基于能量和距离的无线传感器网络路由协议

无线传感器网络(Wireless Sensor Networks, WSNs)是一种新兴的传感器网络。Leach(Low energy adaptive clustering hierarchy)协议是WSNs中最流行的簇类协议之一,它通过概率模型选择簇头,并且周期性地改变簇头来实现最大化的网络覆盖率和网络寿命。本文通过网络中节点的能量和所处的地理位置信息,对Leach协议中节点成为簇头的概率公式进行修正,从而改进协议的簇头选择算法,平衡网络的能耗,达到延长无线传感器网络寿命的目的。基于NS2(Network Simulator Version 2)平台的实验结果证明,改进的Leach算法可以延长WSNs的寿命。     

基于CUDA和深度置信网络的手写字符识别

为了应对海量的字符(手写)识别,提出了一种将统一计算设备架构 (Compute Unified Device Architecture, CUDA)和深度置信网络相结合的方法进行手写字符识别。该方法结合受限玻尔兹曼机和反向传播神经网络形成深度置信网络对字符图片数据进行识别,并且使用CUDA在图形处理器（GPU）上进行并行计算来完成识别过程。实验结果表明,使用该方法后,在不降低识别精度的情况下手写字符识别的速度大幅提升。     

不确定系统的自适应可靠滑模控制

针对允许执行器发生故障的不确定系统,分别研究了被动可靠以及自适应可靠滑模控制器的设计,通过线性矩阵不等式技术和李雅普诺夫稳定性理论证明了滑模运动的稳定性、指定滑模面的可达性,数值仿真结果验证了该方法的有效性。     

一种基于F统计量的改进型显著误差检测方法

工业过程采集的数据的可靠性和准确度直接影响到过程控制、调度及优化等。讨论了数据校正的原理及应用,分析了显著误差检测的意义以及显著误差检测的基本原理。在对两种传统的基于统计量的显著误差检测法讨论的基础上,提出了一种基于F统计量的NT MT显著误差检测方法。该方法将两种传统方法运用其中,仿真结果表明,基于F统计量的改进NT MT方法给出了很好的检测效果,对显著误差的灵敏度很高。     

基于自适应差分进化算法的间歇反应动态优化求解

为了求解间歇反应动态优化问题,提出了一种自适应差分进化算法(Self-Adaptive Differential Evolution, SADE)。在SADE算法中,每个个体都拥有自己的控制参数。该算法在对原优化问题进行差分进化搜优的同时,以权重大小来评价各个控制参数的优劣,并以加权控制参数作为控制参数的进化方向,实现其自适应调整。结果表明SADE算法收敛速度快、求解精度高。将SADE算法应用于两个典型的间歇反应动态优化问题中,取得了较好的优化效果;同时,分析了时间离散度对优化结果的影响。     

改进的混沌粒子群优化算法

针对传统的简单粒子群算法(SPSO)早熟、易陷入局部最优的缺陷,提出了一种改进的混沌粒子群优化算法(CPSO)。该算法根据混沌算法遍历性的特点,选择合适的混沌映射提取SPSO初始种群,使粒子均匀分布在解空间。当SPSO陷入早熟时,CPSO在最优解周围的区域内进行混沌搜索,取代原来种群中的部分粒子,带领种群跳出局部最优。对7个标准测试函数的寻优测试表明：CPSO算法在寻优精度、速度、稳定性等方面均优于SPSO。     

一种适用于多模态过程监控的集成统计指标

具有多模态特性的工业过程的数据分布呈现出与单模态过程不同的特性。在构造监控指标时,不仅要能够概括每个模态内部的数据统计特征,还要充分考虑到不同模态之间的信息。传统的T2和SPE统计量在多模态过程中可能无法实现这一目标。提出了一种融合多模态统计信息的全局监控统计量,在贝叶斯推论的框架下,通过对每个模态的局部马氏距离赋予相应权重来实现对多模态数据的描述。通过多模态的连续反应搅拌釜(CSTH)仿真实验,验证了全局监控指标的有效性和灵敏性。     

基于改进云粒子群优化的模糊神经网络在甲醇合成转化率软测量中的应用

针对基本PSO算法早熟、搜索精度不高与易陷入局部最优的缺点,结合云滴的随机性、稳定倾向性,提出了一种改进粒子群优化算法(ICPSO)。将改进算法用于模糊神经网络的参数优化,并应用于甲醇单程转化率建模中。仿真实验结果表明：该模型具有较高的精度和较好的泛化能力,能够实现甲醇转化率的实时监测。     

一种改进的基于模糊案例推理方法及其在分类中的应用

针对基于特征权值的相似性模型在相似案例搜索上的局限性,通过汲取模糊规则在捕获领域知识上的有效性和灵活性,提出了一种改进的基于模糊案例推理方法。首先通过确定特征变量取值区间及对特征区间的模糊划分,直接从数据中学习规则;然后计算启动强度并合并规则得到分类器;最后通过计算类别强度,实现对未知案例的分类。3组UCI标准数据集上的实验结果表明,此方法不仅学习时间短,而且可以利用更少的样本获得更好的分类效果。     

叠加支持向量机及其在醋酸精馏软测量中的应用

为了提高粒子群算法搜索精度和避免陷入局部最优,提出了一种改进的粒子群优化算法。一方面引入平均最好位置调整速度,使粒子可以利用更多的信息决策自己的行为;另一方面对引入的平均最好位置进行小波变异,增加算法的种群多样性。仿真实验结果表明：改进的粒子群算法具有寻优能力强、搜索精度高、稳定性好等特点。