检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

基于样本数据的模糊系统建模研究

基于样本数据的模糊系统建模研究

作者：唐肝翌西南大学

学位级别：硕士

在模糊控制理论、仿真技术理论和模糊逻辑相关理论快速发展及其它们在实际工程中大量应用的背景下,模糊建模理论方法得到较快的发展,并成为解决复杂、不确定、非线性系统建模和控制的有效工具。文章主要围绕模糊系统结构辨识、参数辨识... 详细信息

在模糊控制理论、仿真技术理论和模糊逻辑相关理论快速发展及其它们在实际工程中大量应用的背景下,模糊建模理论方法得到较快的发展,并成为解决复杂、不确定、非线性系统建模和控制的有效工具。文章主要围绕模糊系统结构辨识、参数辨识、规则库化简等问题做了一些研究和探讨。本文提出了一种以原系统的单调性为基础的输入空间划分与模糊集初始化方法,由此得到初始化的模糊系统,利用ANFIS进行参数辨识。这种方法被验证为是有效的。本文提出了一种新的规则重要性指标的定义及其ANFIS在线调整算法,证明了由此得到的重要性指标值近似于规则删除带来的拟合误差变化,并确定了其误差范围,这种方法可以在有严格的拟合精度要求下在线化简规则库。仿真实验验证了这种方法的有效性。在实际应用中,常常很难获取足够多的规则。本文提出了一种根据已有规则,采用插值思想生成新规则的方法。并设计了一个简单的模糊系统来实现插值算法,以满足在线生成新规则的要求。这种方法能增强模糊系统输出的连续性与稳定性。

关键词：模糊系统模糊建模系统辨识模糊规则 ANFIS

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

规则不完备的模糊系统新规则在线生成

计算机工程与应用 2006年第11期42卷 63-65页

作者：唐肝翌邓辉文张栒西南大学计算机与信息科学学院重庆400715 西南大学逻辑与智能研究中心重庆400715

由专家经验和输入输出样本数据得到的模糊规则常常是不完备的,规则不完备的模糊系统因为缺少一些规则,对于某些可能的输入值产生的输出会很不合理。文章提出了用插值法在必要时在线生成新规则,并设计了一个模糊系统来插值填充规则库空... 详细信息

由专家经验和输入输出样本数据得到的模糊规则常常是不完备的,规则不完备的模糊系统因为缺少一些规则,对于某些可能的输入值产生的输出会很不合理。文章提出了用插值法在必要时在线生成新规则,并设计了一个模糊系统来插值填充规则库空格。实验结果表明,这种方法大大增强了规则不完备的模糊系统在整个输入域上输出的连续性和稳定性。

关键词：模糊系统模糊规则插值法

基于Hessian正则化和非负约束的低秩表示子空间聚类算法

在线全文

学校读者我要写书评

暂无评论

计算机应用 2022年第1期42卷 115-122页

作者：范莉莉卢桂馥唐肝翌杨丹安徽工程大学计算机与信息学院安徽芜湖241000

针对低秩表示(LRR)子空间聚类算法没有考虑数据局部结构,在学习中可能会造成局部相似信息丢失的问题,提出了一种基于Hessian正则化和非负约束的低秩表示子空间聚类算法(LRR-HN),用来探索数据的全局结构和局部结构。首先,利用Hessian正... 详细信息

针对低秩表示(LRR)子空间聚类算法没有考虑数据局部结构,在学习中可能会造成局部相似信息丢失的问题,提出了一种基于Hessian正则化和非负约束的低秩表示子空间聚类算法(LRR-HN),用来探索数据的全局结构和局部结构。首先,利用Hessian正则化良好的推测能力来保持数据的局部流形结构,使数据局部拓扑结构的表达能力更强;其次,考虑到获得的系数矩阵往往有正有负,而负值往往没有实际意义的特点,引入非负约束来保证模型解的有效性,使其在数据局部结构描述上更有意义;最后,通过最小化核范数寻求数据全局结构的低秩表示,从而更好地聚类高维数据。此外,利用自适应惩罚的线性交替方向法设计了一种求解LRR-HN的有效算法,并在一些真实数据集上,采用正确率(AC)和归一化互信息(NMI)对所提出的算法进行了评估。在ORL数据集上聚类数目为20时的实验中,LRR-HN与LRR算法相比,AC和NMI分别提高了11%和9.74%;与自适应低秩表示(ALRR)算法相比,AC和NMI分别提高了5%和1.05%。实验结果表明,LRR-HN与现有的一些算法相比,AC和NMI均有较大的提升,有较好的聚类性能。

