合成推理的插值实现

在对采用合成推理规则进行模糊推理的机制进行分析的基础上 ,给出了利用插值法也可以得到相同结果的原理 .在此基础上用实际例子说明了采用插值法实现合成推理的方法 ,结果表明采用插值法可以等效地实现合成推理 .     

在嵌入式应用中增强Linux实时性的方法研究

在分析Linux实时性的同时,指出了将其应用于实时系统时所存在的不足,提出了一种提高Linux实时性的思想及实现方法．该方法将进入系统的所有任务按实时性要求不同分成硬实时任务、软实时任务和非实时任务三种,依次用task_struct结构中policy属性的取值SCHED_FIFO,SCHED_RR和SCHED_OTHER作为标识,把原Linux的单运行队列改为双运行队列．为严格保证硬实时任务的实时性,将其单独放在一个队列中,由指针数组的元素run_queue[0]指向,采用FIFO调度算法;软实时任务和非实时任务放在一个队列中,由指针数组的元素rurl—queue[1]指向,采用RR调度算法,通过抢占方式保证软实时任务优先于非实时任务．修改sched()函数的调度流程,使有实时性要求的任务尽可能多的得到调度机会;同时修改中断处理流程,实现可抢占式改造．达到硬实时任务可抢占软实时和非实时任务．软实时任务可抢占非实时任务的目的．     

基于证据理论的AUV目标识别研究

根据D2S证据理论能很好表示“不确定性”和“不知道”的特点,对比不同的数据融合算法,在分析D2S证据理论的性能特点基础上,提出了一种基于自主式水下航行器的扫描声纳和水下摄像机两种视觉传感器采集信息的基本概率分配函数的方法和规则,并且分析了自主式水下航行器上的扫描声纳和水下摄像机这两种视觉传感器的信息在目标位置求解中的应用,同时利用Dempster合并规则,分析计算这两种视觉传感器在自主式水下航行器进行目标类别识别时的合成融合值.通过列表分析,表明增加了目标识别的可信度,减少了目标的不确定性.     

关于文本特征抽取新方法的研究

该文研究了已有和最新的各种基于评估函数的特征筛选方法 ,评价了它们的优缺点和适用范围 ,并实现了一种用评估函数代替 TFIDF法中 IDF函数进行分类的新算法。然后进一步从如何放宽特征独立性假设 ,利用等级关系的角度探讨了对特征筛选可能的改善     

一种新的基于距离度量的近似推理方法

对常用的近似推理方法如合成推理方法（CRI）和基于相似度量的近拟推量方法（AARS）进行了研究,指出了它们存在的缺陷;在此基础上,提出了基于距离度量的近似推理方法,该方法较好地解决了CRI和AARS方法的中的问题。     

模糊专家系统中约束最优化问题求解

介绍了简化模糊推理方法,在此基础上提出了求解模糊专家系统中约束最优化问题的一般方法,通过对模糊约束最优化问题的实例研究,讨论了该方法求解不同问题的适应性。这为建造模糊专家系统提供了一个十分有用的工具。     

一种新的基于Fuzzy集的相似度量

给出了基于Fuzzy集的相似度量的定义,在此基础上提出了一种新的基于Fuzzy集的相似度量方法。解释了这种新的相似度量的含义和来源,并认为这种新的定义在智能系统的近似推理中是十分有用的。     

基于Vague集的元素间相似度量的近似推理

给出了Vague集元素间的一个相似度量方法,对于模糊概念(用Vague集表示)的隶属函数为连续的情况,将规则前件中Vague集的论域与后件中Vague集的论域作一一映射,然后给出基于Vague集的隶属函数为连续情况下的元素间相似度量的近似推理方法;对于Vague集的隶属函数为离散的情况,在作上述相同的映射后,再将规则前件中的vague集和事实中的Vague集的真/假隶属函数分别进行线性插值,使它们都成为连续函数,然后给出基于Vague集的隶属函数为离散情况下的元素间相似度量的近似推理方法.     

竖向地震作用下预制装配式混凝土斗拱动力响应分析

为了揭示预制装配式混凝土斗拱在地震作用下的薄弱部位,采用有限元软件ABAQUS对预制装配式混凝土斗拱施加了单向及双向地震波,得到了结构的动力响应.分析了斗拱关键部位加速度及位移动力响应,比较了加速度放大系数及位移放大系数,提出了预制装配式混凝土斗拱在单向和双向地震波作用下地震响应差异,得到了预制装配式混凝土斗拱的薄弱部...     

基于修正差别矩阵的高效属性约简算法

为降低基于修正差别矩阵的属性约简算法的复杂度,给出了基于修正差别矩阵的简化差别矩阵,证明了基于该简化差别矩阵的属性约简定义与基于原修正差别矩阵的属性约简定义是等价的.在此基础上设计了一个基于简化差别矩阵的属性约简算法,其空间和时间复杂度分别被降为O(|C|(|U'pos||U/C|))和max{O(|C|2(|U'pos||U/C|)),O(|C||U|log|U|)}.实例说明:用新算法进行属性约简,不仅减少了计算量,而且减少了存储空间,因而是一种高效的属性约简算法.