一、模糊决策在计算机性能评价中的应用（论文文献综述）
白盛兴[1]（2021）在《流特征下在线分层特征选择方法研究》文中指出特征选择作为重要的数据预处理手段,有效地改善了模型的训练时间与学习精度。然而随着大数据时代数据产生与收集速度的急剧提升,传统特征选择算法面临着严峻挑战:（1）特征空间存在高维性的同时,通常伴随着未知性与演化性;（2）标记类别之间往往不是相互独立的,通常存在复杂的层次结构关系。这导致传统的特征选择算法表现不佳,甚至无法应对现实的应用环境。为此本文针对流特征下,充分挖掘和利用类别的层次结构进行特征选择的问题,进行流特征下的在线分层特征选择方法的研究。具体而言,主要研究内容如下:（1）流特征下基于邻域粗糙集的在线分层特征选择。针对传统流特征选择算法忽略了类别间层次结构关系问题,利用类别层次结构中节点之间存在的兄弟策略定义了一种面向层次化结构数据的邻域粗糙集模型。其次,基于邻域依赖度定义了特征在线重要性选择和在线冗余更新等策略,构建了一种在线流分层特征选择框架,并设计了相应的在线流分层特征选择算法。实验结果验证了算法的有效性。（2）流特征下基于核模糊粗糙集的在线分层特征选择。针对传统流特征选择算法忽略了类别间层次结构关系问题,且为了高效地度量样本数据间的模糊关系的同时,进一步优化在线运算的时间性能,基于类别层次结构中节点之间存在的兄弟策略定义了一种面向层次化结构数据的核模糊粗糙集模型。其次,基于（1）中的流特征选择框架,利用核模糊依赖度重新定义在线重要性选择和在线冗余更新阶段特征筛选策略,构建一种新的在线流分层特征选择算法。实验结果表明算法的性能有更进一步的提升。
陈朝峰[2]（2020）在《穿戴式下肢外骨骼系统设计与交互控制策略研究》文中指出随着我国经济实力和科技水平的快速发展,可穿戴式下肢外骨骼在助老助残、医疗康复等领域得到了广泛的应用,可显着提高肢体功能衰退人群的运动能力和生活质量。近年来下肢外骨骼的研究取得一定成果,但在系统结构设计、步态识别、人机交互以及协同控制等方面仍有很多问题亟待解决,本文围绕下肢外骨骼系统,从下肢外骨骼系统设计与集成,人体步态识别及意图辨识,外骨骼系统控制策略以及外骨骼系统的性能评价等多个方面展开研究。本文首先根据人体下肢运动步态分析提出下肢外骨骼系统设计指标,基于设计指标研制了可穿戴下肢外骨骼HEXO（HIT EXOskelton）。其中在关节处设计了异构和同构两种形式,可解决外骨骼启动初始状态的膝关节奇异性问题,此外还设计了基于双平行弹簧的串联弹性体,可用作串联弹性驱动器（SEA,Series Elastic Actuator）,以此来提高关节柔性。下肢外骨骼系统的传感系统采用双通道CAN通信,可对多源传感信息进行采集,并对特定传感器进行了标定和校正。通过对外骨骼SEA关节进行建模,并开展多频率高低阻抗参数不同的跟踪实验,实验结果表明SEA关节具备较宽的工作带宽,而且采用高阻抗参数时可获得更高跟踪精度,采用低阻抗参数时人机交互更为舒适。在步态识别方面,本文将其分为步态模式识别和步态相位划分,基于长短时间记忆模型和卷积神经网络构建步态模式识别算法,通过对几种典型步态模式（蹲下、站起、平地行走、上楼梯、下楼梯）进行在线识别,并与常用识别算法进行对比,结果显示本文提出的步态模式识别算法效果最好,其识别的平均精度可达97.78%。基于模糊逻辑规则对步态相位进行划分,将人体步态相位划分为四个相位（足跟触地、站立支撑、初始摆动、完全摆动）,并通过实验验证算法的有效性;通过人机足背交互处的六维力传感器,建立人机交互力和关节运动轨迹的映射模型,并采用卡尔曼滤波对交互力信号进行预测,实现人体意图辨识。