高斯隶属度函数模糊神经网络在肺癌诊断中的应用

选用隶属度函数为高斯函数的模糊神经网络用于肺癌诊断,尝试提高诊断的正确率.对于非二值输入参数,首先用高斯隶属度函数模糊化,然后与二值参数一起作为BP神经网络的输入参数.所用病例被随机分为训练集和证实集,训练模糊神经网络,用证实集测试该网络区分肺癌与非肺癌的能力.结果表明,用高斯隶属度函数的模糊神经网络比作为对照的三角形隶属度函数模糊神经网络诊断正确率有所提高,而且对病例如何分组不敏感.

高斯隶属度优化的超分辨率随机森林学习算法

随机森林学习算法是一种有效的单图像超分辨率方法,然而其决策函数是确定的二值函数,这对某些图像块的确定性划分并不是最优的选择。为提升单图像超分辨率性能,采用高斯隶属度函数构建随机森林各决策节点的决策函数,将决策函数的输出值由0和1的确定值转换到0-1之间的概率值,并在叶节点上依据数据划分路径上各决策节点概率的乘积进行预测,依据最小经验冒险准则学习决策参数,使随机森林能更好学习不同的样本数据。实验结果表明,与随机森林学习等目前主流单图像超分辨率方法相比,该方法可以提升超分辨率图像的峰值信噪比,同时运算效率与传统随机森林学习算法相当。

基于改进雷达图法与高斯隶属度相结合的电能质量综合等级评估

针对目前国家规定的六个稳态电能指标限值,融合雷达图法与隶属度算法的优点,提出了一种将改进型雷达图与高斯隶属度函数相结合的电能质量等级评估方法,将电能质量指标化为逆向雷达图的形式得出综合指标再以隶属度函数分级。每个指标对应部分环形,环形部分角度主要受权重的大小而变化,得出逆向雷达图的面积和周长后再将之进行处理得到电能质量综合评估指标,然后以大量数据分布规律作为综合评估指标等级划分依据,最后采用高斯隶属度函数求出综合指标在各个区间的隶属度值,求出最大隶属度值所属区间,以此来进行综合指标分级。相较以往的综合评估算法而言,该方法不仅提出了高斯隶属度函数在电能质量指标评估中的应用,还借助图形算法来对不合格指标进行具体分析并提供了综合指标等级划分的依据。经算法验证,该方法具有较好的可行性。

基于FCM与高斯隶属度的光伏组件健康状态诊断

随着光伏发电的大规模推广,光伏系统中的故障检测问题成为研究热点。在技术不断革新的同时,能够预测和提前预防光伏系统故障的发生,保证系统的可靠运行,变得尤其重要。文章基于光伏组件的工作情况、组件结构、老化现象以及对应的等效电路模型参数变化,对光伏组件的健康状态进行划分,总结了影响光伏组件亚健康状态的三大指标,分别是透光率、串联电阻以及并联电阻。文章提出了一种模糊算法对光伏组件健康状态进行健康、亚健康、部分阴影与故障状态进行诊断。首先,对归一化处理后的光伏组件样本数据集进行模糊C均值(fuzzy C-means,FCM)聚类得到聚类中心;然后,利用聚类中心与测试样本代入高斯隶属函数对健康状态进行诊断,并通过仿真与实验验证了该方法的可行性,为光伏系统故障预警、老化检测提供参考。

梯形高斯隶属度量化算法及在汽车图像库的仿真

为了提高汽车图像检索的准确率,选择了一个合适的颜色空间和量化算法。首先本文自建了1000张汽车图像库,其次在HSV颜色空间提出了梯形高斯隶属度量化算法进行特征提取,最后通过欧式距离和加权距离进行相似度匹配。实验结果表明,该算法对汽车图像进行检索时的平均查准率要比梯形隶属度量化算法在欧氏距离进行相似度量时平均高出11.2个百分点;在加权距离进行相似度量时平均高出10.9个百分点。

基于模糊聚类的车辆跟驰隶属度函数确定方法

为了精确获得车辆跟驰模糊推理系统的隶属度函数,避免因采用专家法而使模糊推理结果的误差增大,提出采用模糊聚类分析的方法,考虑车辆跟驰数据内部的关联性,并根据高斯函数中参数的统计学意义进行车辆跟驰模糊集的划分和隶属度函数的确定。利用NGSIM数据,将后车速度、前后车相对速度、前后车间距作为输入变量,后车加速度作为输出变量建立车辆跟驰模糊推理系统,对提出的基于模糊聚类的车辆跟驰隶属度函数确定方法进行评价。结果表明,提出的新方法能真实反映数据本身的特征和驾驶员的心理生理特性,其推理结果与真实数据误差较小,可为车辆跟驰模糊推理系统的建立提供参考。

