一种获取与优化模糊规则基的混合学习算法

提出了一种二层学习算法来优化模糊规则基。利用Ｔａｋａｇｉ－Ｓｕｇｅｎｏ模糊神经网络对一个模糊规则基进行参数学习,学习方法为梯度下降法,然后利用遗传算法对规则基进行结构调整,采用二进制编码方法,一条规则对应于一个基因位,一个规则基对应于一条染色体。这种二层优化方法能较好地减少模糊规则基的冗余度,化简模糊规则基。仿真实验也证实了这一点。     

Improved Learning Algorithm of Hyperball CMAC and Its Convergence Analysis

An improved learning algorithm for hyperball CMAC was presented. Only one parameter is needed to determine the learning rate, and the parameter can be obtained by a self-optimizing method. The convergence of the improved learning algorithm was proved. The simulation research shows that the learning speed and the learning accuracy are both improved.     

基于预测控制的动车组迭代学习控制方法

针对动车组运行过程中存在非线性扰动、参数时变等问题，以提高动车组的速度跟踪精度和乘客舒适性要求为目标，提出了一种基于预测控制的高速动车组迭代学习控制方法；通过采集动车组先前运行过程中的输入输出数据，使用带遗忘因子的最小二乘法实时辨识广义预测控制(GPC)中的预测模型参数并计算预测输出，根据以往过程的平均模型误差修正该预测输出，利用修正后预测输出引出迭代学习控制律，在线实时计算得到新的控制量，实现动车组速度跟踪；采用修正后预测输出设计二次型迭代学习控制律，通过充分学习列车系统的重复性特性来解决传统比例积分微分(PID)型迭代学习参数整定难、收敛速度慢和鲁棒性差等问题，并给出算法的收敛性证明；以实验室配备的CRH380A型动车组半实物仿真平台对该方法进行了测试，建立了列车的三动力单元模型，使其跟踪设定速度曲线，并与一些传统算法进行对比。仿真结果表明：在第8次迭代过程，基于预测控制的高速动车组迭代学习控制方法得到的动力单元速度与其设定的速度和加速度误差分别在0.3 km·h^-1和0.5 m·s^-2以内，且变化平稳，其性能优于PID、GPC和P型迭代...     

一种基于多元Probit模型的随机网络配流加载算法

为了改善基于Logit模型的随机网络配流加载算法的两个不足之处,本文提出了基于正态分布的Probit模型的随机网络配流算法。假设路段的广义交通时间服从正态分布,然后用蒙特卡洛模拟法对提出的算法进行求解。最后,用一个简单的交通网络例子对提出的算法进行验证分析。在算法求解过程中,运用Matlab对路段广义交通时间随机抽样,再对网络进行全有全无分配,将交通流量分配到起终点间的每一O-D对的最短路径上。应用Probit模型进行配流加载,其路径选择概率更接近实际更加合理,是一种值得推广的交通配流加载模型。     

城际公共交通系统最短路算法

在借鉴城市公共交通最短路算法的基础上,针对城际网络的特点,研究了城际交通换乘路径的选择问题。以最小换乘次数为首要目标,并以此为基础,综合考虑时间、票价等因素,获取城际交通系统最短路。首先提出一种基于Flord算法的最小换乘矩阵及多条最短路的获取方法,然后利用最小换乘路径进行站线搜索与广义费用计算,获取城际交通的最短路,最后通过算例证明了本算法的可行性。     

A generalized two-level Bregman method with dictionary updating for non-convex magnetic resonance imaging reconstruction

In recent years, it has shown that a generalized thresholding algorithm is useful for inverse problems with sparsity constraints. The generalized thresholding minimizes the non-convex p-norm based function with p 1, and it penalizes small coefficients over a wider range meanwhile applies less bias to the larger coefficients.In this work, on the basis of two-level Bregman method with dictionary updating(TBMDU), we use the modified thresholding to minimize the non-convex function and propose the generalized TBMDU(GTBMDU) algorithm.The experimental results on magnetic resonance(MR) image simulations and real MR data, under a variety of sampling trajectories and acceleration factors, consistently demonstrate that the proposed algorithm can efficiently reconstruct the MR images and present advantages over the previous soft thresholding approaches.     