建立下肢外骨骼动力学模型,并对多输入多输出控制系统进行解耦,转换为单输入单输出系统,根据外骨骼在不同相位的运动特征,提出了双模态切换控制策略,可对人体运动意图轨迹精准跟随,实现人机一体协同运动。在支撑相阶段,外骨骼关节需承受载荷较大,因此采用自适应阻抗控制策略提高外骨骼系统的稳定性和抗冲击能力,在摆动相阶段,外骨骼关节运动范围较大,因此采用自抗扰-终端滑模控制提高外骨骼系统的响应速度和跟踪精度。此外,在支撑相和摆动相之间切换过程中,提出了一种在足跟接触相和初始摆动相过渡期间的平滑策略。通过控制仿真和主被动跟踪实验,将本文提出的算法与PID算法和自抗扰算法进行比较,验证本文提出的控制算法跟踪性能。为了评价下肢外骨骼HEXO的主观穿戴感受和客观助力效果,提出了基于主客观评价指标的综合评价方法,其中主观评价指标包括穿脱方便性、穿戴舒适性、动作灵活性以及运动助力性,客观评价指标包括跟踪误差、人机交互力以及心率变化。通过四位实验人员在蹲下站起、平地行走和上下楼梯的实验,对主客观指标分别进行评价分析,其四项主观评价得分均值为86.8,髋关节和膝关节的运动跟随误差均方根在2°以内,在垂直于地面方向的平均助力效果可达到近70%,异构的HEXO相比与同构HEXO可以将助力辅助效果提高近5%;根据综合评价方法对HEXO的“交互性能”和“助力性能”进行评价,其平均得分分别为88.9和84.4;此外,人体穿戴外骨骼在跑步机行走,分别采集四种状态下（不穿戴HEXO,穿戴HEXO无驱动,穿戴HEXO异构,穿戴HEXO同构）的心率变化,其结果说明穿戴HEXO驱动状态下相比于由人体直接承担外骨骼重量可以节约人体能量消耗,而且异构状态HEXO的助力效果更好。
封乃丹[3]（2020）在《面向复杂时变信号分析的动态神经网络模型与算法研究》文中研究指明时变信号分析和处理一直以来都是模式识别领域的一个热点和难点。随着感知技术、物联网技术的快速发展,对时变信号变化特征的准确分析和时频信息的充分利用变得日益重要。动态神经网络具有很强的的辨识和学习能力,能够逼近任何非线性输入输出关系,在信号处理中有重要的价值和作用。本文针对若干领域中复杂时变信号的分析问题,根据时变信号所呈现的分布特征和结构性质,以及在不同实际环境下具有的复杂性、不确定性、非平稳性、含噪声等特点,融合深度学习理论和信号时频分析技术,开展面向复杂时变信号分析的深度动态神经网络模型与算法的研究。因此,本文研究具有重要的理论意义和应用价值。论文完成的主要工作和创新点如下:（1）针对可反映一个短时间片段内的信息变化、具有多变性、不稳定性并含噪声等特点的短时变信号的特征提取和分类问题,提出了一种深度小波循环卷积神经网络（DWRCNN）模型与算法。DWRCNN模型可融合小波变换和软阈值处理对信号时频特征的捕获能力、循环神经网络对时间序列变化特征的学习与记忆能力,以及卷积神经网络对大规模数据集的学习性质和分类机制,对短时复杂信号的模式识别具有良好的适用性。（2）针对具有连续性、非平稳性和无限性的单通道长时变信号分析问题,提出了一种多特征融合的长短期记忆网络（ILSTM）模型与算法。ILSTM模型增加了对信号多尺度特征的提取和融合分析机制,能够同时兼顾对长时变信号广域特征和局域特征的学习,具有对特征信息关联和长短时特征变化的记忆能力,可进行在线学习与预测。（3）针对具有不稳定、不精确、不完整、含噪声等各种不完备信息的非周期性多通道长时变信号分类问题,提出了一种T-S过程神经网络（TSPNN）智能分析模型与算法。