曲线拟合的逆向云改进算法

逆向云发生器是从定量数据到定性概念的转化模型。在逆向云生成算法中, Ex 的估计值对En和He的估计有比较大的影响,直接使用样本均值进行参数估计会导致较大的误差。本文通过深入研究云模型的相关算法,对逆向云生成算法进行改进。文中利用样本均值作为非线性拟合函数的初值,把拟合函数的返回参数作为Ex的估计值,改善了随机选取拟合初值造成结果不稳定现象,实现对逆向云参数优化。通过与其他几种逆向云生成算法进行对比,仿真结果表明：改进后的逆向云生成算法有较好的稳定性并且有较高的精度。     

一种无确定度的逆向云算法

逆向云发生器实现了定量数据到定性概念的转化,有着重要的理论意义和应用价值.有确定度的逆向云算法缺乏实用性,而已有的无确定度逆向云算法由于估计误差的原因,会出现超熵为虚数问题.本文提出了一种基于统计方法的,无需确定度的逆向云新算法,合理改进了超熵估计方法,确保了逆向云发生器的有效性.最后通过应用实例验证了新算法的正确性和实用性.     

无确定度逆向云模型新算法

针对现有结果未揭示决定云模型雾化特性的本质因素以及无确定度逆向云模型算法误差较大这两个问题进行研究。通过对正向云模型的数学分析, 指出云滴定量数据的标准差决定云模型雾化特性, 提出用熵和超熵的比值度量云滴离散程度, 称为雾化因子。分析和实验表明, 云分布对应雾化因子取值在3~18之间, 当其大于18时, 云分布退化为正态分布, 无确定度逆向云模型算法不再适用。在此基础上, 利用云分布四阶原点矩来估计云模型的数字特征, 提出一种新的无确定度逆向云模型算法, 不同雾化因子和云滴数量的对比实验结果表明, 所提算法在对云模型数字特征估计的准确性与稳定性方面优于现有算法。     

基于云理论的可信技术研究

针对云计算环境下信息的安全性和可靠性方面的欠缺, 为了建立灵活多适应性的安全机制, 将云与可信的概念相结合, 是现今安全领域的一个主要研究方向。为进一步解决云计算安全问题, 对云计算环境下的一些可信技术进行了研究, 并在此基础上提出了一种新的逆向云生成算法。该算法基于原一维逆向云算法, 使用主观信任云的期望和超熵对信任客体的可信度进行了评价, 为网上交易的信任决策提供了依据。对实验数据的分析表明, 与传统的算法相比, 此算法在信任度的可靠性和稳定性上存在比较明显的优势。     

二维正态云模型的单规则推理映射

针对二维正态云模型在实现数据的定量输入到规则的定性推理、再到数据的定量输出的转换过程中,其输出与输入之间的映射区域存在的不确定性问题,通过构造3σ正态分布随机数,在输入云模型与输出云模型分别具有相同的熵参数和超熵参数的情况下,总结出二维正态云模型的单规则推理映射规律,指出该映射区域是一个发散区域,其大小不但与云模型的参数期望有关,而且还与参数熵和超熵有关,而最大离散系数则与期望无关,该结论可以作为二维正态云模型多规则映射研究的理论指导.     

大数据交叉映射融合的逆向云算法仿真

大数据融合可以提升工作效率、保证数据安全。逆向云算法根据数据之间的关联性交叉映射,对不同类型数据执行逆向处理。而传统逆向云算法,分析大数据离散度的能力不强,致使计算结果的偏差较大,因此研究大数据交叉映射融合的逆向云算法。算法将原有算法作为基本理论,利用梯度联合函数反演,根据交叉梯度约束条件确定数据离散形式,捕捉数据交叉规则;依照已知节点数据的物理量,对未知节点数据插值,通过源数据项、目标数据项建立函数映射关系,得出隐含关联;按照关联度匹配数据特征,域隐含层特征函数对域网络参数反向微调,至此实现逆向云算法。实验结果可知:与传统的基于鲁棒性的大数据逆向云算法相比,上述算法分析大数据之间离散度的能力更强,得到的参数结果偏差极小。由此可见,所研究的逆向云算法的计算结果更加精确。     