基于多模型加权调度的锅炉过热汽温广义预测串级控制

针对采用常规串级比例积分微分(proportion-integral-derivative,PID)控制器调节锅炉过热汽温系统存在不易整定参数、自适应性不佳的问题,设计一种基于多模型加权调度的锅炉过热汽温广义预测串级控制器。首先,根据典型工况下喷水量扰动时的过热汽温动态特性建立模型子集,采用递推最小二乘法辨识可控自回归积分滑动平均模型参数;其次,根据辨识得到的模型参数求解各子控制器最优输出,采用高斯隶属度函数得出各子控制器输出的加权系数;然后,通过单一工况下考虑减温水调节阀特性的预测控制仿真试验,比较广义预测串级控制器和常规串级PID控制器的鲁棒性;最后,通过变负荷仿真试验及抗干扰测试,验证多模型加权调度广义预测串级控制器对变负荷时模型失配的适应性。试验结果表明,相比常规串级PID控制器,广义预测串级控制器拥有更好的鲁棒性,设定值扰动试验中最大超调量控制在2℃左右。多模型加权调度广义预测串级控制器对模型失配具有良好的适应性,并具有良好的抗干扰性能。

引水条件下水库生态调度方法研究

针对以生态流量大小为调度目标的生态调度方法与供水目标矛盾突出的问题,提出了包括流量大小、频率、延时等多种属性信息的生态整体目标,并设计了生态流量约束法以及生态供水限制线法两种生态调度方法。结果表明:生态流量约束法主要是对生态流量大小进行调节,无法对水库缺水时期的生态供水进行灵活调整,其与供水目标的竞争关系明显;而生态供水限制线法,能够针对包括流量大小、频率、延时等多种信息的生态目标整体,通过调整流量大小及流量过程等形式,对生态目标进行控制,其调度效果要明显优越于生态流量约束法。因此,碧流河水库实施大伙房输水应入连工程后,应采取生态供水限制线的生态调度方法。

改进的基于模糊推理的车辆跟驰行为分析方法

为精确建立车辆跟驰模糊推理系统,提出采用模糊聚类分析的方法为输入、输出变量划分模糊集,并求出对应的高斯隶属度函数;引入Takagi-Sugeno推理方法进行车辆跟驰模糊推理与去模糊化处理;利用NGSIM数据对模糊推理系统和Gipps跟驰模型进行参数标定并评价.结果表明:改进的建立车辆跟驰模糊推理系统的方法能真实反映数据本身的特征和驾驶员的心理生理特性,并且所建立的模糊推理系统与Gipps模型相比,其误差指标的仿真精度均有较大提升.

基于模糊推理的车辆换道分析研究

为有效解决车辆换道行人研究中驾驶员对周围环境认知的不确定性,首次提出利用模糊推理系统对驾驶员换道行为进行分析。提出采用模糊聚类分析的方法进行输入变量的模糊集划分,求出对应的高斯隶属函数,首次引入Takagi-Sugeno推理方法进行车辆换道的模糊推理和去模糊化处理。利用NGSIM数据对建立的模糊推理进行参数标定,并进行推理结果分析,结果表明:利用模糊聚类确定隶属度函数的方法,能真实反映数据本身的特征和驾驶员的心理生理特性;而且推理结果与真实换道决策相比较时,其判断正确率高达81%,充分证明模糊推理在研究离散型推断问题中是可行的,而且此方法还可进一步应用到自动驾驶、驾驶员辅助系统的开发中。

一种模糊森林学习方法及其行人检测应用

针对随机森林学习方法训练数据时存在的过拟合问题,通过改进各决策节点的决策函数设计一种模糊森林学习方法。利用高斯隶属度函数构建决策树上各节点的决策函数,将确定决策路径转换为模糊决策路径。根据样本从根节点到叶节点所经过的所有决策节点的模糊决策值乘积生成模糊路径。结合各模糊路径与相应叶节点预测参数得到预测结果。将模糊森林学习方法应用到行人检测领域,分别对Haar特征和方向梯度直方图特征进行学习与分类。实验结果表明,与经典的Adaboost、支持向量机和随机森林分类器相比,模糊森林方法可有效提高行人检测的识别率。

基于“当前”统计模型的机动目标自适应跟踪算法

针对"当前"统计模型对加速度极值及机动频率需人为设定的缺陷,提出了一种基于滤波残差的高斯型隶属度函数改进算法,该法在跟踪过程中对加速度极值进行自适应调整。引入一种基于残差的Sigmoid二次型隶属度函数,通过自适应改变机动频率,使模型趋于目标真实状态。理论分析和仿真结果表明,改进的模型避免了人为引入误差,提高了机动目标的跟踪精度,算法简单,易于工程实现。

基于演进向量量化聚类的增量模糊关联分类方法

为了提高动态数据集上模糊关联分类器(FAC)的建模效率,提出了一种基于演进向量量化(eVQ)聚类的增量模糊关联分类方法。首先,采用eVQ聚类算法增量更新数量属性上的高斯隶属度函数参数;然后,扩展早剪枝更新(UWEP)算法,使之适用于增量挖掘模糊频繁项;最后,以模糊相关度(FCORR)和分类规则前件长度为度量方式裁剪并更新模糊关联分类规则库。在4个UCI标准数据集上的实验结果表明,与批量模糊关联分类建模方法相比,所提方法能够在保证分类精度和解释性的前提下,减少模糊关联分类器的训练时间;基于eVQ的高斯隶属度函数的增量更新有助于提高动态数据集上模糊关联分类器的分类精度。

