行性和有效性。

一种用于DGPS整周模糊度解算的混合策略麻雀搜索算法

针对麻雀搜索算法(SSA)在计算差分全球定位系统(DGPS)整周模糊度过程中出现的全局搜索能力弱、易陷入局部最优等问题,提出了混合策略麻雀搜索算法(HSSSA)。首先,通过引入Circle混沌映射初始化种群,提高初始种群的多样性,增强算法的全局寻优能力;其次,将粒子群算法中各个粒子的速度策略引入发现者位置更新公式中,提升算法寻优能力;最后,使用高斯变异策略对最优麻雀位置进行扰动,增强了跳出局部最优的能力。将所提算法应用于9个不同特征的基准函数进行实验,结果表明,HSSSA算法有着良好的寻优精度和收敛速度。在GPS/BDS实测数据的3000个历元的解算中,相比传统LAMBDA算法和SSA算法,HSSSA算法有着更高的解算成功率,可达99.2%。

基于混合策略改进鲸鱼优化算法的模糊时间序列模型

近年来研究者们提出了许多基于模糊时间序列的预测模型,并发现论域划分机制和去模糊化预测方法是影响模型预测精度的主要因素。对此,提出了一种混合模型,将改进鲸鱼优化算法用于论域划分,提出一种基于次序和时序的平均加权算子优化去模糊化预测方法。在Alabama大学入学人数数据集上进行仿真实验,与国内外相关研究进行横向分析。结果表明,改进鲸鱼优化算法在收敛速度、求解精度都有很大程度提升;混合模型与基线模型对比时,训练阶段和预测阶段都获得了最小的均方根误差(RMSE)和平均绝对百分比误差(MAPE),训练阶段对照基线最优模型,RMSE减少21.1%,MAPE降低0.28%。

改进布谷鸟算法的永磁同步电机多参数辨识

为解决PI控制器依赖于准确的电机参数且传统PI控制器效率不高、稳态误差大的缺点,采用模糊PI控制器替代永磁同步电机矢量控制系统中的传统PI控制器,采用改进的布谷鸟算法,以实现对电机多参数的精确辨识。通过Logistic-Tent映射构造随机衰减惯性权重,并采用高斯分布改进步长因子和指数函数构造动态发现概率,采用多样性维持策略,在一定程度上改善了标准布谷鸟算法收敛速度慢和后期易陷入局部最优解的问题,从而使改进的布谷鸟算法对电机多参数的辨识更加精确。改进的布谷鸟算法只需采集模糊PI控制下电机的转速,定子电压和电流信号就可精确辨识电机参数。仿真实验表明:改进的布谷鸟算法对多参数的辨识收敛速度更快精度更高,对改善电机性能具有重要意义。

基于ISCSO-BP-PID的SMB组分纯度模糊解耦控制方法研究

针对模拟移动床色谱分离系统中存在的强耦合、多变量、非线性和时滞等问题,提出了一种基于改进沙猫群优化算法的BP神经网络自调整PID参数的模拟移动床组分纯度模糊解耦控制方法。该方法首先通过模糊解耦消除了A、B组分纯度控制回路之间的耦合,然后结合改进的沙猫群优化算法和BP神经网络,实现了PID参数的自适应调整,从而有效控制A、B组分的纯度。在改进的沙猫群优化算法中,引入了Cubic混沌映射来初始化沙猫种群,以提高种群分布的均匀性;在搜索猎物阶段加入了可变螺旋搜索策略,使沙猫群拥有更多的搜索路径来调整自身位置;同时,融合了麻雀搜索算法的警戒机制,以加速算法的收敛速度。通过对12个CEC2022测试函数进行验证,证明了改进沙猫群优化算法的有效性。仿真结果表明,所提方法不仅能够有效消除A、B组分纯度控制回路间的耦合效应,而且在各个实际应用场景中均展现出卓越的性能。与传统的PID控制方法相比,在流量突变情况下,调节时间分别缩短了75.40%和77.57%,超调量分别减少了91.84%和81.96%。该方法具备较强的抗干扰能力和良好的鲁棒性,显著改善了整个系统的控制性能。