关键词：子空间聚类 Hessian正则化非负约束低秩表示流形学习

焦点引导的带颜色恢复的多尺度Retinex算法

在线全文

学校读者我要写书评

暂无评论

计算机工程与应用 2013年第2期49卷 207-210,270页

作者：窦易文周鸣争唐肝翌卢桂馥安徽工程大学计算机科学与信息学院安徽芜湖241000 东华大学信息科学与技术学院上海201620

针对低照度下高动态范围图像在应用多尺度Retinex算法进行图像增强时,易出现光晕现象和颜色失真等问题,提出了一种可以由焦点引导的带颜色恢复的多尺度Retinex(FgMSRCR)算法。通过自底向上视觉注意模型对低照度下高动态范围图像进行焦... 详细信息

针对低照度下高动态范围图像在应用多尺度Retinex算法进行图像增强时,易出现光晕现象和颜色失真等问题,提出了一种可以由焦点引导的带颜色恢复的多尺度Retinex(FgMSRCR)算法。通过自底向上视觉注意模型对低照度下高动态范围图像进行焦点提取,保留于相异焦点集中,对整幅图像应用带色彩恢复的多尺度Retinex算法(MSRCR)进行图像增强,再对焦点区域进行保持亮度和颜色比例的增强,利用高斯平滑滤波器完成图像增强任务。实验结果表明,与常见的图像增强算法和其他Retinex算法相比,该算法能够在保持颜色恒常的前提下有效地克服光晕现象。

关键词：图像增强颜色恒常性 Retinex算法视觉注意模型

基于二进制量子行为粒子群优化的WSN自适应设计

在线全文

学校读者我要写书评

暂无评论

黑龙江工业学院学报（综合版） 2017年第7期17卷 48-53页

作者：唐肝翌刘涛卢桂馥安徽工程大学计算机与信息学院安徽芜湖241000

无线传感器网络(WSN)所处的物理环境,探测对象以及WSN本身都存在很多不确定的因素,这要求WSN能够适时地调整和优化。提出一种基于簇结构的自适应WSN,采用二进制量子行为粒子群算法实现网络拓扑控制优化与网络覆盖优化,提高了全局搜索能... 详细信息

无线传感器网络(WSN)所处的物理环境,探测对象以及WSN本身都存在很多不确定的因素,这要求WSN能够适时地调整和优化。提出一种基于簇结构的自适应WSN,采用二进制量子行为粒子群算法实现网络拓扑控制优化与网络覆盖优化,提高了全局搜索能力。算法中采用基于并行位操作的高效率算子处理二进制串。该算法融合于WSN动态结构设计,能有效延长WSN的使用寿命。

关键词：无线传感器网络粒子群优化量子自适应设计节能

Android开发课程翻转课堂教学模式研究

在线全文

学校读者我要写书评

暂无评论

电脑知识与技术 2017年第3X期13卷 114-116页

作者：唐肝翌卢桂馥安徽工程大学计算机与信息学院安徽芜湖241000

Android开发课程内容多,实践性强,传统的课堂教学很难有效组织学生学习。Android开发翻转课堂教学模式全过程由问题引导、课前学习、课堂内化、课后固化四个环节组成。翻转课堂教学模式充分利用优质网络教学资源,组织学生课外自主学习... 详细信息

