MATLAB与Visual C#.NET混合编程

在分析MATLAB与Visual C#．NET通用性和优缺点的基础上,介绍了MATLAB和Visual C#．NET混合编程的设计思想和编程特点。接着具体给出了基于visual C#．NET开发应用程序调用MATLAB算法的实现方法,并重点结合实例闸述了运用COM组件技术混合编程的具体步骤和注意事项。     

基于MATLAB的样条插值

首先论述了VC和MATLAB各自的优缺点,然后提出了VC与MATLAB混合编程的三种方法。并详细阐述了如何通过基于动态链接库(DLL)实现VC和MATLAB混合编程的技术,重点介绍了在MATLAB生成动态链接库中封装开发好的算法,以及如何在集成环境中调用DLL,并实现了Cardinal样条插值。该方法充分发挥了VC和MATLAB各自的优势,提高了编程效率,为科学技术研究提供了强大的技术支持。     

混沌时序的噪声降低技术研究

介绍了噪声对混沌时序分析的影响,回顾了混沌时序噪声降低方法的研究情况。在此基础上将Ｔａｋ－ｅｎｓ的嵌入理论拓展应用到具有噪声干扰的时间序列,并结合非线性信号处理和非线性近似函数技术,提出了一种把重构相空间同降低噪声干扰相结合的理论方法和处理技术,并以受噪声污染的Ｈｅｎｏｎ 映象时间序列为例,说明了有关概念和应用结果。     

VB与MATLAB混合编程在修磨机床软件中的应用

介绍了VB与MATLAB混合编程的4种方法,通过这些方法,可使VB的可视化界面和Matlab强大的计算及绘图功能得以实现,从而提高编程的效率,并在某产品CNC修磨机床的上位机数据处理软件中通过了验证.     

应用小波神经网络进行负荷预测的MATLAB编程仿真

以咸阳地区的电力负荷数据为背景,应用小波神经网络进行短期负荷预测工作,并详细介绍了其MATLAB的编程与仿真。利用MATLAB 7.0的神经网络及小波工具箱函数进行编程仿真,不仅编程简洁,而且收敛速度快。因需要大量的训练数据进行训练,介绍了在实际编程时所用技巧。     

混沌时间序列的神经网络预测研究

研究了一类特殊非线性系统——混沌系统的预测问题。混沌是一种普遍存在的非线性动力学行为,混沌时间序列难以预测和控制,文章先是通过重构系统状态相空间分析混沌时间序列,然后采用多层前向神经网络对其进行预测。对典型的Lorenz和Mackey-Glass混沌序列预测结果表明,如果训练样本足够多,网络结构简单适当,训练后的网络具有很好的泛化性能,说明神经网络预测方法具有较好的工程实用价值。最后分析神经网络初始权值设置对预测性能的影响,指出改进方向。     

基于在线LS-SVM算法的变参数混沌时间序列预测

研究利用最小二乘支持向量机(LS-SVM)预测变参数混沌时间序列。变参数混沌系统适合于描述现实中的复杂混沌现象,但由于参数的慢变导致系统动力学特性不断发生变化,基于Tan-kens嵌入定理的建模预测方法难以适用,其时间序列预测可以看作是小样本学习问题。最小二乘支持向量机是在二次损失函数下采用等式约束求解问题的一种支持向量机,保留支持向量机优点同时计算量大大减少。提出用一种具有遗忘机制的最小二乘支持向量机在线递推算法,并引入历史数据的高次项预测变参数混沌时间序列。对典型变参数混沌时间序列的预测结果表明,该方法具有较高预测精度,能快速跟踪预测变参数混沌时间序列。     

非线性时间序列的动力学混沌特征自动提取技术

提出了一种非线性时间序列混沌特征的自动提取方法.该方法直接根据非线性时间序列, 依次计算出延迟时间、嵌入维数、相关维数、最大李雅普诺夫指数、相轨迹特征以及Poincare特征等混沌特征, 整个特征的提取过程自动完成, 毋须人工干预.最后用算例表明了该方法的有效性和正确性.该方法对于利用非线性混沌特征进行非线性系统故障诊断和趋势预测具有重要意义.      

VB与MATLAB混合编程在CAI系统中的应用

充分利用VB人机交互可视化的灵活性和MATLAB强大数值计算能力,将两者有机结合起来,分析了MATLAB与VB混合编程的关键技术和实现方法,利用在COM平台上的Activex技术调用MATLAB函数方法,为开发设计含复杂数学计算的可视化计算机辅助教学CAI系统软件提出新的思路,可以大大缩短系统软件开发周期。     

混合神经网络和混沌理论的股票价格预测研究

针对股票时间序列的非线性特点,结合混沌理论和神经网络理论,提出了基于混沌理论的股票价格神经网络预测方法。同时利用重构相空间的嵌入维数确定神经网络的结构,对实际的股票时间序列预测结果表明,该方法能有效地进行短期预测,在股票时间序列预测中有广泛的实用价值。     

混沌时间序列预测算法的优度评价

将优度评价方法运用于混沌时间序列预测算法评价中,确定评价算法的指标体系。建立混沌时间序列预测算法关于各评价指标的关联函数来刻画各评价对象的优秀程度并计算关联度。计算出各评价对象的优度值,将其用于对各算法的综合优度的比较。实例证明,该方法直观、实用,可为混沌时间序列预测算法评价提供定量的依据。     

基于最小二乘支持向量回归的混沌时间序列预测研究

研究利用最小二乘支持向量机预测混沌时间序列。混沌时间序列预测是典型的小样本学习问题,基于结构风险最小化原理的支持向量机方法,克服了神经网络易于陷入局部极值点等缺点,能够获得全局最优解。最小二乘支持向量机是一种在二次损失函数下采用等式约束求解问题的一种支持向量机,在保留支持向量机优点的同时使计算量大大减少。对典型混沌时间序列的预测结果表明,最小二乘支持向量机回归预测方法具有良好的泛化推广性能,预测精度高,适合于复杂非线性时问序列建模预测。     

基于改进粒子群算法辨识Volterra级数的目标机动轨迹预测

目标机动轨迹预测是空战态势感知和目标威胁评估的重要前提。针对传统目标机动轨迹预测模型复杂度大、预测精度低等问题，结合目标机动轨迹时间序列的混沌特性，提出一种基于相空间重构理论和Volterra泛函级数的目标机动轨迹预测模型。该模型首先采用0-1检测法验证了目标机动轨迹时间序列具有混沌特性；其次，利用C-C法确定嵌入维数和时间延迟，对目标机动轨迹时间序列进行了相空间重构；然后，引入Volterra泛函级数预测模型，为了克服高阶Volterra核函数求解复杂的难题，提出一种混沌变异自适应粒子群算法，构建一种基于改进粒子群算法辨识的Volterra级数预测模型，并将其应用于目标机动轨迹预测；最后，将所提算法与卡尔曼滤波算法以及机器学习算法进行单步和多步预测对比，同时将改进粒子群算法与其他智能算法进行性能比较。仿真结果表明：所提预测模型具有良好的单步和多步预测性能，改进的粒子群算法具有参数辨识精度高、收敛速度快的优点。     

冲击响应谱绝对校准研究中冲击响应谱的计算方法

介绍了应用于冲击响应谱绝对校准中的冲击响应谱的计算方法,该方法的实现基于MATLAB编程语言,即通过MATLAB中的仿真直接求解单自由度二阶微分方程的数值解以获得冲击响应谱的绝对复现.