结合区间二型FRCM与混合度量的两阶段信息粒化

针对类簇交叉且分布不均衡的复杂数据,依据可信粒度准则,提出一种结合区间二型模糊粗糙C均值（IT2FRCM）聚类与混合度量的两阶段信息粒化算法。在第一阶段,利用IT2FRCM算法对原始数据进行聚类分析,得到初始的信息粒。在第二阶段,综合考虑数据空间分布、样本规模及粒子性质等因素,采用混合度量方法设计均衡证据合理性和语义独特性的粒化函数,并基于可信粒度准则优化由覆盖度和独特性组成的复合函数,求解最佳粒子边界。在人工数据集和UCI数据集上的实验结果表明,该算法能够有效提高不平衡数据的信息粒化质量和粒子代表性,在归类正确数、粒子特性等指标上均取得了理想表现。     

赛场环境实时变化的帆船比赛最优路径规划

最优行驶路径规划是帆船比赛取胜的关键环节。文章提出了赛场环境参数实时变化时,基于模糊综合评价的帆船直航比赛最优路径规划方法。该方法利用模糊综合评价思想,综合考虑行驶速度和接近目标两个因素建立综合评价函数进行航行方向决策,赛场环境参数变化时,从当前航行位置相对目标点重新进行路径规划,保证局部状态始终最优,利用宽度优先搜索算法实现全局最优路径搜索。仿真结果证明,该路径规划方法能够取得较好的规划结果,对指导帆船运动员进行科学训练有很好的理论意义和应用价值。     

基于信息粒化的SVM时序回归预测

为了提高SVM的学习效率和泛化能力,首先利用一种信息粒化算法对原始数据进行预处理,该算法能将样本空间划分为多个粒(子空间),降低样本规模,节省时间复杂度.然后将模糊粒化后的信息利用SVM进行回归分析,同时利用交叉验证选出最优的分类器调节参数,可降低分类器的复杂性和提高分类器的泛化能力,避免出现过学习和欠学习.最后通过预测上证指数的实验验证了该算法具有优越的特性,能够较为准确的进行时序回归预测.     

改进鲸鱼优化支持向量机的交通流量模糊粒化预测

针对支持向量机（SVM）在交通流量预测中存在波动性且预测精度低的问题,提出了采用模糊信息粒化（FIG）和改进鲸鱼优化算法（IWOA）的SVM模型来预测交通流量的变化趋势和动态区间。首先,对数据处理采用FIG方法进行处理,从而得到交通流量变化区间的上界（Up）、下界（Low）和趋势值（R）;其次,在鲸鱼优化算法（WOA）的种群初始化中采用动态对立学习来增加种群多样性,并引入了非线性收敛因子和自适应权重来增强算法的全局搜索及局部寻优能力,然后建立了IWOA模型,并分析了IWOA的复杂度;最后,以预测交通流量的均方误差（MSE）为目标函数,在IWOA迭代过程中不断优化SVM的超参数,建立了基于FIG-IWOA-SVM的交通流量区间预测模型。在国内和国外交通流量数据集上进行测试的结果表明,在国外交通流量预测上,与基于遗传算法优化的支持向量机（GA-SVM）、基于粒子群优化算法优化的支持向量机（PSO-SVM）和基于鲸鱼优化算法的支持向量机（WOA-SVM）相比,IWOA-SVM模型的平均绝对误差（MAE）分别降低了89.5%、81.5%和1.5%;而FIG-IWOA-SVM模型在交通流量动态区间和趋势预测上与FIG-GA-SVM、FIG-PSO-SVM和FIG-WOA-SVM等模型相比预测精度更高且预测范围更平稳。实验结果表明,在不增加算法复杂度的前提下,FIG-IWOA-SVM模型能够合理地预测交通流量的变化趋势和变化区间,为后续的交通规划和流量控制提供依据。     