Kernel Generalized Noise Clustering Algorithm

IntroductionFuzzy clustering is one of the important methodsin pattern recognition. The most widely used fuzzyclustering is the fuzzy c-means (FCM) algorithm[1]which is conceived by Dunn[2]and generalized byBezdek[3]. Based on an objective function, the F…     

Research of Adaptive Neighborhood Incremental Principal Component Analysis and Locality Preserving Projection Manifold Learning Algorithm

In view of the incremental learning problem of manifold learning algorithm, an adaptive neighborhood incremental principal component analysis (PCA) and locality preserving projection (LPP) manifold learning algorithm is presented, and the incremental learning principle of algorithm is introduced. For incremental sample data, the adjacency and covariance matrices are incrementally updated by the existing samples; then the dimensionality reduction results of the incremental samples are estimated by the dimensionality reduction results of the existing samples; finally, the dimensionality reduction results of the incremental and existing samples are updated by subspace iteration method. The adaptive neighborhood incremental PCA-LPP manifold learning algorithm is applied to processing of gearbox fault signals. The dimensionality reduction results by incremental learning have very small error, compared with those by batch learning. Spatial aggregation of the incremental samples is basically stable, and fault identification rate is increased.     

局部阴影光伏发电系统中基于改进PSO的MPPT控制

光伏发电系统在局部阴影条件下,传统的最大功率点跟踪算法（maximum power point tracking,MPPT）容易陷入局部寻优,无法跟踪到全局最大功率点. 针对这一问题,本文提出了一种基于自适应学习因子粒子群算法的最大功率跟踪方法. 该方法在普通粒子群算法的基础上不断改变学习因子和权重系数,以提高算法收敛的速度和精度. 将其应用于局部阴影条件下的光伏发电系统最大功率点跟踪中,并在RT-LAB实时仿真平台中以两个接受不同光照强度的光伏阵列为例进行实时仿真验证. 仿真结果表明,两峰情况下本文所提出的自适应学习因子粒子群算法能够在0.298 s左右跟踪到全局最大功率点,普通粒子群算法需要约0.615 s,而扰动观察法陷入了局部最大功率点,本文所提算法能够有效提高系统的收敛速度和精度并且适用于多峰情况. 最后设置仿真算例验证本算法适用于光照突变的情况.      

流形学习算法概述

流形学习是一种非监督学习算法,流形学习算法的目的是挖掘嵌入在高维数据空间中的低维光滑流形,本文在论述流形学习算法诞生及研究现状的基础之上,指明流形学习算法的研究重点:流形本征维数估计、有监督学习、样本外学习能力、特殊流形降维,并指出流形学习的研究意义。     

任意多边形窗口的有效线裁剪算法

已有的线剪裁算法大都是针对矩形窗口或凸多边形窗口的,对于任意多边形窗口的线剪裁,目前尚无有效的算法,而这样的算法却有更普遍的应用意义.提出了一个多边形裁剪线段的有效算法,该算法运算高效、稳定.     

�����Ŵ��㷨�Ĺ���Ʊ�۷ּ������о�

合理的票价分级策略往往能够使得公交乘客和经营者实现“双赢”的局面.为了制定合理的票价分级策略,本文首先通过SP调查采集乘客的选择意向信息,研究了影响乘客广义费用函数的因素变化规律,采用统计分析的方法建立了广义费用函数;其次,以乘客广义费用最小和公交经营者经营效益最大为目标,建立票价分级策略的双层优化模型;最后,基于遗传算法设计了该模型的求解方法,并以济南市2路公交做实例研究.结果表明,本文所研究的基于遗传算法的公交票价分级策略不仅能够使公交乘客的综合效用增加,而且能够使经营者的收益有所提高.     