云映射和映射隶属云*

为描述事物间关系的不确定性及其变化情况,提出云映射概念。对定义域的每个元素,通过随机变量将其非确定地变换到可能的取值空间,各随机变量的分布特征在定义域上构成特征函数,能够反映非确定变换随自变量的变化情况;提出了映射的隶属云概念,云映射在定义域全体元素的隶属云片构成映射的隶属云;采用映射的期望(即精确函数)、熵函数和超熵函数描述定性概念在整个自变量取值空间的变化情况,给出了正向映射云和逆向映射云算法。以人类记忆的遗忘过程为例,说明了云映射和映射隶属云的有效性及其应用前景。     

一种新的逆向云算法

云模型是一种可以有效地实现语言值表示的定性概念与其定量表示之间不确定性转换的模型。文章对正态云作了较深入地概率统计分析,指出了现有逆向云算法的不足,并提出了一种新的精确度更高的逆向云算法,最后通过模拟实验比较了新算法与原逆向云算法。     

云自适应遗传算法

传统自适应遗传算法(AGA)虽能有效提高收敛速度,却难以增强算法的鲁棒性.以当代种群平均适应度为期望Ex,根据云模型"3En"规则确定熵En,由X条件云发生器自适应调整交叉变异概率,提出云自适应遗传算法(CAGA).由于云模型云滴具有随机性和稳定倾向性特点,使交叉变异概率值既具有传统AGA的趋势性,满足快速寻优能力;又具有随机性,且当种群适应度最大时并非绝对的零概率值,有利于提高种群多样性,从而大大改善避免陷入局部最优的能力.典型函数优化实验表明,与标准遗传算法(SGA)和AGA相比,CAGA具有更好的收敛速度和鲁棒性.     

基于云模型的高速公路隧道车辆位置估计

为实现对高速公路隧道照明系统的节能控制,提出基于云模型的车辆速度与位置估计方法。结合正向云与逆向云算法,对车辆通过线圈时的脉冲波形数据进行处理,获得均速估计值。将车速估计结果与行车时间作为车辆行驶位置的判定依据,采用云推理估计车辆的行驶位置。对云估计误差进行实时修正,从而精确判断车辆行驶的位置。仿真和实验结果表明,该方法能实现对高速公路隧道内车辆位置的正确估计,且估计精度高达99．2309％,可提高云模型算法在实际应用中的效率,适用于高速公路隧道照明系统的节能控制。     

逆向云在定性评价中的应用

现有的定性评价存在主观性和随意性大的缺点，缺乏客观性和精确性,云模型是一种定性与定量之间相互转换的有效工具，逆向云可以实现定量数值与定性概念的自然转换，从而得出一个用精确数值表示的定性概念．该文分析并给出了逆向云发生器的具体算法，并对还原的各特征值进行了误差分析．最后将该算法应用到射击评判上，评价结果不仅有射击准确度的评价，而且有运动员心理素质的分析，比仅仅用环数来评价一个运动员更准确、更具体．     

On minimal error entropy stochastic approximation

Information-theoretic concepts are developed and employed to obtain conditions for a minimax error entropy stochastic approximation algorithm to estimate the state of a non-linear discrete time system baaed on noisy linear measurements of the state. Two recursive suboptimal error entropy estimation procedures are presented along with an upper bound formula for the resulting error entropy. A simple example is utilized to compare the optimal and suboptimal error entropy estimators and the minimum mean Square error linear estimator.     

Robust estimation of adaptive tensors of curvature by tensor voting

Although curvature estimation from a given mesh or regularly sampled point set is a well-studied problem, it is still challenging when the input consists of a cloud of unstructured points corrupted by misalignment error and outlier noise. Such input is ubiquitous in computer vision. In this paper, we propose a three-pass tensor voting algorithm to robustly estimate curvature tensors, from which accurate principal curvatures and directions can be calculated. Our quantitative estimation is an improvement over the previous two-pass algorithm, where only qualitative curvature estimation (sign of Gaussian curvature) is performed. To overcome misalignment errors, our improved method automatically corrects input point locations at subvoxel precision, which also rejects outliers that are uncorrectable. To adapt to different scales locally, we define the RadiusHit of a curvature tensor to quantify estimation accuracy and applicability. Our curvature estimation algorithm has been proven with detailed quantitative experiments, performing better in a variety of standard error metrics (percentage error in curvature magnitudes, absolute angle difference in curvature direction) in the presence of a large amount of misalignment noise.     

