基于Cholesky分解的LSSVM在线学习算法

针对最小二乘支持向量机(LSSVM)用于在线建模时存在的计算复杂性问题,提出一种LSSVM在线学习算法.首先引入了基于Cholesky分解求LSSVM的方法,接着根据在线建模期间核函数矩阵的更新特点,将分块矩阵Cholesky分解用于LSSVM的在线求解,使三角因子矩阵在线更新从而得出一种新的LSSVM在线学习算法.该算法能充分利用历史训练结果,减少计算量.仿真实验显示了这种在线学习算法的有效性.     

基于模糊竞争学习的模糊模型一体化辨识

提出了一种利用MGS(modified Gram-Schmidt)算法建立非线性系统模型的建模方法,并给出了基于MGS算法的模型结构和参数辨识的一体化方法,即利用MGS正交变换对通过模糊竞争学习的聚类结果进行变换,确定对模型贡献大的规则,删除对模型贡献小的规则,同时对模型中的参数进行估计,实现模糊模型结构和参数的优化.仿真结果表明,提出的方法能够对非线性系统进行模糊建模.     

基于目标函数的矩阵分解非线性系统模糊建模

提出了基于新的目标函数的模糊聚类建模方法．改进的模糊聚类方法把模糊模型结构辨识和参数辨识融为一体．首先,通过新的目标函数的最小化确定模糊模型的输入空间,即确定模糊规则和规则数、参数．然后对经模糊聚类得到的模糊前件推理矩阵进行QR分解,通过分析秩亏损确定重要的聚类规则．为了证明这种建模方法的性能,对非线性系统进行了仿真建模研究,仿真结果证明所提出方法是一种有效的、精确的模糊建模方法.     

基于T-S模糊模型的Nadolschi混沌系统同步控制

为了实现一类新型混沌系统的同步控制,提出一种基于T-S模型的模糊控制方法。利用T-S模糊模型对Nadolschi混沌系统进行精确描述;采用并行分布补偿技术设计状态反馈控制器;进而将Nadolschi系统的同步控制问题转化为误差模糊系统零平衡点的镇定问题。然后,利用精确线性化的方法将误差模糊系统转换成定常系统,最后,根据线性系统理论,得出使Nadolschi混沌系统达到渐近同步的充分条件。仿真结果验证了所提方法的有效性,所设计的模糊控制器具用结构简单,规则少,控制响应速度快等优点。     

最小二乘配置的QR分解解法

为了解决最小二乘配置解算问题,采用QR分解解法建立了直接解算算法.分析了目前采用的最小二乘配置法解算方法,在讨论了矩阵的QR分解方法的基础上,推导得出了矩阵QR分解与广义逆矩阵的关系,得出了可以直接利用QR分解求解矩阵的最小二乘逆,并推导了应用QR分解求解最小二乘配置的估值计算公式和精度估算公式,最后通过重力异常实例进行了计算,得出矩阵的QR分解用于最小二乘配置解算的正确性和可行性.该成果为最小二乘配置法提供了一种新的解算方法.     

基于分布估计算法的非负矩阵分解

非负矩阵分解问题可以转化为一个约束优化问题,因此可以依靠最优化领域的相关算法进行求解.提出一种基于分布估计算法求解非负矩阵分解问题的新算法,并将算法应用于两个非负矩阵分解的数值算例,与非负矩阵分解基准算法进行比较,证实了算法的可行性和优越性.     

基于模糊聚类方法的T-S模糊系统建模

提出了用一个聚类验证准则设计模糊C均值聚类算法，这个聚类验证准则是用来确定模糊C均值算法中合适的聚类数．针对T—S模糊模型，由模糊c均值聚类算法确定其逻辑前件参数，进而采用最小二乘算法确定模糊推理规则的后件参数．最后，应用本文建模方法对一个非线性实例进行仿真计算，并与其它方法进行了比较，结果表明本文方法是有效的．     

基于WPD和模糊神经网络的轴承故障诊断

提出一种结合小波包分解和模糊神经网络的故障诊断方法,采用小波包分解与重构提取各频带的能量作为故障特征向量,并以此为学习样本,再利用正交最小二乘学习算法训练模糊神经网络,确定故障诊断系统模型,对轴承故障进行诊断和识别.仿真结果及与其它一些方法比较表明:该轴承故障诊断方法可以有效识别和预测轴承的状态,且学习效率、准确性和可靠性等方面均有较大提高.     