基于聚类粒化的社团发现算法

为了实现复杂网络社团发现算法的复杂度和精确度间的均衡,提出一种基于聚类粒化的社团发现算法(CGCDA),将网络粒化获得的粒子视为一个社团,粒化结果即为对网络的社团划分。首先,将网络中的每个节点视为基本粒,通过初始粒化操作实现对网络的粒化;然后,针对获得的粒化集合中满足粒化系数的粒子进行聚类粒化操作,分层粒化直到不存在满足要求的粒子对;最后,将粒子对中的重叠节点视为孤立点,用邻居节点投票法把孤立节点归并到相应的粒子中,实现对复杂网络的社团划分。实验实现了Newman快速算法（NFA）、标号传播算法（LPA）和CGCDA。实验结果表明,CGCDA在四个基准数据集上可获得平均高于LPA 7.6%的模块度和低于NFA 96%的时间。CGCDA时间复杂度较低,获取的社团模块度较高,实现了社团发现时间和精确度的均衡,相比NFA、LPA总体性能更优。     

基于模糊粒度相关向量机的缓变故障参数区间预测

为解决相关向量机(RVM)在多样本故障预测中存在的预测精度下降和运算效率低等不足,提出一种基于模糊粒度相关向量机(FGRVM)的缓变故障参数区间预测方法。首先,对参数初始时间序列进行模糊信息粒化(FIG),并采用基于指数相似度的约简方法对训练集中的冗余数据进行约简;然后,使用自适应极值扰动和自适应变异对简化粒子群算法(tsPSO)进行改进,并以4折交叉验证误差最小为优化目标,采用该粒子群算法(itsPSO)实现相关向量机核宽度的自适应选择;最后,采用训练好的RVM预测缓变故障参数的变化区间。以3个经典的大规模、非线性、带噪声的时间序列及国航某航空发动机排气温度变化量(DEGT)为例对该方法的预测性能进行验证,仿真结果表明,相对于RVM和模糊粒度支持向量机(FGSVM),该方法在预测精度和运算效率上都有较大的提高。     

模糊规则模型的粒度性能指标评估方法

模糊规则模型广泛应用于许多领域,而现有的模糊规则模型主要使用基于数值形式的性能评估指标,忽略了对于模糊集合本身的评价,因此提出了一种模糊规则模型性能评估的新方法。该方法可以有效地评估模糊规则模型输出结果的非数值（粒度）性质。不同于通常使用的数值型性能指标（比如均方误差（MSE））,该方法通过信息粒的特征来表征模型输出的粒度结果的质量,并将该指标使用在模糊模型的性能优化中。信息粒性能采用（数据的）覆盖率和（信息粒自身的）特异性两个基本指标得以量化,并通过使用粒子群优化实现了粒度输出质量（表示为覆盖率和特异性的乘积）的最大化。此外,该方法还优化了模糊聚类形成的信息粒的分布。实验结果表明该指标对于模糊规则模型性能评估的有效性。     

金融时间序列模糊边界预测研究

传统的金融时间序列预测方法以精确的输入数据为研究对象,在建立回归模型的基础上做单步或多步预测,预测结果是一个或多个具体的值.由于金融市场的复杂性,传统的预测方法可靠度较低.提出将金融时间序列模糊信息粒化成一个模糊粒子序列,运用支持向量机对模糊粒子的上下界进行回归,然后应用回归所得到的模型分别对上下界进行单步预测,从而将预测的结果限定在一个范围之内.这是一种全新的思路.以上证指数周收盘指数为实验数据,实验结果表明了这种方法的有效性.     

基于模糊贴近度的粒子滤波故障预测

复杂设备的故障特征具有不确定性,非线性等特点,为预防故障可能造成的严重后果,提高故障预测准确性是非常必要的.针对故障预测具有不确定性的特点,本文将模糊数学中的模糊贴近度和粒子滤波算法相结合设计故障预测的方法.新方法利用隶属度函数设计了描述系统运行正常的正常模糊子集和运行异常的异常模糊子集,利用粒子滤波算法计算系统运行的预测值,并计算预测值的正常隶属度;再分别计算预测值的正常隶属度与正常模糊子集和异常模糊子集的贴近程度来实现故障预报.该方法通过三容水箱系统T2水箱水位变化预测三容水箱系统是否出现故障和通过UH-60行星齿轮盘裂纹何时开始增大的故障进行实验,并同基于改进余弦相似度的粒子滤波故障预报、基于随机摄动粒子滤波器的故障预报算法和基于粒子滤波的FDI方法进行了对比.实验验证了该方法的可行性,可及时准确地预测出系统故障.     

