期刊文献+
共找到5篇文章
< 1 >
每页显示 20 50 100
基于多目标进化算法的高维模糊分类系统的设计 被引量:11
1
作者 张永 吴晓蓓 +1 位作者 向峥嵘 胡维礼 《系统仿真学报》 EI CAS CSCD 北大核心 2007年第1期210-215,共6页
提出一种可同时构造多个精确性和解释性较好折中的高维模糊分类系统的设计方法。该方法由以下三步组成:(1)利用Simba算法进行特征变量选择;(2)采用模糊聚类算法辨识初始的模糊模型;(3)利用匹茨堡型实数编码的多目标遗传算法对初始模糊... 提出一种可同时构造多个精确性和解释性较好折中的高维模糊分类系统的设计方法。该方法由以下三步组成:(1)利用Simba算法进行特征变量选择;(2)采用模糊聚类算法辨识初始的模糊模型;(3)利用匹茨堡型实数编码的多目标遗传算法对初始模糊模型的结构和参数进行学习。基于NSGA-Ⅱ算法的目标函数同时考虑模型的精确性和解释性;为提高模型的解释性,在多目标进化算法中利用基于相似性的模型简化方法对模型进行约简。利用该方法对Wine等问题进行分类,仿真结果验证了方法的有效性。 展开更多
关键词 模糊分类系统 特征变量选择 模糊聚类 PARETO最优解 遗传算法 解释性
下载PDF
基于Pareto多目标遗传算法的模糊系统设计 被引量:4
2
作者 张永 吴晓蓓 +2 位作者 徐志良 黄成 胡维礼 《南京理工大学学报》 EI CAS CSCD 北大核心 2007年第4期430-434,共5页
提出一种基于Pareto多目标遗传算法生成一组精确性和解释性较好折衷模糊系统的方法。该方法采用模糊聚类算法辨识初始的模糊模型,利用匹茨堡型实数编码的遗传算法对初始模糊模型的结构和参数进行优化,基于NSGA-Ⅱ算法的目标函数同时考... 提出一种基于Pareto多目标遗传算法生成一组精确性和解释性较好折衷模糊系统的方法。该方法采用模糊聚类算法辨识初始的模糊模型,利用匹茨堡型实数编码的遗传算法对初始模糊模型的结构和参数进行优化,基于NSGA-Ⅱ算法的目标函数同时考虑模型的精确性和解释性;最后,在算法中利用基于相似性的模型简化方法约简模糊系统。利用该方法对两个Benchmark系统进行建模,仿真结果验证了该方法的有效性。 展开更多
关键词 TS模糊模型 模糊分类系统 模糊聚类 遗传算法 解释性
下载PDF
复杂模糊分类系统的协同进化设计方法 被引量:3
3
作者 张永 吴晓蓓 +1 位作者 向峥嵘 胡维礼 《控制理论与应用》 EI CAS CSCD 北大核心 2007年第1期32-38,共7页
提出一种基于协同进化算法的复杂模糊分类系统的设计方法.该方法由以下3步组成:1)利用Simba算法进行特征变量选择;2)采用模糊聚类算法辨识初始的模糊模型;3)利用协同进化算法对所获得的初始模糊模型进行结构和参数的优化.协同进化算... 提出一种基于协同进化算法的复杂模糊分类系统的设计方法.该方法由以下3步组成:1)利用Simba算法进行特征变量选择;2)采用模糊聚类算法辨识初始的模糊模型;3)利用协同进化算法对所获得的初始模糊模型进行结构和参数的优化.协同进化算法由三类种群组成;规则数种群,规则前件种群和隶属函数种群;其适应度函数同时考虑模型的精确性和解释性,采用三类种群合作计算的策略.利用该方法对多个典型问题进行分类,仿真结果验证了方法的有效性. 展开更多
关键词 模糊分类系统 特征变量选择 协同进化算法 解释性
下载PDF
基于协同进化算法的高维模糊分类系统的设计
4
作者 张永 邢宗义 +1 位作者 向峥嵘 胡维礼 《控制与决策》 EI CSCD 北大核心 2006年第9期984-990,共7页
基于协同进化算法,提出一种高维模糊分类系统的设计方法.首先定义系统的精确性指标,给出解释性的必要条件,利用聚类算法辨识初始模型.相互协作的3类种群分别代表系统的特征变量、规则前件和模型隶属函数的参数,适应度函数采用3类种群合... 基于协同进化算法,提出一种高维模糊分类系统的设计方法.首先定义系统的精确性指标,给出解释性的必要条件,利用聚类算法辨识初始模型.相互协作的3类种群分别代表系统的特征变量、规则前件和模型隶属函数的参数,适应度函数采用3类种群合作计算的策略,在算法运行中利用基于相似性的模型简化技术约简模糊系统,最后利用该方法对W ine问题进行研究.仿真结果表明该方法能够对高维分类问题的特征变量进行选择,同时利用较少规则和模糊集合数达到较高的识别率. 展开更多
关键词 模糊分类系统 模糊聚类 遗传算法 协同进化算法 解释性 精确性
下载PDF
An Intelligent System for Real-Time Condition Monitoring of Tower Cranes 被引量:1
5
作者 Aaron K. Adik Wilson Wang 《Intelligent Control and Automation》 2019年第4期155-167,共13页
Reliability and safety are major issues in tower crane applications. A new adaptive neurofuzzy system is developed in this work for real-time health condition monitoring of tower cranes, especially for hoist gearboxes... Reliability and safety are major issues in tower crane applications. A new adaptive neurofuzzy system is developed in this work for real-time health condition monitoring of tower cranes, especially for hoist gearboxes. Vibration signals are measured using a wireless smart sensor system. Fault detection is performed gear-by-gear in the gearbox. A new diagnostic classifier is proposed to integrate strengths of several signal processing techniques for fault detection. A hybrid machine learning method is proposed to facilitate implementation and improve training convergence. The effectiveness of the developed monitoring system is verified by experimental tests. 展开更多
关键词 Adaptive NEURO-fuzzy systems MACHINE Learning DIAGNOSTICS PATTERN classification TOWER CRANES Smart Sensors
下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部