国家自然科学基金(60674073) 作品数:52 被引量:391 H指数:11 相关作者: 韩敏 王心哲 赵耀 杨溪林 孙杨 更多>> 相关机构: 大连理工大学 北京金自天正智能控制股份有限公司 大连工业大学 更多>> 发文基金: 国家自然科学基金 国家科技支撑计划 国家重点基础研究发展计划 更多>> 相关领域: 自动化与计算机技术 冶金工程 天文地球 电子电信 更多>>
基于非线性约束的局部投影降噪 被引量:4 2009年 基于相空间重构理论,该文提出了一种改进的混沌时序降噪方法。首先利用递归图对实际观测的时间序列进行混沌特性分析,然后将非线性约束条件引入局部投影方法之中,并在局部邻域内进行奇异谱(SSA)分析,利用代表吸引子的主分量来重构时间序列。该算法克服了传统局部投影方法不能充分刻画系统内在非线性关系的问题,减小了重构误差,提高了系统的信噪比。通过对Lorenz模型和太阳黑子混沌时间序列进行仿真分析,证实了该文算法对实际观测混沌时序降噪的有效性。 韩敏 刘云侠关键词:混沌时间序列 奇异谱分析 基于鲁棒相关向量机的转炉炼钢终点预报模型 被引量:9 2011年 针对传统相关向量机在训练过程中易受异常点影响的问题,提出了一种鲁棒相关向量机模型,并将其应用于转炉炼钢终点碳含量和温度的预报.通过为每一个训练样本设定独立的噪声方差系数,并使其在训练过程中随模型预测误差的增大而逐渐减小来降低异常点的影响,同时依据贝叶斯证据框架给出了模型超参数的迭代计算公式,进行参数的优化.使用标准测试数据和转炉炼钢实际生产数据进行仿真,结果表明本文模型具有较好的预报精度和鲁棒性. 韩敏 赵耀 杨溪林 林东关键词:转炉炼钢 相关向量机 含噪声混沌信号最大Lyapunov指数计算 被引量:4 2008年 提出一种计算含噪声混沌序列最大Lyapunov指数的改进Rosentein算法,通过将原始含噪声的相空间与局部投影去噪后的相空间合并,使邻近点的选择更为准确,减小噪声的影响提高计算精度.分别对加入白噪声的Henon混沌序列和逐月太阳黑子混沌序列进行仿真,证明此方法有效性. 韩敏 王一颉关键词:最大LYAPUNOV指数 相空间重构 基于两层向量空间模型和模糊FCA本体学习方法 被引量:13 2009年 本体是WWW进化为语义Web版本的瓶颈,手工构造本体费时费力,本体学习技术使得在文本中自动构造本体成为可能,但存在通用性差和准确性低等问题.提出以面向对象思想的分析方法为基础,把传统的单层文本向量空间模型(VSM)改进为2层向量空间模型(double vector space model,D-VSM),该模型不仅具有属性特性,而且还具有很强的关系特性.在此模型的基础上,引入模糊形式概念分析(fuzzy formal concept analysis,FFCA)本体学习技术.该技术充分考虑D-VSM模型中的数据分布特点,较好地解决本体学习通用性、本体关系获取等问题.基于上述方法实现一个本体学习工具,为本体的(半)自动构造提供有力的支持. 邢军 韩敏关键词:本体学习 向量空间模型 本体概念 基于Adaboost算法的回声状态网络预报器 被引量:8 2011年 把单个回声状态网络(echo state network,ESN)的预测模型作改进,对整体ESN预测精度的提高是有限的.针对以上问题,本文考虑整体ESN.首先利用Adaboost算法提升单个ESN的泛化性能及预测精度,并且根据Adaboost算法的结果,建立一种ESN预报器(Adaboost ESN,ABESN).这个ESN预报器根据拟合误差不断修正训练样本的权重,拟合误差越大,训练样本权重值就越大;因此,它在下一次迭代时,就会侧重在难以学习的样本.把单个ESN的预测模型经过加权,然后按照加法组合在一起,形成最终的ESN预测模型.将该预测模型应用于太阳黑子、Mackey-Glass时间序列的预测研究,仿真结果表明所提出的预测模型在实际时间序列预测领域的有效性. 韩敏 穆大芸关键词:非线性时间序列 改进的双小波空域相关混沌信号降噪方法 被引量:7 2009年 基于小波系数尺度间的相关性原理,提出一种改进的基于双小波的空域相关混沌信号降噪方法。首先将单个离散小波变换扩展为两个,然后对每个小波变换后的近似系数进行奇异谱分析,对细节系数进行尺度间的相关性分析,最后将处理后的近似部分和细节部分分别取平均再重构得到降噪后的信号;同时还引入了一个判别系数,对相关量进行自适应的选取。通过对Lorenz模型和月太阳黑子混沌信号进行仿真分析,证实了所提方法具有实现简单、重构误差小的优点,能够对实际观测混沌信号进行有效的降噪。 韩敏 刘云侠关键词:空域相关 混沌 降噪 基于云-神经网络的多属性模糊规则分类 被引量:5 2009年 针对模糊规则分类中数据边界硬性划分的局限性问题,建立了云-神经网络模型,并提出了基于云-神经网络的模糊规则分类算法.在不影响数据模糊性和随机性的基础上,将数据转化为规则,并利用神经网络的学习能力,进行多属性模糊规则分类.与传统方法相比,该方法在保证数据模糊性和随机性的基础上,提高了模型精度和分类准确率.应用实例表明了该方法的有效性和可行性. 韩敏 李政关键词:云模型 神经网络 基于贝叶斯回归的多核回声状态网络研究 被引量:12 2010年 在利用单储备池模型对多变量预测研究时,多个变量只能通过单个储备池进行特征映射,无法分别刻画各个变量的动力学特性.针对以上问题,提出一种多储备池回声状态网络.混沌系统中各个变量分别通过各个储备池扩展成高维的特征向量,采用Bayesian线性回归的方法,对多核回声状态网络输出权值进行训练,形成一种新的预报器,即多核贝叶斯状态回声机(MrBESN).实际数据的仿真结果验证了所提方法的有效性. 韩敏 穆大芸关键词:回声状态网络 多变量 基于Gabor变换与克隆选择的遥感图像分类算法 被引量:2 2008年 提出了一种Gabor变换与克隆选择算法相结合的遥感图像分类算法。该算法首先对遥感图像进行离散Gabor变换,以Gabor变换系数模的平均值作为该图像的纹理特征,然后利用克隆选择算法对纹理特征进行优化,得到最优纹理特征。实验结果表明,该算法要优于传统的Gabor变换分类算法,分类精度和kappa系数都有较大提高。 韩敏 林晓峰关键词:遥感图像 纹理 GABOR变换 克隆选择 基于储备池主成分分析的多元时间序列预测研究 被引量:13 2009年 提出一种基于回声状态网络储备池的非线性PCA方法,并将其应用于多元时间序列的预测中.由于多维输入变量间的相关性会影响建模效果,通过储备池将输入在原空间的非线性特征转化成高维空间的线性特征.在其中运用线性PCA技术寻找输入在储备池空间的最大方差方向,提取有效的多元变量综合信息.经储备池主成分分析处理后的输入与预测点呈动态线性映射,可使用线性方法建模.仿真结果表明了该方法的有效性. 韩敏 王亚楠关键词:回声状态网络 多元时间序列