多窗谱估计的语音增强减法研究

多带谱熵不仅能体现和谱熵一样的频率特性,还能体现能量的分布情况,因此在进语音检测时更趋向于采用多带谱熵估计。通过仿真,证明多带谱熵估计在非平稳信号检测中相比于谱熵估计的优越性,确定适合坦克环境的多带谱熵噪声估计算法。结合多带谱熵估计、相关加权、分帧相减等理论,提出一种以多窗谱估计为基础的改进的语音增强算法。仿真结果表明,提出的算法不仅能更好地抑制背景噪声和音乐噪声,而且还较好地保持了语音的可懂度和自然度。     

最小熵反馈式变结构多模型融合算法

统变结构多模型方法(VSMM)在处理高机动日标状态估计问题和大观测误差时存在因模型集合与真实模式匹配欠佳导致估计质量下降的问题.本文结合最小信息熵准则(ME)提出一种反馈式变结构多模型融合算法(MEVSMM),将在所有模型相关的在线估计信息进行反馈,进而选取状态估计分布信息熵最小的模型集作为当前有效模型集,计算多模型估计结果;结合粒子滤波算法(PF)和设计擂台赛算法(CM),构造了易于工程实现的次优算法(PF-MEVSMM).理论分析与仿真表明,与传统VSMM算法相比,本法具有模型集更精简、有效,融合估计结果鲁棒性更强、精度更高的优点.     

Iterative Dichotomiser Posteriori Method Based Service Attack Detection in Cloud Computing

Cloud computing (CC) is an advanced technology that provides access to predictive resources and data sharing. The cloud environment represents the right type regarding cloud usage model ownership, size, and rights to access. It introduces the scope and nature of cloud computing. In recent times, all processes are fed into the system for which consumer data and cache size are required. One of the most security issues in the cloud environment is Distributed Denial of Service (DDoS) attacks, responsible for cloud server overloading. This proposed system ID3 (Iterative Dichotomiser 3) Maximum Multifactor Dimensionality Posteriori Method (ID3-MMDP) is used to overcome the drawback and a relatively simple way to execute and for the detection of (DDoS) attack. First, the proposed ID3-MMDP method calls for the resources of the cloud platform and then implements the attack detection technology based on information entropy to detect DDoS attacks. Since because the entropy value can show the discrete or aggregated characteristics of the current data set, it can be used for the detection of abnormal data flow, User-uploaded data, ID3-MMDP system checks and read risk measurement and processing, bug rating file size changes, or file name changes and changes in the format design of the data size entropy value. Unique properties can be used whenever the program approaches any data error to detect abnormal data services. Finally, the experiment also verifies the DDoS attack detection capability algorithm.     

自适应SVD–UKF算法及在穿刺状态估计中的应用

柔性针在实际穿刺过程中会产生不规则形变, 导致柔性针模型存在参数不确定性问题, 影响穿刺精度. 本文针对柔性针穿刺过程存在的不确定性问题以及超声成像等设备存在的量测噪声统计特征不准确性问题, 提出了一种带有噪声估计器的自适应奇异值分解无迹卡尔曼滤波算法. 该算法采用自适应因子实时修正动力学模型误差, 通过奇异值分解抑制系统状态协方差矩阵的负定性, 利用Sage-Husa估计器在线估计噪声的统计特性, 减小了系统状态估计误差. 将新算法应用于带有曲率不定性的柔性针穿刺模型进行计算仿真, 仿真结果显示, 新的算法较现有的UKF算法相比, 估计误差减小了0.28 mm(82.7%), 与AUKF算法相比, 估计误差减小0.06 mm(52%). 因此, 新算法可有效改善滤波性能, 提高穿刺状态的估计精度.     

基于云模型的导航系统模糊可靠性评测分析

阐述基于云模型理论的飞行器导航系统模糊可靠性评测分析.云模型是一种新的实现 定性概念和定量数值之间转换的有力工具,用来统一刻划基于语言值的定性概念和数值表示之 间的相互映射关系.云的数字特征期望值Ex、熵En和超熵He三个数值表征,把模糊性和随机 性完全集成在一起,作为知识表示的基础.将其用于飞行器导航系统模糊可靠性分析及故障检 测,可有效地提高飞行器导航系统的可靠性分析.仿真结果说明了该分析方法的可行性和有效性.