【摘 要】
：
降型是广义二型模糊逻辑系统的核心模块.比较和分析了离散改进Karnik-Mendel(EKM)算法中求和运算和连续EKM(CEKM)算法中求积分运算,基于广义二型模糊集的α-平面表达理论,扩展EKM算法计算完成广义二型模糊逻辑系统质心降型.当计算广义二型模糊逻辑系统的质心降型集和质心解模糊化值时,用2个仿真实验说明了当适当增加广义二型模糊集主变量采样个数时,离散EKM算法的计算结果可以准确地逼近CEKM算法.
【机 构】
：
辽宁工业大学理学院,辽宁锦州121001
论文部分内容阅读
降型是广义二型模糊逻辑系统的核心模块.比较和分析了离散改进Karnik-Mendel(EKM)算法中求和运算和连续EKM(CEKM)算法中求积分运算,基于广义二型模糊集的α-平面表达理论,扩展EKM算法计算完成广义二型模糊逻辑系统质心降型.当计算广义二型模糊逻辑系统的质心降型集和质心解模糊化值时,用2个仿真实验说明了当适当增加广义二型模糊集主变量采样个数时,离散EKM算法的计算结果可以准确地逼近CEKM算法.
其他文献
物联网的快速发展给人们的生产生活带来了极大的便利,但是如何保证用户的信息安全是物联网发展中必须解决的一个重要问题。为了解决该问题,必须在增加较低计算量的前提下,提出安全性更高的身份认证协议。对Nikooghadam等人提出的保护用户身份的协议进行了分析,并在此基础上提出了一种改进的远程用户身份认证协议。采用BAN逻辑进行验证,也进行了性能比较与计算效率分析,结果表明,提出的协议在增加较低计算量的前
以基础矩阵的估计为基础,使用计算机视觉的方法从一组不同角度、不同距离拍摄的同一场景所得的二维序列图像中还原出目标对象的三维空间信息,是实现基于图像的建模、即时定位与地图构建等前沿热点问题的主流解决方案。在基础矩阵估计问题中,准确性和效率是2个主要的衡量指标。准确性不够时,往往需要通过后端优化等方式花费高昂的代价对其进行修正,效率低则会影响系统的实时性。针对该问题,提出一种基于改进拟仿射变换的基础矩
针对标准的灰狼优化算法GWO对于复杂优化问题的求解易陷入局部最优的缺点,从混沌初始化和非线性控制策略2个角度,提出一种基于Cubic映射和反向学习的灰狼优化算法COGWO.首先,利用Cubic映射和反向学习策略对种群进行初始化,并通过非线性参数控制策略来调节寻优过程中的参数;然后,对6种基准测试函数进行寻优实验,实验结果表明,COGWO算法具有更好的收敛精度、收敛速度和稳定性;最后,将COGWO算法应用到了实际的工程优化问题中.
为了能提升三次三角域Bézier曲面的形状控制能力,从局部形状参数和全局形状参数的角度出发,构造了带有2种参数的三次三角域Bernstein基函数.借由基函数定义了三次三角域λα-Bézier曲面,通过改变2种参数的取值达到不同的控制效果.将三角域λα-Bézier曲面与Bézier曲面进行了形状调节、时间复杂度和控制网格逼近程度3方面的比较,得出了三角域λα-Bézier曲面的优势.并给出了三次三角域λα-Bézier曲面片间满足C1、G1连续的条件及证明,相关实例也证实:三次三角域λα-Bézier曲
针对当今社会人们因缺乏心理知识而导致心理疾病患病率急剧上升的问题,构建了一个小型的心理咨询知识图谱与问答系统(Question Answering system,QA).该系统可以帮助咨询者及时获取心理知识,也可以识别出有自杀倾向的咨询者,防止危险发生.搜集了一些心理信息数据,通过构建字典并生成实体与关系构建了知识图谱;使用了HanLP(Han Language Processing)分词工具来生成关键词,通过CHI(Chi-square)特征选择来进行问题分类,提高问答效率;通过与其他模型对比,优选Bi
针对硬晶片构成的多塔三维SoC绑定中测试,提出考虑测试访问机制、层间硅通孔数和测试功耗约束的测试时间优化算法.只要任意一种测试资源约束不满足待调度晶片测试,就依次释放最早结束测试的晶片测试资源,直到待调度晶片尽可能提前测试为止,以此实现该晶片与未结束测试晶片的部分流水.选用ITC02测试基准电路中的5种典型电路,手工搭建2种塔内包含子塔的多塔三维SoC.实验结果表明,与已有算法相比,提出的算法减少了空闲时间块,显著缩短了总测试时间;实验还发现,与增加TSV数相比,增大测试引脚数更能有效减少多塔三维SoC的
为提升自动驾驶的舒适性,降低速度规划算法的复杂度,提出了一种基于模糊神经网络的纵向速度规划方法.将人工驾驶经验总结为模糊规则表,建立了模糊速度规划模型,结合神经网络的自学习功能修正模糊速度规划模型,建立了模糊神经网络速度规划模型.分析了静态障碍物和动态障碍物场景,通过仿真验证了所提速度规划方法的可行性,与传统方法相比,加速度的平滑性能更好.所提速度规划方法具有一定的抗干扰性能,工程实现简单,保证了速度规划的实时性与稳定性.
为解决传统聚类算法初始中心易陷入局部最优、耗时长的问题,提出一种改进的K-means聚类优化算法.该算法引入最大最小距离和加权欧氏距离,从剩余聚类点距离均值和出发,避免孤立点和边缘数据的影响.利用比重法对主成分进行改进,以由此获得的特征影响因子作为初始特征权重,构建一种加权欧氏距离度量.根据特征贡献率对聚类的影响,筛选具有代表性的特征因子凸显聚类效果,最终合成汽车行驶工况,分析瞬时油耗.结果表明,所提算法构建行驶工况的速度-加速度联合分布差异值仅为1.05％,比传统K-means聚类省时44.2％,行驶工