TSPNN模型融合了过程神经网络对时变信号的处理能力与T-S模糊分类机制,可实现专家经验知识的嵌入,具有对样本集的自适应学习能力,适用于小样本集建模。（4）针对样本分布不均匀、多模态、具有随机性分布特征的周期性多通道长时变信号分析问题,提出了一种概率计算过程神经网络（PCPNN）智能分析模型与算法。PCPNN模型可融合过程神经网络时变信息的处理机制和贝叶斯决策规则,所建立的算法综合了动态时间规整、C均值聚类和BP算法,能够集成信号类别的特征知识,模型参数少,适用于小样本、不均衡数据集的建模分析。本文针对上述诸多问题提出了一系列动态神经网络模型和算法,能够提取复杂时变信号的本质特征和变换规律,在机制上具有良好的针对性和适用性。实验验证了本文各模型的可行性与有效性。
杨泽宇[4]（2020）在《基于Stacking算法的恶意软件检测方法研究》文中研究说明恶意软件是在计算机系统上执行恶意任务的程序。随着互联网技术的发展,恶意软件攻击的频率呈指数级增长,恶意攻击已成为威胁互联网安全的关键所在。恶意软件的检测方法对于防范安全漏洞、数据盗窃和其他危险至关重要,因此,恶意软件检测已经成为一个重要的研究领域。传统的检测方法容易受到混淆和变形技术的干扰,这些干扰降低了恶意软件检测的正确率和效率。随着机器学习和深度学习技术的兴起,部分研究人员已经将这两种技术应用到恶意软件检测的领域中,并取得了显着效果,但是现有的恶意软件研究中,并没有考虑恶意软件数据集的属性重要度问题,导致检测效率低,无法凸显有效信息,另一方面数据集的不平衡性会影响恶意软件检测的正确率。针对这些问题,本文提出一种基于Stacking算法的恶意软件检测方法。主要内容包括以下三个方面:（1）针对恶意软件属性维度高、筛选重要属性困难,导致检测正确率和效率低的问题,本文利用天牛须搜索算法能够寻找最优值的特性以及属性重要度公式,对PCA降维算法进行优化,从而去除重要度较小的属性,降低维度的同时得到重要属性。该方法在保证原有数据分布和重要信息的情况下,有效地简化数据,凸显重要信息,降低检测方法的时间和空间复杂度。（2）针对数据集的不平衡性和属性重要度会影响恶意软件检测方法正确率的问题,本文对随机森林算法进行改进,提出一种基于模糊决策的随机森林优化算法,将其作为Stacking算法的基分类器之一,解决数据的不平衡问题,提高检测正确率。（3）将优化后的随机森林算法、梯度提升树算法以及逻辑回归算法融合成最后的Stacking算法,将预处理后的数据集以交叉验证的方式作为恶意软件样本,利用Stacking算法进行恶意软件检测,并对本文提出的检测方法以及优化算法进行对比实验分析,采用正确率、精确率、召回率以及AUC值等客观评价指标进行多维验证。实验结果显示,与当前流行的恶意软件检测方法相比,本文的方法有效地提升了检测的正确率和效率。
杨磊[5]（2020）在《区域微电网互联系统经济优化方法研究》文中指出随着传统能源的枯竭以及环境问题的凸显,可再生能源的开发和利用逐渐受到了越来越多的关注。但是,可再生能源的间歇性和不确定性严重阻碍了其广泛开发利用。微电网（Microgrid,MG）作为一种新兴技术手段,通过利用其系统内部灵活多元化的结构以及控制方式,能够对可再生能源进行有效的整合,实现对资源的优化配置,已经成为电能有效供给的重要组成部分。同时,随着局部地区微电网数量的增加,具有相同利益或者目标的独立微电网个体更倾向于达成合作联盟,以形成区域微电网互联系统（Regional interconnected microgrid system,RIMS）。