Android开发课程内容多,实践性强,传统的课堂教学很难有效组织学生学习。Android开发翻转课堂教学模式全过程由问题引导、课前学习、课堂内化、课后固化四个环节组成。翻转课堂教学模式充分利用优质网络教学资源,组织学生课外自主学习。安排项目式任务,在课堂上开发、讨论。Android开发翻转课堂教学模式能激发学生的学习积极性、创造性,满足学生的个性化学习需求,提高教学质量。对于减少教师的重复性劳动,提高教师的综合素质也有积极意义。

关键词：翻转课堂 Android开发教学网络教学平台教学视频自主学习

在线全文

学校读者我要写书评

暂无评论

基于ANFIS云推理的网络学习评价

西南师范大学学报（自然科学版） 2014年第1期39卷 137-141页

作者：唐肝翌卢桂馥周鸣争刘涛穆伦科安徽工程大学计算机与信息学院安徽芜湖241000 南京理工大学高维信息智能感知与系统教育部重点实验室南京210094 东南大学信息科学与工程学院南京210096 涪陵区交通委员会重庆涪陵408000

将云模型与ANFIS结合,利用云模型代替模糊神经网络的隶属度函数,构成ANFIS云推理网络并应用到学习效果评价中.实验表明,ANFIS云推理网络是一种有效的学习评价工具,抗干扰能力较强.

关键词：学习评价模糊神经网络自适应神经模糊推理系统云推理

基于L1-范数和弹性网约束的鲁棒稀疏块PCA

在线全文

学校读者我要写书评

暂无评论

Block Principle Component Analysis with Lp-norm for Robust and Sparse Modelling

南京师大学报. 自然科学版 2022年第4期45卷 102-109页

作者：唐肝翌卢桂馥王勇范莉莉杜扬帆安徽工程大学计算机与信息学院安徽芜湖 241000 南京大学计算机软件国家重点实验室江苏南京 210023

块主成份分析(block principal component analysis,BPCA)是一种重要的子空间学习方法,能充分利用图像矩阵的部分关联.基于L1-范数的BPCA是近年来发展起来的鲁棒降维的有效方法.本研究提出了一种新的鲁棒稀疏BPCA方法,称之为BPCAL1-S.... 详细信息

块主成份分析(block principal component analysis,BPCA)是一种重要的子空间学习方法,能充分利用图像矩阵的部分关联.基于L1-范数的BPCA是近年来发展起来的鲁棒降维的有效方法.本研究提出了一种新的鲁棒稀疏BPCA方法,称之为BPCAL1-S.该方法相对于传统的基于L2-范数的PCA对噪声更加鲁棒.为了建立稀疏模型,优化过程中引入弹性网,联合使用Lasso与Ridge惩罚因子进行约束.提出了一种贪心算法逐个提取特征向量,对迭代过程的收敛性做了理论证明.将BPCAL1-S应用于图像分类与图像重构,实验结果验证了该方法的有效性.

关键词：块主成份分析 L1-范数弹性网稀疏建模子空间学习

来源：博看期刊评论

在线全文

博看期刊

学校读者我要写书评

暂无评论

Journal of Shanghai Jiaotong university(Science) 2018年第3期23卷 398-403页

作者： TANG Ganyi LU Guifu School of Computer and Information Anhui Polytechnic University Wuhu 241000 Anhui China

Block principle and pattern classification component analysis （BPCA） is a recently developed technique in computer vision In this paper, we propose a robust and sparse BPCA with Lp-norm, referred to as BPCALp-S, which inherits the robustness of BPCA-L1 due to the employment of adjustable Lp-norm. In order to perform a sparse modelling, the elastic net is integrated into the objective function. An iterative algorithm which extracts feature vectors one by one greedily is elaborately designed. The monotonicity of the proposed iterative procedure is theoretically guaranteed. Experiments of image classification and reconstruction on several benchmark sets show the effectiveness of the proposed approach.

关键词： block principle component analysis(BPCA) Lp-norm robust modelling sparse modelling