排序方式: 共有15条查询结果,搜索用时 15 毫秒
1.
K-prototypes聚类算法结合了K-means算法和K-modes算法,可用于分析混合属性的数据对象。传统的K-prototypes聚类算法在计算数据对象的相异度时,未考虑各个属性对于最终聚类结果的影响程度,而现实世界中,各属性的重要程度是不同的。使用了信息论中信息增益的计算方法,来获得各个属性的权值。在计算各属性的差异度时,乘以这些权值,从而可以获得更为准确的聚类结果。为了增加算法处理模糊问题的能力,本算法引用了模糊理论,从而使其具有较好的抗干扰能力和处理不确定性问题的能力。通过对四个UCI数据集的聚类分析实验,表明了本算法的有效性。 相似文献
2.
针对传统K-prototypes在计算分类属性的差异度时未考虑各个分类属性对聚类结果的影响程度,且算法容易受到噪声的干扰,无法处理数据中不够精确、不完整等不确定性问题,提出基于信息熵的粗糙K-prototypes聚类算法。在计算数据样本之间分类属性的差异度时,使用信息熵的理论,确定每个分类属性对于聚类分析结果的影响权重;引入粗糙理论,计算得到各样本与粗糙模之间的粗糙相异度,通过多次迭代计算,获得最终聚类结果。该算法结合信息熵和粗糙理论,可区别对待各分类属性,解决数据不精确引起的不确定性问题,4个UCI数据集上的实验分析结果验证了该算法的有效性。 相似文献
3.
研究了一阶强双曲分布参数系统的迭代学习控制问题.首先利用Fourier变换和半群方法导出了系统状态的适应解.进而基于强双曲条件和Plancheral定理,在允许迭代过程中初值存在一定偏差条件下,给出并证明了系统在P型迭代学习控制算法下的收敛条件.最后应用实例说明了所提方法的有效性. 相似文献
4.
针对具有非线性项和扰动的四旋翼无人机系统,提出一种基于中间观测器的故障诊断算法,该算法不仅能估计系统的状态,而且能同时对无人机的执行器故障、传感器故障和扰动进行估计。首先,为便于处理传感器故障和扰动,对原系统进行增广;其次,引入一个中间变量,对增广后的系统设计中间观测器,利用该观测器可以得到系统状态、故障和扰动的估计,并采用Lyapunov函数证明了误差系统一致最终有界;最后,通过四旋翼无人机系统的仿真,验证了本文提出的方法可以很好地估计出故障和扰动。 相似文献
5.
本文研究了一类随机分布参数切换系统的输入输出有限时间稳定问题.首先,给出了系统在均方意义下输入输出有限时间稳定的概念.其次,通过利用分片Lyapunov-Krasovskii函数、平均驻留时间及线性矩阵不等式等工具,建立了随机分布参数切换系统输入输出有限时间稳定的充分条件;设计一个状态反馈控制器确保相应的闭环系统输入输出有限时间稳定,并以严格的数学推导加以证明.最后,通过两个仿真例子验证了所得结果的有效性. 相似文献
6.
7.
利用Lyapunov稳定性理论,积分不等式和Halanay不等式,研究了具分布参数的高阶随机时滞Hopfield神经网络的均方指数稳定性,得到了保证系统指数稳定且与扩散项相关的充分性条件,并给出了指数收敛率,同时放松了现有文献中对变时滞的要求,因而在一定程度上了改进了现有文献的结果.最后给出了数值算例验证所得结果的有效性. 相似文献
8.
研究了Saint-Venant方程组的Crank-Nicolson格式离散化并建立学习控制模型.首先给出了表示明渠流水流质量和动量守恒的Saint-Venant方程组,并线性化;其次,采用Crank-Nicolson格式进行离散,得到了无条件稳定的离散化方程组;最后通过离散化后得到的状态空间方程,建立了基于迭代学习控制的数学模型,为后续进一步研究算法的收敛性奠定了基础. 相似文献
9.
10.
基于向量图分析的分布参数系统迭代学习控制 总被引:3,自引:0,他引:3
针对一类不确定线性分布参数系统的迭代学习控制问题进行了讨论。基于向量图分析方法,提出了分布参数系统的一种新的迭代学习控制算法,该算法与现有算法不同,具有非线性形式。此外,利用 范数对所提新算法进行了完整的收敛性分析。 相似文献