微电网群通过采用区域内互联形式,可以更为有效地利用系统内子级微电网之间可再生电源和负荷差值的互补特性,进行电能互济,提高用户用电可靠性和经济性,实现互联系统中子级微电网间的合作互助,是未来智能电网发展的重要研究方向之一。从这点出发,本文对电能互济机制在区域微电网互联系统经济优化中的积极作用展开了研究分析,主要创新及研究成果如下:（1）对可再生能源预测问题进行了研究,以为区域微电网互联系统经济优化建立基础。建立了基于数据预处理技术以及动态自适应变权优化理论的可再生能源组合预测模型。分别利用了集合经验模态分解（Ensemble empirical mode decomposition,EEMD）模型、差分整合移动平均自回归模型（Autoregressive integrated moving average model,ARIMA）、长短期记忆模型（Long short term memory,LSTM）、广义回归神经网络（General regression neural network,GRNN）以及头脑风暴优化（Brain storm optimization,BSO）算法进行模型构建,充分利用各子级预测模型在处理特定类型数据时的不同优势,对可再生能源数据序列进行预测。并以波动性最强的风速序列预测为例,通过将风速历史数据作为预测模型输入变量,未来风速数据作为预测模型输出,进行案例验证分析。多组案例分析结果表明,相较于其他参照预测模型,本文所提出的预测模型具有较为优越的准确性和泛化能力。（2）对区域微电网互联系统的定容优化问题进行了研究。通过充分考虑可再生资源的随机性、波动性以及负荷差异,以区域微电网互联系统生命周期成本最优为目标函数。运用遗传算法在满足用电可靠性以及相关约束的前提下,将电能互济机制融入系统容量优化的过程中,并充分考虑了电能调度频率对储能系统寿命的影响,对区域互联系统中可再生能源电源以及储能电池最佳装机容量进行寻优。并选取了区域双微网互联系统作为案例进行了为期一年的案例分析。结果表明,通过在区域微电网互联系统定容优化中考虑子级微电网间的电能交换,可以有效地提高系统整体经济表现,减少系统中可再生能源电源以及储能电池的非必需装机容量。此外,通过引入合理的电能交易价格,可以使得采用区域互联模式所获得的效益在子级微电网间更加平等的分配,从而增强子级微电网采用区域互联模式的意愿。（3）对区域微电网互联系统的电能调度优化进行了研究。充分考虑区域微电网互联系统中,子级微电网间电能交互在日常调度优化中发挥的积极作用,并根据系统内可再生能源供给和负荷需求状态之间的关系,依据量价互动原理动态制定具有竞争力的可再生电能交易价格,以实现系统电能调度的经济优化。选取了包含三个子级微电网的区域微电网互联系统作为案例进行研究分析,通过制定分阶段优化调度策略,在系统相关约束下,以互联系统运行调度成本最小作为目标函数进行寻优。结果表明,通过充分考虑互联系统内的电能交互机制进行调度优化,可以有效地降低系统运行成本,提升可再生能源就地消纳量,减少二氧化碳以及污染性气体排放量,具有良好的经济和环境效益。此外,通过利用子级微电网间的可再生电能进行相互支撑,在一定程度上增强了区域微电网互联系统的独立性以及抗干扰能力,减少了微电网系统并网对电力系统的冲击,保护了电力系统的安全性和稳定性。（4）对区域微电网互联系统定容与调度优化综合效果评价进行了研究。