基于插值梯形模糊信息粒化的瓦斯浓度趋势预测

针对现有模糊信息粒化方法构建的高层信息粒不能完全包含底层数据信息、预测时间范围受限等问题,提出了一种插值梯形模糊信息粒化方法来预测瓦斯浓度趋势。对原始瓦斯浓度时间序列进行离散化形成若干子序列,计算每个子序列窗口的最大值与最小值形成梯形上沿的边界,通过对每个子序列窗口数据进行插值计算,形成新的瓦斯浓度时间序列窗口,对新的瓦斯浓度时间序列窗口采用数据遍历寻优的方式计算梯形下沿的边界,进而形成瓦斯浓度粒化区间序列。针对现有评价方法无法准确评价信息粒化效果的问题,提出了一种基于权值的粒化评价方法,通过加权均方根误差对粒化效果进行整体评价。实验结果表明,通过该方法对信息进行粒化的效果明显优于现有模糊粒化方法,并且粒化效果不随粒化窗口的增大而减小,具有较高的稳定性与鲁棒性。     

A potential field approach for reactive navigation of autonomous sailboats

Navigation techniques for autonomous sailboats are faced with two inherent difficulties. The uncontrollable and partially unpredictable nature of thrust forces on one hand and the complex kinematics of sailboats on the other hand. This paper proposes a new reactive navigation approach, based on artificial potential fields, that addresses these two problems simultaneously. Environment and specific sailboat navigation constraints are represented by a local potential built around the vehicle location. Changes of wind direction and detected obstacles affect this periodically updated potential, which guarantees the real-time computation of a feasible heading for the boat. Numerical simulations are presented and validate the proposed algorithm under various wind conditions. Field trials eventually illustrate the efficiency of this navigation technique using a reduced-scale autonomous sailboat prototype.     

基于MapX实现GPS与GIS在帆船训练监控系统中的集成

介绍了以Visual Basic为开发平台,基于MapX控件和MSComm控件,集成GPS和GIS技术开发帆船训练监控系统。该系统主要实现了赛场环境参数的设置,动态数据的远距离实时采集,训练帆船运行状态（速度、方向、位置）在电子地图上的动态实时显示等功能。该系统将有助于提高帆船的科学训练。     

Evaluating an augmented reality interface for sailing navigation: a comparative study with a immersive virtual reality simulator

Sailing navigation is an activity that requires acquiring and processing information from the surrounding environment. The advancement of technology has enabled sailboats to have an increasing number of onboard sensors that make sailing more user-friendly. However, data provided by these sensors are still visualized on 2D digital displays that imitate traditional analog interfaces. Although these displays are strategically placed on the sailboat, the user needs to divert attention from the primary navigation task to look at them, thus spending a significant amount of cognitive resources. AR-based technologies have the potential to overcome these limitations by displaying information registered in the real environment, but there are no studies in the literature for validating the effectiveness of this technology in the field of sailing. Thus, we designed a head-mounted display AR-based interface to assist users in monitoring wind data to avoid user diversion from the primary task of sailing. We conducted a user study involving 45 participants in an Immersive Virtual Reality simulated environment. We collected objective and subjective measures to compare the AR-based interface with a traditional data visualization system. The AR-based interface outperformed the traditional data visualization system regarding reaction time, cognitive load, system usability, and user experience.