A×B的LU分解

本文利用矩阵分解的技巧，给出了Ａ×Ｂ的ＬＵ分解形式，据此还给出了对应的线性最小二乘解的显式表达式。     

基于非负矩阵分解的集成人脸识别

非负矩阵分解已广泛应用于人脸识别,但因无监督、子空间线性表示、基特征局部次优等特点,它识别光照复杂、表情丰富的人脸图像的能力有限。为优化非负矩阵分解的人脸识别能力,分析并建立了非负矩阵分解的集成分类框架,整合多组基特征的弱类别结构信息,在无监督情形下利用偏最小二乘回归建立符合统计属性的集成标签映射,突显正确的类结构。通过多组人脸数据集的试验结果表明,基于非负矩阵分解的集成分类能力显著提高,适用光照复杂、表情丰富的人脸图像识别。     

复合导电纤维沥青混凝土导电机制

实际系统中通过采样得到的数据的噪声、干扰和变量之间耦合等不确定因素,使得描述系统的模糊关系矩阵列间可能存在严重的相关性.为了解决输入空间重构的模糊建模问题,提出利用目标函数确定非线性系统的结构和参数,实现对模糊模型结构简化,删除冗余规则.结构确定过程中采用了UD矩阵分解方法,大大降低了计算量.最后,证明了算法的收敛性,仿真结果表明了方法的有效性.     

基于奇异值分解的极限学习机多变量时间序列预测模型

在极限学习机预测多变量时间序列研究中,针对以往将矩阵转换成向量作为模型输入,从而影响预测精度的问题,结合奇异值分解思想,提出一种直接以矩阵作为输入的多变量时间序列极限学习机预测型SVDELM.由Rossler、Chen’s、Lorentz和股票多变量时间序列的实验结果表明,SVDELM是一种有效的多变量时间序列预测模型.     

基于经验数据的T-S模糊控制器设计与优化

提出了一种基于经验数据而非语言的T-S模糊控制器设计和优化方法.此方法分为三个阶段,第一阶段依据输入变量的范围来确定输入变量的高斯型隶属度函数;第二阶段在不改变输入变量隶属度函数的前提下,对经验数据施加递推最小二乘法以确定T-S模糊控制器的后件系数;第三阶段,使用梯度下降方法同时优化控制规则的前件参数和后件参数.倒立摆的仿真试验结果验证了该方法的有效性.     

基于模糊最小二乘支持向量机的发酵过程建模研究

青霉素发酵过程具有时变性和高度非线性,对菌体浓度等的在线测量十分困难。最小二乘支持向量机建模,虽然提高了预测速度,但是预测精度有所欠缺。为提高预测精度,本文在最小二乘支持向量机中引入模糊思想,采用一种基于类中心距离的模糊隶属度函数,为青霉素发酵过程菌体浓度建立预测模型。原理分析与仿真结果表明模糊最小二乘支持向量机建模方法相比于单一的最小二乘支持向量机建模,它的预测精度高,性能更加优越。     

随机模糊神经网络及在随机混沌时间序列预测中的应用

针对随机模糊神经网络(SFNN)的网络结构没有明确的物理含义，仅仅是一种实现随机模糊逻辑系统的计算结构的问题，对其网络结构进行了改进，重新定义了每层的节点原型。改进后每层之间的物理含义明确且节点数目减少，从而计算量有所减少。对于SFNN的参数和结构，可以分别通过参数学习算法和结构学习算法来优化。将SFNN用于随机混沌时间序列预测，仿真结果表明：该系统由于引入了随机的概念，使网络能更有效地防止噪声的干扰，因而更适合于工程应用。     

基于Lyapunov方法的模糊广义系统稳定性

为了解决广义T-S模糊控制系统稳定性和模糊控制器设计问题,利用模糊Lyapunov方法得出了自由系统新的稳定性充分条件,该条件具有更大的宽松性;同时基于一系列线性矩阵不等式(LMI)设计了模糊控制器,该矩阵不等式可以利用凸优化技术来进行解决;把所有子系统的系数放到一个矩阵中综合考虑,放松了控制系统的稳定条件。     

基于非负矩阵分解和Normal_Matrix的肿瘤基因分类

文中提出了一种结合非负矩阵分解和Normal_Matrix谱分解技术的肿瘤基因分类方法.其分类过程首先是利用fdr_test记分准则粗略除去噪声基因以实现基因表达谱数据的初步降维,进而运用非负矩阵分解萃取基因间的综合属性,通过综合属性构造样本间的Normal_Matrix并对其进行奇异值分解获取表征样本类别属性的谱分量实现肿瘤类型的分类识别.采用三组具有代表性的肿瘤基因表达谱数据进行实验,通过与其他方法的对比,其结果证明了文中方法的可行性和有效性.     

基于模糊系统的金具温升预测方法

为了提高直流特高压阀厅连接金具的温升预测准确性,将基本粒子群算法与递推最小二乘算法结合,形成改进粒子群算法。利用试验得到训练数据与测试数据,通过训练数据调整模糊系统。训练算法分别为基本粒子群算法、递推最小二乘算法和改进粒子群算法,其中改进粒子群算法的收敛效果优于其他2种算法。通过训练数据与回归分析对阀厅连接金具的温升进行建模,用测试数据对各方法所得模型进行检验,发现由改进粒子群算法训练模糊系统所得模型的测试效果最好。测试结果表明,若能得到足量训练数据,用改进粒子群算法训练模糊系统的方法预测阀厅连接金具的温升是可行的。