分别从经济、环境、社会以及技术四个层面建立针对性指标体系,结合区间二型模糊集理论、层次分析法以及TOPSIS模型,对区域微电网互联系统建立定容与调度优化综合效果评价模型,以检验优化实施的有效性。首先,利用区间二型模糊集理论处理语言表达信息的不确定性。其次,将该理论与层次分析法和TOPSIS模型进行结合,建立区间二型模糊AHP-TOPSIS模型。最后,以五个规模相同的区域微电网互联系统为例,应用所建立的基于区间二型模糊AHP-TOPSIS综合效果评价模型,对有无实施优化的系统进行研究分析。案例结果表明进行优化的微电网互联系统A1和A2评价结果明显优于未优化的微电网互联系统。同时,也明确了环保性指标对系统综合效果评价的重要影响。通过敏感性分析表明评价结果对社会性特征指标中就业机会增加具有高敏感性。
李藤[6]（2020）在《模糊粗糙集决策方法及其在医疗领域的应用》文中提出基于海量复杂数据的医疗诊断问题是人工智能和医疗领域的难点。传统的决策方法面向的是小规模数据,而在大样本、多属性数据上,传统决策方法无法使用。同时,现有机器学习分类算法难以高效、准确地做出决策。基于模糊粗糙集的决策方法综合了粗糙集和模糊集的优势,能够很好的处理不确定、不完备数据,在智能决策中得到广泛使用。因此,本文在模糊粗糙集理论基础上,先研究面向医疗大规模数据的特征选择方法,进而在属性压缩后的数据上进行决策规则提取。针对属性维度高、样本对象少的基因数据,在模糊粗糙集理论基础上,提出了模糊区分矩阵属性约简方法,并设计了相应的启发式算法（FDM）。模糊区分矩阵是区分矩阵的模糊化推广,能够体现不同属性对于对象之间区分程度的差异,将区分程度更高的属性优先挑选出来,从而提高分类学习算法的性能。在结直肠癌基因数据上,FDM算法从2000个基因中,高效地筛选出了 5个与结直肠癌发病的关键基因,分类精度由74.17%提升到88.06%。针对样本规模大的临床诊疗数据,在模糊覆盖粗糙集理论上,提出了模糊相关族特征选择方法,并设计了相应的启发式算法（FRF）。数值实验过程中,与现有的三种代表性属性约简算法相比,FRF算法在7个公开数据集上的最大平均运行时间从2858.77秒压缩到29.21秒,并保持了较高的分类精度。在甲状腺疾病诊断数据上,用时45.9秒便筛选出了甲状腺疾病诊断的相关指标,分类精度由93.37%提升到 96.69%。本文提出的模糊区分矩阵和模糊相关族属性约简方法,能高效地提取关键诊疗指标,改善数据质量,并提高智能诊断的准确率,有望辅助医生进行临床诊断。
唐榕[7]（2020）在《考虑多元信息的水库多目标优化调度研究》文中研究说明我国水资源供需矛盾日益突出,水资源管理需求向发电、供水、环境、农业灌溉等多目标综合利用、协调最优发展,而水库是实现多目标间相互协调的最重要调控工程,科学合理的水库优化调度对于充分利用水库调蓄能力、有计划地对天然径流进行蓄泄以最大程度地满足各用户目标需求十分关键。随着调度目标数量的增多,水库多目标合理优化难度加大,如何高效求解、如何合理优选决策及如何进一步提升多目标优化效益这三个问题变得愈发突出。考虑到水库调度的多个目标受国家政策、供水优先权的影响有一定偏好,合理利用该偏好信息可以为高效求解提供引导;水库多个目标间存在竞争,对该竞争信息进行量化权衡有助于掌握用户的用水竞争规律以合理决策;而精度更高、预见期更长的预报信息在水库多目标调度中的合理利用有助于及早掌握未来入流丰枯情况以修正决策,提升调度效益。