特征加权的阴影C均值聚类新算法(英文)

将特征加权的划分聚类方法应用在阴影集的框架中阴影聚类产生的核心区和边界区的样本对每一个类的质心有不同的影响。通过集成特征权重,加权计算的公式引入到聚类算法中。权重指数的选择对于好的聚类结果非常关键,而且权重随着每次迭代划分而更新。文中给出了算法的收敛性,并且使用了可行的聚类有效性指标。在合成数据集和真实数值数据集上的不同特征权重的实验结果表明,该加权算法优于其他不加权算法。     

采用模糊RBF神经网络的直升机旋翼不平衡故障诊断

提出一种利用模糊径向基函数(Radial basis function,RBF)神经网络进行直升机旋翼不平衡故障诊断的方法,建立了用于直升机旋翼不平衡故障识别的模糊诊断模型。基于直升机旋翼不平衡故障模拟实验,对采集于旋翼配重不平衡、桨距不平衡、后缘调整不平衡和正常状态下的试验台体振动信号进行功率谱分析,并采用主分量分析(Principal component analysis,PCA)的方法进行故障特征提取。采用模糊RBF神经网络诊断模型对旋翼不平衡故障进行了故障分类识别,同时分析了不同主分量累计贡献率和模糊子空间对故障分类精度的影响,并与RBF神经网络的诊断模型、支持向量机(Support vector machine,SVM)诊断模型进行了故障识别效果对比。结果表明,模糊聚类RBF神经网络的诊断方法对旋翼不平衡故障具有更好的识别能力。     

模糊聚类法在试验模态参数识别分析中的应用

为了搜索系统的真实极点,将模糊聚类理论引入试验模态参数分析.根据极点之间内在的亲疏关系,将其 合理地聚为若干类,搜索每一类的最佳极点,即系统的真实极点,在稳态图中自动完成真实极点的选择.该方法 能够避免人为因素造成的识别误差,提高识别结果的可信度.在正交多项式曲线拟合和多参考点最小二秉复频 域识别系统中引入该方法,实现了稳态图中极点的自动选择,提供了真实极点选择的一种新思路.通过仿真和实 验证明了模糊聚类法对极点选择的可行性和稳定性.     

基于神经网络的飞机极限数据专家系统

利用神经网络专家系统的方法时飞机飞行参数的极限允许值进行计算，可以使推理过程变得简洁、清晰，避免了常规方法在软件实现上的诸多缺点。同时，本文采用一种模糊规则方法对神经网络专家系统的推理行为进行描述，使得神经网络专家系统能够回答有关why和how的询问。以最大允许马赫数的计算为例，本文设计了用于该参数推理的神经网络专家系统．并给出了简单算例。     

基于神经网络动态逆的歼击机自适应跟踪控制

基于神经网络动态逆方法，给出了一种非线性模型参考自适应跟踪控制方案。应用神经网络直接对非线性系统求逆方法解决了逆系统方法的两个“瓶颈”问题，并且克服了传统的控制设计中将过程模型线性化，从而将不可忽视的非线性关系用线性关系代替或者忽略的弊端。对由于建模误差、不确定因素等引起的非线性系统逆误差，通过自组织模糊小脑模型关节控制器(Self—organizing fuzzy cerebellar model articulation controller，SOFCMAC)神经网络在线进行修正。SOFCMAC神经网络扩大了寻优空间，使其能更好地重构系统逆误差，最终实现准确的鲁棒自适应跟踪控制。通过将这种方法用于某型歼击机姿态系统控制的仿真研究，表明了本文方法的有效性和可行性。     

改进Kmp算法在模糊查找中的应用

在改进KMP算法的数据结构和算法的基础之上，本文提出了一个模糊匹配的函数mhcheck。根据该算法实现分级别模糊。最后实现了一个实用的模块模糊查找模块。并应用于学生工作管理辅助系统（ASSAM）。     

基于模糊指数融合和正交基分解的发动机性能监控

针对发动机性能监控过程中出现的单参数监控信息量不足和多参数容易矛盾的情况,提出一种发动机性能监控模糊指数融合方法。该方法基于滑动窗口参数均值和熵,采取有效的信息融合技术,建立表征发动机性能的模糊融合指数。利用神经网络方法,依据已确定的模糊融合规则推导出剩余决策规则。实例表明,模糊融合指数能很好地跟踪发动机性能缓慢衰退和突变两种情况。用正交基分解的方法对模糊指数进行重构预测,与线性拟合和二次拟合相结合的方法相比,其预测精度更高,能准确预测发动机的性能变化。     

基于模糊强化学习的多柔性梁振动控制仿真

空间机械结构趋向大型化、复杂化、柔性化特点,容易导致残余振动,且残余振动频率低,振动时间长.针对多柔性梁耦合结构残余振动问题,通过有限元法建立了动力学模型,分析了振动特性,呈现密频特性,拍频特征.对于残余振动问题,结合模糊强化学习控制算法,构建模糊规则表,使用ε-贪婪法选择每条规则中的动作,进而生成最终的控制电压,与环...     

基于深度置信网络的近距空战态势评估

针对传统态势评估方法权值确定困难、大规模数据处理和特征提取能力不足的问题,结合当前空战数据特征,将深度置信网络(DBN)应用于近距空战态势评估。通过密度峰值算法对空战特征数据进行聚类分析,并结合态势函数和专家判读进行修正,建立标准空战态势样本库;以重构误差和测试错误率为基础,建立网络拓扑结构和最优参数确定方法,提高模型的训练效率,并通过样本数据,对模型进行训练和验证。实验表明,模型态势分类正确率达到92.7%,模型运行时间满足应用需求,实例评估结果与客观态势一致性强。     

基于信息熵的连续属性自动聚类算法

基于信息熵的有关理论，提出了一种新的连续属性的自动聚类算法。首先介绍了Shannon熵的概念及其两个重要的定理，基于信息的不确定测度，提出了一种Shannon熵的准则函数φ，并且指出了该准则函数必须满足的6条原则。其次，基于该准则函数，引出了一种针对单个连续属性自动聚类的FUSINTER算法。由于实际信息系统中有多个连续属性，这主需要对多个连续属性分别使用FUSINTER算法进行离散，并且要求最终保证整个信息系统离散是相容的和一致的，而且各个属性拥有较少的分割区间。最后，本文以干线飞机外形参数的变化趋势与其更新换代的关系来说明文中提出的属性离散化过程，并展示了该聚类算法的有效性。本文提出的方法可以用于机器学习或数据挖掘的数据前处理。