     

帆船比赛航行路径优化与仿真

针对帆船在海上行驶所具有的模糊性和不定性的复杂环境特点,提出基于分区段优化和进化规划的帆船航行路径优化方法。该方法在比赛区域建立二维平面坐标系,将整个航程划分为若干区段,每个区段以帆船无约束的航向决策综合评价函数为基础,利用进化规划全局优化搜索进行路径优化,综合得到全航程最优路径。在此理论基础上,进行优化路径的仿真。仿真结果表明,该路径优化方法能够取得较好的规划结果,对于帆船科学训练具有很好的指导作用。     

Sailboat navigation control system based on spiking neural networks

In this paper, we presented the development of a navigation control system for a sailboat based on spiking neural networks (SNN). Our inspiration for this choice of network lies in their potential to achieve fast and low-energy computing on specialized hardware. To train our system, we use the modulated spike time-dependent plasticity reinforcement learning rule and a simulation environment based on the BindsNET library and USVSim simulator. Our objective was to develop a spiking neural network-based control systems that can learn policies allowing sailboats to navigate between two points by following a straight line or performing tacking and gybing strategies, depending on the sailing scenario conditions. We presented the mathematical definition of the problem, the operation scheme of the simulation environment, the spiking neural network controllers, and the control strategy used. As a result, we obtained 425 SNN-based controllers that completed the proposed navigation task, indicating that the simulation environment and the implemented control strategy work effectively. Finally, we compare the behavior of our best controller with other algorithms and present some possible strategies to improve its performance.     

帆船直线航行比赛最优路径动态规划方法研究

针对帆船直线航行比赛的赛场情况,提出一种基于模糊综合评价和动态规划理论的帆船直航训练最优路径动态规划方法.首先以模糊逻辑为基础,建立帆船相对于目标点的隶属函数,并以此描述帆船的当前位置和方向信息;然后综合考虑行驶速度和接近目标点两个因素,建立综合评价函数,并以航道宽度为限制条件,利用动态规划原理分阶段进行航向决策.最后通过仿真验证了算法的有效性.     

改进CPSO-SVM在人脸识别中的应用

为使粒子群优化算法初始粒子均匀分布在解空间,增强全局的搜索能力,通过对混沌运动的遍历性和粒子群优化算法中惯性权重的分析,提出了一种改进型混沌粒子群算法。该算法采用Circle映射,产生了分布均匀的混沌变量轨道点,并结合动态调整惯性权重的思想来避免粒子群算法陷入局部最优。同时,给出了应用混沌粒子群算法训练SVM的方法,并将其应用于人脸识别。仿真实验结果表明,改进CPSO-SVM方法比基本粒子群方法能获得更好的识别性能。     

人工鱼群算法在SVM参数优化选择中的应用

针对支持向量机的参数优化缺乏理论支持,而SVM交叉检验法选取又较为费时的情况下,提出了基于人工鱼群算法的支持向量机参数优化选取算法,并以SVM分类预测准确率最大为优化原则,利用人工鱼群算法的较好并行性和较强的全局寻优能力,以实现最优目标并得到SVM的最优参数组合。数值实验结果表明：人工鱼群算法在SVM参数优化选取中具有更快的寻优性能,同时具有较高的分类准确率。该方法具有较好的并行性和较强的全局寻优能力。     

Fuzzy C-means based support vector machine for channel equalisation

This paper proposes a new classification network, the fuzzy C-means based support vector machine (FCM–SVM) and applies it to channel equalisation. In contrast to a kernel-based SVM, the FCM–SVM has a smaller number of parameters while retaining the SVM's good generalisation ability. In FCM–SVM, input training data is clustered by FCM. The output of FCM–SVM is a weighted sum of the degrees where each input data belongs to the clusters. To achieve high generalisation ability, FCM–SVM weights are learned through linear kernel based SVM. Computer simulations illustrate the performance of the suggested network, where the FCM–SVM is used as a channel equaliser. Simulations with white Gaussian and coloured Gaussian noise are performed. This paper also compares simulation results from the FCM–SVM, the Gaussian kernel based SVM and the optimal equaliser.