前提不匹配的T-S模糊系统的时滞相关镇定

为了降低T-S模糊时滞系统稳定性条件的保守性以及提高其控制器设计的灵活性,本文提出了在前提不匹配条件下考虑T-S模糊时滞系统的时滞相关稳定性以及控制器设计问题.首次通过构造包含三重积分的增广Lyapunov泛函的方法,提出一个新的具有较小保守性的时滞相关稳定性准则;同时在前提不匹配条件下,给出了保证该系统渐近稳定的控制器设计方法,该方法提高了控制器设计的灵活性,并且对于具有不确定隶属度函数的模糊系统同样适用.最后通过两个仿真例子验证本文所提出的方法的有效性.

改进的T-S模糊时滞系统的鲁棒稳定性分析

基于Takagi-Sugeno(T-S)模糊模型方法,研究一类不确定非线性常数时滞系统的鲁棒稳定性问题。基于一组线性矩阵不等式的可解性,给出非线性时滞系统时滞相关稳定和鲁棒稳定的充分条件。通过构造新的包含三重积分的增广的Lyapunov泛函,降低了稳定性准则的保守性。三个数值实例表明本方法的有效性和较小的保守性。

基于LDA-wSVM模型的文本分类研究

SVM分类算法处理高维数据具有较大优势,但其未考虑语义的相似性度量问题,而LDA主题模型可以解决传统的文本分类中相似性度量和主题单一性问题。为了充分结合SVM和LDA算法的优势并提高分类精确度,提出了一种新的LDA-w SVM高效分类算法模型。利用LDA主题模型进行建模和特征选择,确定主题数和隐主题—文本矩阵;在经典权重计算方法上作改进,考虑各特征项与类别的关联度,设计了一种新的权重计算方法;在特征词空间上使用这种基于权重计算的w SVM分类器进行分类。实验基于R软件平台对搜狗实验室的新闻文本集进行分类,得到了宏平均值为0.943的高精确度分类结果。实验结果表明,提出的LDA-w SVM模型在文本自动分类中具有很好的优越性能。

一种文化鱼群算法及其在电机参数辨识中的应用

针对基本鱼群算法盲目搜索的问题,提出一种新的基于知识的带变异算子的人工鱼群算法。利用文化算法的框架,将鱼群算法嵌入到种群空间当中,构造适用于文化鱼群算法的新的影响函数。同时应用信念空间中的规范知识和情境知识通过影响函数指导人工鱼群算法中的进化步长和方向。通过高维多峰函数检验新算法的性能,最后将新算法应用于一台内置有执行器的鼠笼电机系统的参数辨识问题,得到了参数化的执行器-转子模型。仿真结果表明新算法与基本鱼群算法相比性能显著提高,并且能够有效地解决工程优化问题。

基于形式概念分析的治痹用药规律挖掘

本文将形式概念分析理论应用于新安医籍中的治痹用药规律挖掘,借助概念格构建工具LatticeMiner软件对新安医籍治痹资料表进行形式背景和概念格的构建。通过构建方剂-证型、方剂-症状以及方剂-药材概念格直观地展示出痹病证型、症状、药材和对应的方剂的层次结构,便于挖掘痹病证型、症状的分布情况以及组方用药情况,并通过嵌入式形式背景构建对证型、症状和药材之间的关系更加结构化地展示,最后通过基于FCA的关联规则挖掘方法对证型、症状和药材三者的关联规则进行挖掘,为中医方面的数据挖掘研究提供了一种新的思路。

整数规划的花授粉算法

整数规划是NP困难(Non-deterministic Polynomial-time hard,NP-hard)的经典问题之一。整数规划的花授粉算法(Integer Flower Pollination Algorithm,IFPA)是采用截断取整的方法,将最近开发的花授粉算法(Flower Pollination Algorithm,FPA)扩展到求解整数规划问题。通过对测试函数集进行仿真实验,结果表明IFPA拥有很好的性能和很强的全局寻优能力,可以作为一种实用方法用于求解无约束整数规划和有约束整数规划问题。

基于CS的Hopfield神经网络数字识别应用

介绍了布谷鸟搜索(cuckoo search,CS)和Hopfield神经网络的基本原理,研究了基于Hopfield神经网络的数字识别应用.针对Hopfield网络权值在数字识别时易陷入局部最优,提出将CS引入Hopfield神经网络的解决方法.利用CS对复杂、多峰、非线性极不可微函数的全局搜索能力,使Hopfield网络在较高噪信比的情况下仍保持较高的联想成功率,并进行了仿真.仿真结果表明,该方法识别数字的效果更佳.

萤火虫算法研究综述

作为一种新兴的群智能优化方法 ,萤火虫算法具有简单易懂、参数少和易实现等优点,已经在诸多领域取得了较好的应用。为了使该算法能够更有效地解决不同的优化问题,需要对标准萤火虫算法进行改进或混合其他算法。介绍了萤火虫算法的原理及其应用领域,重点分析了算法的改进策略,并提出了算法进一步研究的方向。

基于蝙蝠算法的改进杂草算法研究

提出了一种新型的混合算法并命名为混合杂草蝙蝠算法(Hybridize Invasive Weed Optimization with Bat Algorithm,IWOBA),该算法在杂草算法的基础上利用蝙蝠算法的回声定位来解决每代种子逐步寻优的问题。其原理是利用种群速度和位置的不断更新,增加种群的多样性,从而达到提高种群的全局收敛性。最后利用6个测试函数对该算法和标准杂草算法进行测试比较。仿真结果表明,IWOBA能够有效克服原算法早熟、易陷入局部最优的缺点,可加快算法收敛速度,具有良好的鲁棒性。

不同拓扑结构的并行粒子群优化算法的实现

针对粒子群优化算法的邻域拓扑结构对算法性能有重要影响、PSO算法在CPU上求解最优化问题时计算效率低下这两点,分析了邻域拓扑结构改变时PSO算法的并行特征,实现了环形和星形拓扑结构的PSO算法在统一计算设备架构上的寻优过程。分别在CPU和GPU上用两种PSO算法对7个benchmark测试函数进行求解。程序仿真结果显示,基于CUDA的PSO算法计算效率均大大高于CPU;同时发现,GPU显著地加快了星形结构PSO算法的收敛速度,而对环形结构PSO算法影响不大。