人工智能腿模糊控制器的分析及硬件设计

概述了人工智能腿的原理和TMS320F240数字信号处理器（DSP）的主要特点及应用，设计了一种采用TMS320F240位置伺服系统的结构和模糊PID的控制策略，给出了位置伺服系统的程序流程图，对该位置伺服系统进行了仿真，给出了实际结果和结论。     

利用小波和分层聚类进行彩色图像分割

提出了一种有效的基于颜色和位置相关信息的图像分割方法。图像以块为单位进行划分，在YUV空间，提取块的颜色特征，并对每小块进行小波变换，获得其小波能量特征。将颜色特征和能量特征作为每小块的特征向量，采用分层聚类的方法进行区域的合并。该方法在聚类过程中考虑了小块的位置关系，并能最终自动确定聚类的类别数。     

浅谈面向对象程序设计的思维方法

面向对象的思维方法，其实是一个把业务逻辑从具体的编程技术当中抽象出来的过程，而这个抽象的过程是自上而下的，先不考虑问题解决的细节，把问题的最主要的方面抽象成为一个简单的框架，集中精力思考如何解决主要矛盾，然后在解决问题的过程中，再把问题的细节分割成一个一个小问题，再专门去解决细节问题。     

线性时间检测器生成算法的改进

针对基于人工免疫的网络入侵检测中的线性时间检测器生成算法生成的检测器存在冗余以及时问和空间代价与r呈指数关系，算法开销受r的影响较大的不足，对其进行了改进，采用了去除冗余检测器以及分割字符串的改进算法来生成检测器，通过实验证明了算法的有效性。     

基于遗传算法和语言算子的模糊控制器优化研究

用单片机实现模糊控制策略是一种常用的重要的方法,它是根据误差和误差的变化率隶属度函数表,离线计算得到一张模糊控制查询表,用单片机实现查询功能。该方法应用十分广泛,因此优化离散形式的隶属度函数表具有重要的意义。该文提出了一种优化离散形式的隶属度函数表的新方法:即用遗传算法优化模糊集合中的语气算子H,从而优化离散形式隶属函数表。经优化后的隶属函数更能客观地反映控制对象真实特性,从而达到了优化模糊控制器的目的。文章用一个具体的实例以仿真的形式验证了该方法是正确的、有效的。     

基于记忆细胞剪切和非线性资源分配的人工免疫识别系统

为减少人工免疫识别系统(AIRS)的记忆细胞数量并提高AIRS的分类准确率,提出一种基于记忆细胞剪切和非线性资源分配的人工免疫识别系统(PNAIRS).PNAIRS采用样本属性离散化来压缩训练空间,利用记忆细胞剪切来淘汰低适应度细胞,并使用非线性资源分配来优化分类器.PNAIRS对6个UCI数据集进行分类测试,测试结果与其它分类算法结果对比,显示PNAIRS具有较小规模的记忆细胞群体和较高的分类准确率,而且算法运行速度快.这表明PNAIRS算法是一个性能良好的分类算法,具有潜在的应用价值.     

基于核的非凸数据模糊K-均值聚类研究

将模糊K-均值聚类算法与核函数相结合,采用基于核的模糊K-均值聚类算法来进行聚类。核函数隐含地定义了一个非线性变换,将数据非线性映射到高维特征空间来增加数据的可分性。该算法能够解决模糊K-均值聚类算法对于非凸形状数据不能正确聚类的问题。     

单纯形搜索在遗传算法中的融合研究

构造了单纯形混合遗传算法SM-HGA⁺。分析单纯形搜索算法,提出了单纯形交叉算子和K步随机单纯形搜索算子,并将单纯形搜索算法和这两个算子分别融入到最优微群体μP_B（t）、最差微群体μP_W（t）和普通群体P_C（t）,形成SM-HGA⁺。最优微群体中的单纯搜索算法提高算法的精度;最差微群体中的单纯形交叉算子加速最差个体向优秀个体进化;普通群体中K步随机单纯性搜索提高全局搜索速度,同时在普通群体采用大交叉概率的标准遗传算法,提高全局搜索能力。遗传算法测试函数验证算法SM-HGA⁺的正确性、效率。     

两种快速的空间矢量脉宽调制算法比较(英文)

对60°非正交坐标系和45°旋转坐标系这两种快速空间矢量脉宽调制算法(space vector pulse width modulation,SVPWM)进行比较,目的是为工程技术人员在这两种SVPWM算法之间选择时提供一个理论和实践的参考。提出了一种新的针对这两种方法的任意多电平调制通用算法,只需角度和调制比两个信号就能够决定最终的矢量开关顺序。理论分析结果表明,45°旋转坐标系SVPWM比60°非正交坐标系SVPWM更简单,计算量小,更适合于数字实现。两种算法都以硬件的方式在FPGA上用VHDL语言编程实现,并对实现的复杂度和逻辑资源占用这两方面进行比较。仿真结果表明,45°旋转坐标系下的SVPWM算法比60°坐标系下的SVPWM算法在简洁性和资源占用方面具有明显的优势。最后,在一个三电平中点箝位型逆变器上对所提的两种通用算法进行了实验验证。     

Hybrid particle swarm optimization with chaotic search for solving integer and mixed integer programming problems

A novel chaotic search method is proposed,and a hybrid algorithm combining particle swarm optimization（PSO） with this new method,called CLSPSO,is put forward to solve 14 integer and mixed integer programming problems.The performances of CLSPSO are compared with those of other five hybrid algorithms combining PSO with chaotic search methods.Experimental results indicate that in terms of robustness and final convergence speed,CLSPSO is better than other five algorithms in solving many of these problems.Furthermore,CLSPSO exhibits good performance in solving two high-dimensional problems,and it finds better solutions than the known ones.A performance index（PI） is introduced to fairly compare the above six algorithms,and the obtained values of（PI） in three cases demonstrate that CLSPSO is superior to all the other five algorithms under the same conditions.