基于多策略融合算法的无刷直流电机控制研究

为了解决复杂情况下模糊规则难以制定的问题,在沙猫群算法基础上,融合高斯随机游走策略、麻雀算法的警戒机制及混沌映射对算法进行优化,测试表明多策略融合算法优于对比算法;对模糊规则进行十进制编码,实现算法迭代寻优;将优化方法用于无刷直流电机调速系统并进行仿真实验。结果表明,优化模糊规则后的模糊PID控制具有更好的控制性能,验证了所提模糊规则寻优方法的有效性。

基于模糊C均值聚类的环境感知推荐算法

针对现有环境感知推荐算法存在的不足,提出一种基于模糊C均值聚类的环境感知推荐算法.首先采用模糊C均值聚类算法对历史环境信息进行聚类,产生聚类及隶属矩阵;然后匹配活动用户环境信息与历史环境信息聚类,采用聚类隶属度作为映射系数将符合条件的非隶属数据映射为隶属数据,最终选择与活动环境匹配的隶属用户评分数据为用户产生推荐.同现有算法相比,该算法不仅解决了因用户环境改变不能准确推荐项目的问题,而且通过采用模糊聚类算法克服了传统硬聚类问题,并且借助于隶属映射函数解决了聚类产生的数据稀疏性问题.在MovieLens数据集上比较了新算法和其他算法的性能,验证了所提算法的有效性.

混沌模糊神经网络算法在注塑机温度实时控制中的应用

利用混沌映射改进模糊神经网络各层参数,通过改进的模糊神经网络算法优化注塑机温控系统的PID(Proportion Integration Differentiation)比例积分微分反馈参数,混沌算法解决注塑机由于工艺型号等的不同而产生的控制差异性,模糊神经网络算法解决传统PID控制的不足之处。搭建了MATLAB矩阵实验室(Matrix Laboratory)仿真平台,通过对比实验验证了算法的优越性,减小了系统的超调量和控制时间,使注塑机的控制效果明显得到改善。

基于Tent映射NSGA-Ⅱ算法的微电网多目标优化方法

为提高微电网运行的经济性、降低网络中的碳排放量和有功功率损耗,提出了一种基于Tent混沌映射NSGA-Ⅱ算法的微电网能量优化管理方法。该方法采用双层能量优化管理:上层采用模糊管理系统确定微电网运行模式,下层采用改进NSGA-Ⅱ算法对能量进行优化管理。首先在多约束条件下,建立以微电网运行经济性、网络中碳排放量和有功功率损耗为目标函数的多目标优化数学模型。其次在多目标优化数学模型求解过程中,引入Tent混沌映射方法来增加NSGA-Ⅱ算法的种群多样性,以提高算法的全局搜索能力,同时利用隶属度函数确定微电网能量优化管理策略。最后运用欧洲一典型微电网作为算例,验证本文所提基于Tent映射NSGA-Ⅱ算法的合理性和有效性,仿真结果表明:改进NSGA-Ⅱ算法具有良好的优化效果,使得微电网运行的经济性较传统算法提高了14.55%;碳排放量减小了3.10%,可实现对微电网多目标的优化。

基于动态模糊混沌粒子群算法的含电动汽车微电网多目标优化调度研究

提出一种基于动态模糊混沌粒子群算法的微电网多目标优化调度方法.利用动态目标函数与模糊理论解决多目标主观权值的缺陷,建立以运行维护成本、环境污染物成本为目标的微电网多目标调度模型.微电网多目标优化调度属于多变量、强非线性优化问题,针对传统粒子群算法求解时容易陷入局部最优等问题,在粒子初始化时,引入一种结合Chebyshev映射和Logistic映射的组合混沌映射,在粒子更新过程中,引入Logistic映射,从而增加粒子寻优的遍历性,加强算法全局优化能力.针对惯性权重在粒子群更新过程中的取值问题,采用迭代次数梯度改变惯性权重的策略.仿真结果证明了算法具有更高的收敛效率和更好的收敛效果.