基于状态空间方法的显式GPC算法全局收敛性分析

采用状态方程的方法给出了基于ＣＡＲＭＡ模型的显式,ＧＰＣ算法的稳定性及收生证明,辨识算法采用增广最小二乘法。     

基于广义巢式Logit 的多用户多准则随机 用户平衡模型

介绍了广义巢式Logit 的基本理论,在此基础上,考虑具有不同时间价值的多种 用户类别出行者,构造了基于广义巢式Logit 的多用户多准则随机用户平衡的等价数学 规划模型,并对该模型的等价性和唯一性进行了证明.设计了求解所提出的随机用户平衡 模型的基于路径的相继平均法,通过一个算例验证了所设计算法的有效性. 分析了分散 系数变化对交通分配结果的影响,最后与多项式Logit 的分配结果进行对比.算例结果表 明,本文所提出的模型能够克服多项式Logit 模型的IIA 特性,设计的算法具有较高的求 解效率.     

一种基于深度学习的离散化交通状态判别方法

在智能交通信号控制和交通流诱导系统中,交通环境状态的有效判别是影响交通控制决策的先决条件,本文针对交通流产生的大数据信息,结合深度学习算法提出一种离散化交通状态的判别方法.给出了包括交通状态数据采集、状态数据描述、状态深度学习和判别等功能模块的系统架构,构建了一种离散交通状态编码方法,为深度学习交通状态特征提供了数据基础.模型训练阶段,对采集到的二值和连续值交通状态数据,分别构建了两种不同的深度置信网络实现交通状态特征的无监督学习;模型微调阶段,在整合形成的高层抽象特征向量顶端增加softmax分类器,采用反向传播算法实现参数微调.最后,该方法基于VISSIM微观交通软件进行仿真,实验结果表明,离散交通状态编码方法可有效表达交通状态,基于深度学习的交通状态判别方法相对传统方法具有较高的准确度.     

Genetic Algorithm Based Tikhonov Regularization Method for Displacement Reconstruction

In this paper,a genetic algorithm based Tikhonov regularization method is proposed for determination of globally optimal regularization factor in displacement reconstruction.Optimization mathematic models are built by using the generalized cross-validation(GCV)criterion,L-curve criterion and Engl's error minimization(EEM)criterion as the objective functions to prevent the regularization factor sinking into the locally optimal solution.The validity of the proposed algorithm is demonstrated through a numerical study of the frame structure model.Additionally,the influence of the noise level and the number of sampling points on the optimal regularization factor is analyzed.The results show that the proposed algorithm improves the robustness of the algorithm effectively,and reconstructs the displacement accurately.     

Incremental Supervised Subspace Learning for Face Recognition

Subspace learning algorithms have been well studied in face recognition. Among them, linear discriminant analysis (LDA) is one of the most widely used supervised subspace learning method. Due to the difficulty of designing an incremental solution of the eigen decomposition on the product of matrices, there is little work for computing LDA incrementally. To avoid this limitation, an incremental supervised subspace learning (ISSL) algorithm was proposed, which incrementally learns an adaptive subspace by optimizing the maximum margin criterion (MMC). With the dynamically added face images, ISSL can effectively constrain the computational cost. Feasibility of the new algorithm has been successfully tested on different face data sets.     

一种改进投影算法求解排放约束下多用户交通分配均衡模型

给出一种考虑排放约束条件下的交通分配均衡模型,在所定义的广义出行费用中明确考虑捧放因素.通过将变分不等式同题转换成等价的最优化问题.引入改进投影算法求解该模型.在所给出的数值算例中考虑两类对排放不同偏好的用户,采用均衡算法求解二次规划子问题,所得的弧及路径最优解收敛.且均满足Wardrop平衡条件.     

适于前馈神经网络的LM-QuasiNewton综合学习新方法

为实时解决神经网络学习过程中可能遇到的大残量时的收敛问题，将LM算法与Quasi Newton优化算法结合，构建了一种综合学习算法(LM-QuasiNewton算法)．仿真算例表明，该算法较好地解决了残量问题，收敛性与稳定性优于其它权值算法．合学习算法．仿真实例表明，该算法较好地解决了残量问题，在收敛性与稳定性方面优于其它权值算法。     

一种由RBF网络驱动的模糊产生式系统

介绍了ＲＢＦ网络和模糊产生系统，分析了由ＲＢＦ网络实现模糊产生式系统的条件，并研究了ＲＢＦ网络的训练算法，以确定模糊系统的参数，运用这种学习算法，可同时确定模糊系统规则的数目和规则的参数。仿真结果说明了该方法的有效性。