慕课视域下的教学质量模糊数学评价探讨

随着现代信息技术的发展,慕课教学模式日益受到教育界的欢迎,也给教师带来了新的机遇和挑战。建立慕课教学质量评价体系对更新教学理念、加快角色转变具有导向性和规范性作用。为此,文章利用高斯函数确定隶属度,提出了慕课教学质量模糊评价方法,并以实例进行了阐述。这种评价方法具有系统性、逻辑性和实用性,为建立慕课教学质量评价体系提供了参考。

基于双树复小波变换的PET/CT自适应融合算法

PET/CT医学图像融合对于图像分析及临床诊断具有重要的应用价值,通过融合PET/CT图像,可以丰富图像的信息量,提高信息准确度。针对PET/CT融合问题,提出了一个基于双树复小波的PET/CT自适应融合算法。对已配准的PET和CT图像进行双树复小波变换(dual-tree complex wavelet transform,DTCWT),得到低频分量和高频分量;根据低频图像集中了大部分源图像能量及决定了图像轮廓的特点,采用了自适应高斯隶属度函数的融合规则;在高频图像部分,考虑了图像相邻像素之间的相关性和模糊性问题,在第一层的高频分量上采用了高斯隶属度函数和3×3领域窗口相结合的融合规则,在第二层高频分量上采用了区域方差的融合规则。最后,为了验证算法的有效性和可行性,做了3个方面的实验,分别是该算法和其他像素级融合算法的比较实验,利用信息熵、均值、标准方差和互信息的融合效果评价实验,双树复小波变换中不同融合规则的比较实验。实验结果表明,该算法信息熵提高了7.23%,互信息提高了17.98%,说明该算法是一种有效的多模态医学影像融合方法。

基于犹豫模糊集的毁伤效能评估方法

将犹豫模糊集(HFEs)与一种模式识别的等级评估方法相结合,改进了评分矩阵,并利用客观犹豫模糊熵权重与主观赋权线性组合的方法,构建了一种模糊环境下的新目标函数,提出一种能够融合不同专家评分差异的毁伤评估方法。构建了舰载激光武器对抗无人机的毁伤模型,考虑在有3个评分专家的情况下,对比了所提到的线性综合权重法、熵权法、CRITIC法,根据所提评估方法分析了样本对不同等级的隶属度和易损性,结果表明:该方法可以全面反映3个专家的评分意见,减小传统评估方法中不确定性和主观因素的影响,得到确定的组合权重和隶属度。

基于模糊逻辑的移动自组织网络组播路由协议

针对能量不足可能引起的组播路由不稳定问题,提出了一种基于模糊逻辑的组播路由协议。该协议首先建立组播网格,然后采用模糊逻辑选择组播路由。在组播路由选择阶段,将节点的能量和距离两个参量作为路由评估的依据,借助模糊逻辑建立节点能量和距离与路由质量之间的模糊联系,采用高斯隶属度函数实现输入参量的模糊化处理,采用质心法进行输出参量的去模糊化处理,依据输出参量选择最优组播路由。仿真结果表明,与现有组播路由协议相比,该协议的报文送达率更高,端到端平均延时更小。

基于风能转换系统的模糊PID自适应控制

以额定风速以下风能的最大捕获为目标,设计了基于模糊PID自适应控制的桨距控制器。以发电机产生的电能与理论计算的风轮最大捕获的风能误差为输入设计控制器,该控制器在运行时根据风况在线调整PID参数,实现自整定。仿真结果表明,在额定风速以下,基于高斯型隶属度函数的模糊控制方法能够将风能转换系数控制在最优值0.476附近,叶尖速比可以维持在最优值7附近,能够实现额定风速以下的最大风能捕获。

基于多参数融合和组合赋权的风电机组健康状态评估

针对目前风电机组健康状态无法准确评估的问题,提出一种基于多参数融合和组合赋权的风电机组健康状态评估方法.根据故障频次与时长构建风电机组健康状态评估指标体系,通过将灰色关联分析法的参数层指标客观权重与层次分析法的参数层主观权重对应结合,再与上层指标权重综合,归一化得到组合指标权重,应用高斯函数确定指标对各状态等级的隶属度,采用参数-部件-系统逐层对风电机组开展健康状态评估,选取新疆某风电机组SCADA数据进行验证.结果表明:该方法可在故障发生前得出状态劣化的趋势,对机组早期的故障发出报警,从而达到整机状态预警的目的.

三维FMF的HFCM水声数据分割

针对三维水声数据背景复杂、受噪声干扰严重等特点,提出一种结合三维FMF的HFCM水声数据分割算法,以提高水声数据分割的精度和效率。该算法首先选取三维滤波窗口,利用最大熵阈值法计算出模糊阈值;再结合半高斯模糊隶属度函数对水声数据进行模糊中值滤波;最后采用HFCM算法对滤波后的数据进行分割。对两组不同的三维水声数据进行分割处理的结果表明,该算法能够有效地降低噪声干扰,分割效果要优于未滤波的HFCM以及均衡FMF的HFCM分割算法,并且在分割效率上要明显优于传统的模糊C-均值算法。