抵御任意故障的H2动态输出反馈可靠控制研究

针对线性系统,基于线性矩阵不等式(LMI),给出具有抵御任意故障的H2动态输出反馈控制器的设计方案,所得到的结论不仅是能抵御执行器或传感器任何一类部件发生故障的完整性设计方案,而且能使系统达到给定的H2性能指标。使用比离散故障模型更具有实际意义的连续故障模型．一个数值例子说明所提方法的有效性。     

广义时变系统的鲁棒H2/H∞滤波

研究一类广义时变系统的鲁棒H2/H∞滤波器的设计问题。 利用具有参数依赖的Lyapunov函数,结合线性矩阵不等式分别给出了使滤波误差系统容许且满足H∞性能约束的充分条件、使滤波误差系统容许且满足H2性能约束的充分条件以及使滤波误差系统容许且满足H2/H∞性能指标的充分条件。 基于该具有参数依赖Lyapunov函数的鲁棒H2/H∞性能准则推导出鲁棒H2/H∞滤波器存在的充分条件,并将滤波器的设计问题转化为线性矩阵不等式约束优化问题。 最后通过数值算例表明该方法的有效性。     

煤与矸石图像灰度信息和纹理特征的提取研究

针对现有大多数煤与矸石图像识别方法只单一地利用灰度均值和灰度方差进行识别,存在识别准确度和效率不高等问题,提出了一种煤与矸石图像灰度信息和纹理特征提取方法。该方法提取具有代表性的特征参数,如灰度均值、平滑度及灰度共生矩阵的能量、对比度、相关性、熵等,作为识别煤与矸石的重要依据。Matlab仿真分析结果表明,以上特征参数可以有效地描述煤与矸石的图像特征,可为煤与矸石的自动识别与分选提供重要参考依据。     

基于Zadeh推理的故障空调噪音识别

通过声音来实现故障诊断在工业领域应用比较广泛。本文的主要目标是给出故障空调在运行状态下的声音,使用Zadeh推理的方法对故障空调的声音进行识别,进而推断出空调内部具体哪个部件或零件发生故障。本文首先对声音进行快速傅里叶变换,根据三分之一倍频程对整个频率进行划分,并对生成的频率进行标准化处理;当空调内部的零部件发生损坏时,噪音峰值就会在某一段或几段频率中有升高,从而提取每个频程的峰值作为特征向量。通过“专家经验”得出一个逻辑关系R矩阵,使用matlab软件将特征向量与R矩阵进行点积运算得到故障诊断的结果,最后GUI界面呈现出结果。实验表明,本方法对空调噪音的识别诊断效果比较理想。最后给出本方法适用的一些条件。本方法的实现原理简单,在空调噪音故障诊断应用领域可以有一定的应用空间。     

基于随机矩阵最大特征值分布的频谱感知算法

现有频谱感知算法在低信噪比时检测性能较低且受虚警概率影响大,针对此问题,提出了一种基于wishart矩阵样本协方差矩阵最大特征值的分布特性的频谱感知算法。该算法利用最大特征值与几何平均特征值的比值,不需要主用户的先验知识,不敏感于噪声,对相关信号和独立同分布信号均具有较高的检测性能。仿真结果表明,所提算法受虚警概率的影响较小,检测性能高,并且在采样点数、协作用户数、信噪比及虚警概率较小的情况下,也能获得较好的检测性能。     

高校贫困学生辅助评价的研究

高校对贫困学生的认定存在认定成本高、可信度不强以及标准不一致等问题.本文通过分析高校一卡通的消费行为,刻画贫困学生的消费特征,应用马尔科夫模型对贫困学生消费行为进行建模,并提出了相似指标的概念和计算方法.通过对学生消费行为与贫困学生消费行为模型进行相似指标计算,对贫困学生进行认定.该方法具有计算效率高,速度快,计算成本低廉以及数据获取容易,在同一所学校中评价标准一致,对贫困学生的平均识别率达到90%以上等特点,可以作为高校在复评贫困学生的一个有力的辅助工具.     

社交网络用户影响力的模糊综合评价

社交网络平台信息传播迅速,为了有效地进行舆情预警,定量地评估用户在消息传播网络中重要性,将模糊综合评价方法引入用户影响力建模问题中. 通过对用户在社交平台上的行为分析,构造了包含用户活跃粉丝数以及平均转发数等五项指标在内的评价体系. 并针对传统的模糊综合评价算法在应用于计算评价指标权重方面的缺陷与不足,提出改进模糊合成算子的方法构建用户影响力评估模型. 利用新浪微博社交平台上的真实数据,结合对比实验和实际评估,改进的模糊合成算子能根据需求调整权重对评价结果的影响,同时该方法能较准确地反应社交网络中用户的实际影响力.     

基于矩阵分解的个性化推荐系统研究

随着社交网络的快速发展,用户在使用社交应用时会产生大量有价值的数据。通过对社交网络进行数据挖掘,发现隐藏在数据中关联用户与物品之间的偏好关系。然后对用户建模分析,选择合适的推荐引擎进行个性化物品推荐,这是一个非常有价值的研究方向。该文重点研究矩阵分解算法对处理大规模用户与物品评分矩阵的推荐效果,为了提高推荐的准确度展开了对用户社交关系和隐性反馈的研究,在组合预测模型中加入社交关系、人口统计学信息配置项、用户的消费记录等隐因子项,通过实验验证了扩展之后的混合预测模型在RMSE值上比SVD算法降低了0.259 475,在推荐性能有较大幅度的提高。     

基于列约束的低秩矩阵恢复方法

由于在成像过程中出现遮挡现象,图像矩阵的元素有缺失。在正投影相机模型下,提出一种基于列约束的低秩矩阵恢复方法。该方法利用图像矩阵是一个低秩矩阵从而图像序列具有冗余性的特性,利用奇异值分解由图像矩阵的列空间构造出一个投影矩阵,得到图像矩阵的列所满足的约束条件,将缺失元素的恢复转化为迭代求解二次型的极值问题,利用它恢复出图像矩阵的缺失元素。该方法从理论上能够保证收敛到全局最小值。仿真实验表明,此方法具有收敛速度快,恢复精度高等优点。     

基于异常数据驱动的WSN簇内数据融合方法

引入数据驱动的思想,提出了一种基于异常数据驱动的簇内数据融合方法.在节点数据采集过程中,仅当异常数据发生时才发送给簇头,减少了监测网络的数据传输量.在簇头数据融合过程中,建立了各传感器之间的相互支持度矩阵,支持度值较低的监测数据将被剔除,支持度值较高的监测数据进行最优加权融合,从而保证了融合结果的准确性和有效性.仿真实验结果表明,与算术平均值法及自适应加权融合法相比,本文方法能有效去除冗余信息,在融合精度、能量消耗方面具有明显的优势.