基于混合策略的麻雀搜索算法改进及应用

针对麻雀搜索算法(SSA)搜索精度不高、全局搜索能力不强、收敛速度慢和易于陷入局部最优等问题，提出了一种基于混合策略的麻雀搜索算法(HSSA)。采用改进的Circle混沌映射初始化种群，提高种群多样性；结合樽海鞘群算法改进发现者的搜索公式，提高算法迭代前期的全局搜索能力和范围；在加入者的搜索公式中引入自适应步长因子，提高算法的局部搜索能力和收敛速度；通过镜像选择机制，提升每次迭代后的个体质量，提高算法的寻优精度和寻优速度；在位置更新处加入模拟退火机制，帮助算法跳出局部最优。利用8种测试函数进行测试，结果表明，改进算法比SSA有更好的寻优性能。将改进前后算法与极限学习机结合进行实验，人体表面肌电信号数据集的分类预测精度从80.17%提高到90.87%，证实了改进算法的可行性和良好性能。     

变批次长度的非线性分布参数系统迭代学习控制

针对一类离散的非线性分布参数系统,提出了一种批次长度随机变化的迭代学习控制问题.该类系统由抛物型偏微分方程构成.该方法采用伯努利型随机变量来描述迭代长度随机变化的情况,并根据分布参数系统的性质以及P型分布更新控制算法设计了迭代学习控制器.基于压缩映射原理,给出了系统输出误差收敛的充分必要条件并加以证明.结果表明,所提出...     

ω混沌与伪移位不变集

就紧致度量空间的连续自映射 ,研究了具有半伪移位不变集与 ω混沌的关系。证明了若 f有半伪移位不变集 ,则 f是ω混沌的且存在不可数集 S R(f ) - R(f ) ,其中 S既为 f的ω紊乱集又为 f的 L i- Yorke意义下的混沌集。进而导出一维映射 f拓扑熵大于零的充要条件是存在正整数 n,使得 fnω混沌且存在 fn 的不可数的 ω紊乱集 S R(f) - R(f)     

模糊σ-代数上的模糊数值测度及应用(Ⅰ)

设(Χ,A,μ)是一个全有限测度空间,H为由A生成的模糊σ-代数。通过计算H中模糊子集的截集的测度,运用一维模糊数的嵌入定理,构造了一种定义在H上取值于一维模糊数空间的测度,这种测度限制在A上就是测度μ,并且具有可列可加性、下连续性、上连续性、自连续性等性质。这种测度取值一维模糊数,保留了模糊子集较多的信息,所以它可以更为细致地刻划模糊子集。作为在模糊聚类理论方面的应用,把(Χ,A,μ)上用于度量普通集合间不相似性的度量推广到了H上的模糊子集间,得到了一种基本的H上不相似度量。     

基于自组织拓扑映射图的发动机故障诊断研究

根据SOM自组织网络的高维数据矢量量化、快速聚类、信息融合和拓扑映射等特征,建立了发动机故障诊断可视拓扑映射图模型,给出了映射模式误差测度和拓扑误差测度,并通过拓扑映射图对发动机故障进行诊断,获得了很好的效果。同时,进一步通过建立的故障模式的测量参数灰度图,可以清晰地观察到故障模式矢量特征、测量参数相关性特征、参数变化趋势,并可进行更深层次故障机理分析。     

第Ⅱ、Ⅲ型膨胀映射的不动点定理

3种膨胀映射的定义及其相应的不动点定理是由王尚志等首先提出和建立的。之后，何松年对第一型膨胀映射的不动点定理做了进一步讨论，现报道膨胀映射不动点定理研究工作的继续和深入。着重进一步研究第二型和第三型膨胀映射的不动点定理，给出了两个理论上更深刻、应用上更方便的新结果。     

PARAMETERIZATION OF TRIANGULAR MESHES

A new algorithm called the weighted least square discrete parameterization (WLSDP) is presented for the parameterization of triangular meshes over a convex planar region. This atgorithm is the linear combination of the discrete Conformal mapping (DCM) and the discrete Authalic mapping (DAM). It provides the good properties of both DCM and DAM, such as robustness and low distortion. By adjusting the scaling factor q embedded in the WLSDP, satisfactory parameterizations in different special applications can be achieved.     

交互绘图软件（MTSCAD2.0）开发中的深层次问题研究（2）

本文进一步介绍图形编辑和几何交切方面的程序设计的经验，如图形的映射、平移和旋转，交互绘图时常用到的九种几何交切的有关内容。用实例来说明程序设计原理和方法。     

基于量子粒子群和流形学习的分类方法及其在发动机故障诊断中的应用

针对测量参数存在的非线性、参数间的耦合性以及噪声干扰,将量子粒子群算法引入到流形学习的参数选择中,结合径向基神经网络,提出了一种故障诊断方法。邻域个数和约简维数是流形学习中的关键问题。结果表明:该方法首先利用量子粒子群算法优选邻域个数、约简维数和径向基函数的参数,再利用等距特征映射(ISOMAP)对原始参数进行非线性降维,提取其低维流形特征,从而进行故障分类。结果表明:该方法能够有效地对发动机各种复合故障进行分类,精度达到97.33%,量子粒子群优于基本粒子群优化的分类结果;其分类精度明显优于主元分析(PCA)、核主元分析(KPCA)方法,且有很强的抗噪能力。     

多值非扩张非自映射的强收敛定理

对多值非扩张映射构造了两个迭代算法,在自反且严格凸Banach空间中证明了强收敛定理。研究结果推广了Matsushita-Takahashi的结果。