一种图像分割方法的实现

本文基于模糊数学理论中的模糊Ｃ－均值聚类算法,将其思想用于图像分割。通过与其它经典方法的比较,证明了这种方法具有较好的处理效果和较强的抗噪能力。     

基于模糊判断的产品方案综合决策方法研究

产品方案综合决策的主要任务是根据用户提出的功能要求从多个方案中选择实现该功能的最佳结构，这是一个复杂的多目标离散决策问题，层次分析法（Analytical hierarchy process,AHP)是解决这个问题的有效方法。本文在研究AHP产品决策方法的基础上，指出了传统模糊AHP算法具有依赖于判断矩阵的结构、计算复杂、不便于工程应用等局限性，提出在产品方案决策中用模糊特征向量法和区间判断的定量化方法来改进AHP算法，并以某企业专用齿轮箱产品设计方案为例证明了AHP改进算法的有效性。     

非线性飞控系统的滑模PI混合模糊逻辑控制

针对一类空间飞行器的非线性姿态控制问题，首先通过变换将其强耦合模型分解成若干个子系统，把各子系统之间的耦全、未建模动态和外界扰动视为系统的不确定性。而后提出了一种结合滑模控制与比例积分控制的模糊逻辑控制器，运用李亚普诺夫原理对系统的稳定性进行了分析。用这种控制器对系统进行分散鲁棒自适应控制，仿真说明相对于传统滑模控制器，它具有响应速度快，跟踪精度高，鲁棒性强的优点。     

调距桨的舰船航速智能控制技术研究

在舰船综合运动控制过程中，对其航速的有效控制是提高舰船航行自动化程度的重要保证之一。以调距桨作为动力推进的舰船由于在操纵性、机动性、机桨匹配特性等方面明显优于采用定距桨的舰船，因此调距桨已得到较为广泛的应用。本文根据调距桨动力推进特点，采用模糊控制及神经网络技术，构造了一种航速智能控制系统，仿真结果表明，该控制结构简单、鲁棒性强、控制性能良好。     

一种基于内容的图像数据库聚类算法

本文分析了数据库信息检索的索引算法,并且对k-means聚类算法中初始聚类数目和聚类中心的设定进行了改进,设计了一种用于大容量图像数据库的索引方法.     

空天飞行器的鲁棒自适应模糊轨迹线性化控制

提出了鲁棒自适应模糊轨迹线性化控制(RAFTLC)方法并应用于空天飞行器(ASV)飞行控制系统设计.根据系统的先验知识, 设计出标称模糊系统对系统的未知干扰和不确定进行估计, 并通过鲁棒自适应控制项来克服标称模糊系统逼近误差和权值误差的影响.标称模糊系统逼近误差和权值误差的界在线调整.采用Lyapunov方法证明了闭环系统的所有信号一致最终有界.最后利用提出的控制方案设计了ASV飞行控制系统, 并在高超声速条件下进行了仿真验证.仿真结果表明了控制方案的有效性和鲁棒性.      

模糊综合评价方法在科研项目评价中的应用

院校科研成果的综合评价历来是评判机关和研究单位普遍关注的问题.传统的评价方法有总分法、加权平均法.但当评价指标是模糊概念,权重也带有模糊性时,传统的评价方法就不合适了.在分析院校科研项目评价工作的基础上,从定性分析和定量评估相结合的角度出发,应用层次分析法和模糊数学中的相关知识,采用模糊多级综合评判方法对科研项目进行评价,并通过实例分析说明这一方法用于评价科研项目结果可信,操作简单,有广泛的应用背景.     

导弹气动力/直接力自适应控制分配及优化设计

 建立了具有气动力和直接侧向力混合控制的导弹动力学模型,提出了模糊自适应控制分配与复合控制器优化集成设计方案。设计了基于参考模型的模糊自适应控制分配策略,使气动力/直接力动态分配过程中复合执行机构等效动态特性与参考模型一致。采用进化策略对导弹复合控制系统参数进行了多目标优化设计。仿真结果表明：导弹复合控制系统具有很好的快速大机动跟踪能力,实现了导弹气动力和直接侧向力之间合理的自适应控制分配。     

多约束条件下机械臂关节轨迹模糊控制算法

将单一约束条件下冗余机械臂关节角速度向量算法与模糊推理方法有效结合,实现多个约束条件下冗余机械臂关节角速度向量轨迹的控制。根据末端执行器的方向、灵活性、机械臂与障碍物的距离等约束条件的重要性,将多个约束条件排定先后次序。综合所有传感器的信息,由模糊推理确定某一时刻需要优化的约束条件,以及对每个约束条件的执行程度,使得在完成主要任务的前提下,所有约束条件都得到最大限度满足。仿真结果证明了所提出算法的有效性。     

一种基于语义相似度的文本聚类算法

文本聚类在很多文本挖掘和信息检索系统中发挥着重要的作用。现有的聚类算法大多数都是基于向量空间模型,文档集合中出现的单词词频作为特征项。这些算法都存在数据维数过高、聚簇难以描述的问题,而且忽略了单词间的语义联系。本文提出了一种基于语义相似度的文本聚类算法——TCU SS(Text clustering usingsem an ticsim ilarity)算法。TCU SS算法将文档表示成概念列表,有效地解决了数据维数高和聚簇描述难的问题,并给出如何利用概念列表进行聚簇描述的方法。TCU SS算法利用两个概念列表中单词间的语义相似度作为文档间相近程度的度量,并以图为基础进行聚类分析,避免有些聚类算法对聚簇形状的限制。实验证明,TCU SS算法提高了聚类质量。