随机模糊映射的广义非线性随机变分包含

引入并研究了一类带随机模糊映射的广义非线性随机变分包含,构造了一个新的随机迭代算法,在一定条件下,讨论了这类问题随机解的存在性以及由随机算法所产生的序列的收敛性.所得结果推广和发展了近期一些作者的主要工作.

Gauss诱导核模糊c均值聚类算法

针对核模糊聚类算法优异的非线性表达能力,提出一种Gauss诱导核模糊c均值聚类算法(GIKFCMs)。首先,基于核目标函数和梯度法,得到特征空间聚类中心表达式,并通过内积运算得到聚类中心与样本的核矩阵表达式。其次,取核目标函数中的核函数为Gauss核函数,并利用梯度法得到输入空间聚类中心表达式。最后将聚类中心与样本的核矩阵代入输入空间聚类中心表达式中,从而得到GIKFCMs核聚类中心计算方法,同时得到相应的GIKFCMs核聚类算法。研究GIKFCMs算法的相关性质,分析算法的收敛性和初始化约束。GIKFCMs算法克服了原有核聚类算法在收敛性与初始化约束方面的缺陷。通过仿真实验验证了该算法的有效性。

模糊映射的完全广义混合型强变分不等式(英文)

研究关于模糊映射的一类新的变分不等式——模糊映射的完全广义混合型强变分不等式 ,得到此类变分不等式解的存在定理及解的一个逼近算法 ,推广了文 [4]和文 [8]的主要结果。

随机模糊映射的广义混合随机变分包含

为了更好的完善变分不等式理论,引用和研究了一类随机模糊映射的随机广义混合变分包含问题,利用预解算子技巧证明了该类问题解的存在定理和收敛定理,构造了用于计算此变分包含逼近解的随机迭代算法。本文结果改进并推广了文献中的一些已知结论,更具有普遍性。

随机模糊映射的广义随机变分包含

文章引入和研究一类带随机模糊映射的随机广义变分包含问题,构造了一个新的随机迭代算法;在一定条件下,证明了这类问题解的存在性以及由随机算法所产生的序列的收敛性。

模糊广义学习向量量化算法在交通事故预测方面的应用

模糊逻辑系统易于理解,而神经网络则有极强的自适应能力。本文将模糊数学方法和神经网络结合起来建立组合模型,用广义模糊神经网络(FGNN)预测道路交通事故。运用MATLAB语言编程,利用模糊广义学习向量量化算法(FGLVQ)建立模糊神经网络模型,并应用于交通事故预测中,改进了交通事故预测的计算方法。理论分析和实例表明,设计的模糊神经网络模型具有良好的非线性映射功能和泛化功能,对预测交通事故有较好的适应性。

随机模糊映射的随机广义集值非线性混合变分包含(英文)

引入和研究了一新的随机模糊映射的随机广义集值非线性混合变分包含,并构造了新的逼近此变分包含随机解的随机迭代算法.利用广义单调映象的近似映射技巧,进一步讨论了随机模糊映射的随机广义集值非线性混合变分包含随机解的存在性及由此随机迭代算法生成的随机迭代序列的收敛性,所得结果推广与改进了文献中的一些相应的主要结果.

堆叠隐空间模糊C回归算法及其在发酵数据多模型建模中的应用

切换回归算法FCR的性能容易受到噪声点以及离群点的影响,同时该算法对于复杂数据的处理能力较差。对此,文中提出一种基于堆叠隐空间的模糊C回归算法。该算法将基于ELM特征映射技术,利用主成分分析进行特征提取,再结合多层前馈神经网络学习结构对隐空间进行多次扩展和压缩。实验结果表明,该算法具有更好的抗噪性能,对模糊指数的变化不敏感,同时在处理复杂数据以及在多模型建模中更加精确、高效、稳定。

实Banach空间上模糊映射的非线性变分包含组

在Banach空间上研究了模糊映射的非线性变分包含组.通过使用Banach空间上m 增值映射的预解算子技巧,得到了模糊映射的非线性变分包含组解的迭代算法的收敛判据.