泛逻辑控制模型研究

提出了一种基于泛逻辑学中零级泛组合模型的泛逻辑控制器，并根据输入变量数目的不同，设计了一维到四维泛逻辑控制模型结构。由于考虑到输入量之间的广义相关性，泛逻辑控制模型具有较强的通用性和适应能力，针对不同被控对象无须单独设计，是一种具有柔性潜质的智能控制模型。对典型线性和非线性系统的控制实验，证明了模型的有效性和优越性。     

时间序列数据挖掘综述*

在综合分析近年来时间序列数据挖掘相关文献的基础上,讨论了时间序列数据挖掘的最新进展,对各种学术观点进行了比较归类,并预测了其发展趋势.内容涵盖了时间序列数据变换、相似性搜索、预测、分类、聚类、分割、可视化等方面,为研究者了解最新的时间序列数据挖掘研究动态、新技术及发展趋势提供了参考.     

基于泛组合运算的分类器融合

本文介绍了一类可用于分类器融合的泛组合逻辑算子，同时作为方法论基础研究了基于案例学习的泛逻辑运算符（算子）构造和选择方法，并以此构造分类器的融合器，实验数据集选择了UCI的spam数据集，并同其他融合方法进行了对比。结果表明本文所述方法具有较低的错误率和相应较高的查全率。     

二级倒立摆的泛逻辑稳定控制研究

针对二级倒立摆的稳定控制问题,提出了一种以泛逻辑学为逻辑基础的控制器,控制器以任意区间[a,b]上的零级泛组合运算模型为核心决策部件,决策过程中考虑到输入变量之间的关系、输入量的测量误差,并允许决策门限连续可变。对二级倒立摆实物系统的泛逻辑稳定控制实验和抗干扰实验,以及同模糊控制方法和线性二次型最优状态调节器控制效果的比较证明了该方法的有效性和优越性。     

fMRI脑图的感知状态分析——回归模型及其寻优的非同质检验

脑功能核磁共振图像fMRI的特点是定位准确,但信噪比低、数据量大。对fMRI数据的泛回归模型的超参数寻优问题作了分析,提出基于非同质检验的超参数确认方法,重点比较了它在线性和非线性的回归方式(包括岭回归,支持向量回归,Elman递归神经网络)下针对不同外界环境特征的回归能力差异,实验所采用原始数据均来自PBAIC2006,结果表明,该方法在对相关领域知识较少依赖的前提下,具有较好的稳定性和泛化能力;同时在所涉及到的回归方法当中,线性方法的实现简单、有效,在计算代价上低于其他方法,对多种外界特征具有较高的预测能力。     

基于专家域的多层分类器融合

论文提出了一种基于专家域的多层分类器融合模型,专家指不同专长之单分类器。模型思想来自医院诊断流程,模型首先训练n个专家,之后将样本空间按专家专长划分专家域。对于待测样本,先将样本指派到合适的专家域,然后再由指定的专家对样本进行分类。用这种算法对UCI的标准数据集进行分类,实验结果显示,该算法得到比其他算法更低的分类误差,显著提高了分类器的性能。     

动态场景下视点相关简单块状分层方法

针对虚拟现实动态场景下规则模型组细节层次渲染速度优化问题,提出一种基于块状分层建模思想的视点相关细节层次表示方法. 该方法以简单的方式实现规则模型组动态LOD表示和场景模型文件的合理缩减. 首先通过块状分层有效组织管理三维场景,使总体动态场景文件有所减少,然后利用所提动态权系数算法,计算各块状分层动态显示系数,最终以简单、快速的方式构建三维场景动态变化下场景模型,实现各结构块不同细节层次显示的虚拟动画. 实验结果显示,该方法能够减小程序文件6.8%~10.6%,证明块状分层易于实现和方法的有效性.     

独立成分分析在瓦斯浓度预测中的应用研究

为提高含噪声瓦斯浓度数据的预测精度,提出了一种基于独立成分分析(ICA)和k-最近邻(k-NN)法的反向传播人工神经网络(BP-ANN)预测模型.利用滑动时间窗算法产生训练样本矩阵,采用ICA方法估计训练样本矩阵中的独立成分,用不合噪声的独立成分重新构建训练集;运用k-NN法减小训练集规模,引入混合距离测度函数降低训练过程的计算复杂度.实验结果表明,该预测模型较普通BP-ANN模型有效减小了瓦斯浓度预测误差和训练时间.     

基于3G的光纤Bragg光栅地层沉降监测系统

为了解决光纤Bragg光栅传感器进行地层沉降监测过程中遇到的一些问题,如监测结果直观表现性差、综合管理功能弱、不能远程数据共享等,研发了一种基于3G网络的光纤Bragg光栅地层沉降远程监测系统.系统结构采用二层C/S和三层B/S混合模式,应用虚拟仪器技术开发前端数据采集软件,采用asp.net和C#吾言开发远程监测网站.同时,系统应用3G网络远程数据传输,相比于GSM/GPRS,提高了数据传输速度和准确率.系统集监测数据采集与管理、监测结果实时动态显示、远程访问控制以及报警监控等功能于一体,实现了地层沉降监测的智能化与网络化管理.在应用该系统对某煤矿风井井壁进行监测的过程中,系统运行良好,为煤矿的安全生产提供了保证.     

多分类器系统的泛组合规则研究与应用

现有的多分类器系统采用固定的组合算子,适用性较差。将泛逻辑的柔性化思想引入多分类器系统中,应用泛组合运算模型建立了泛组合规则。泛组合规则采用遗传算法进行参数估计,对并行结构的多分类器系统具有良好的适用性。在时间序列数据集上的分类实验结果表明,泛组合规则的分类性能优于乘积规则、均值规则、中值规则、最大规则、最小规则、投票规则等固定组合规则。