基于上述问题和相应分析,本文选取尼尔基水库为研究实例,结合水库调度中多目标间存在的偏好信息、竞争信息及精度日益提升的预报信息这三方面的信息,分别从优化求解算法、优选决策方法及预报信息在水库调度中的修正利用方法三个角度开展了考虑多元信息的水库多目标调度研究。本文主要研究内容与成果如下:（1）介绍了尼尔基水库基本概况及构建了通用的水库多目标调度模型。首先介绍了尼尔基水库概况、来水需水资料及兴利调度要求等基本情况。然后确立了用于指导水库调度运行的调度图基本形式,并构建了用于求解调度图的多目标调度模型,为论文后续研究提供模型基础。（2）提出了基于偏好信息的水库多目标优化求解方法。首先分别利用改进拥挤度及r支配、g支配三种基于参考点的偏好策略改进了常规算法NSGA-II;其次,分析出尼尔基水库不同目标偏好、设置相应参考点;最后,针对不同参考点,分别用三种改进后的算法求解得到Pareto解集,在相同目标函数计算次数下,从偏好区域内解集的收敛性、多样性、与参考点的靠近度及偏好区域内有效解个数等多角度与常规优化解集进行对比,探究三种算法是否能提高期望区域有效解的搜索效率和质量。结果表明采用改进拥挤度和r支配两种策略的改进算法获取的偏好区域内解集的收敛性、多样性优于常规算法,有效解个数可增加3倍以上,与参考点的靠近度可提高42.8%,而应用g支配的改进算法则难以保证解集收敛性。（3）提出了多目标竞争程度量化指标,并给定相应的多目标决策方法。首先,基于优化求解所得的多维Pareto解集,利用非支配排序获取两两目标的二维Pareto前沿,根据二维Pareto前沿、多维Pareto解集与两两目标竞争强弱程度的对应规律,归纳总结出能够量化两目标竞争程度的指标CEI,并据此定义量化单个目标与其他所有目标的竞争强弱的总体竞争量化指标值TCEI;其次,根据每个目标的TCEI值确定各目标权重用于多目标决策;最后,将指标和相应决策方法用于尼尔基水库用水从低到高四种用水情景下的竞争关系量化及合理决策方案优选中。结果显示所提指标既能实现多目标间竞争程度的量化,又能表征用水变化条件下竞争变化情况,相应决策方法可识别出在竞争度最高目标上表现较优的解作为推荐方案。（4）提出了一种考虑多时序过程因子的中期径流预报方法。首先,评估了提供降雨因子的降雨产品适用性和降雨预报产品的精度;其次,基于BP神经网络从前期降雨因子、前期径流因子和未来降雨因子中筛选出了反映过程差异的多时序因子和非过程影响的独立因子,将因子组合预报未来第一旬径流,并与相关系数最大因子组合下的预报结果对比评估;最后,结合流域实际情况和第一旬径流预报因子,确定未来第二旬径流预报因子并进行预报和评估。结果表明细化考虑了多时序过程因子的预报方法,其未来第一旬径流预报精度更高,预报效果有所改善,而未来第二旬径流预报值精度满足甲级预报标准,与未来第一旬径流预报结果一样均可发布使用。（5）揭示了旬径流预报不确定性对水库调度的影响机制,并据此提出了预报信息的修正应用方法。首先,考虑到预报误差对水库调度效益的影响受调蓄能力、用水目标等不同而有所差异,探究两旬径流预报误差分别对水库优化调度结果的影响;其次,基于两旬径流误差影响分析及两旬径流预报精度评估结果,提出在水库优化调度中利用修正系数来修正使用两旬径流预报信息的方法。最后,将修正应用预报信息的水库优化调度结果与未考虑预报信息、未修正应用预报信息的水库优化调度等方法对比,验证其有效性。结果显示修正利用两旬径流预报的水库多目标优化调度Pareto解集明显更优,在相同发电量时,缺水总量较常规优化最大可减少72×106m3,在相同缺水总量下,发电量最大可提高12×106kWh,有效提高了调度效益。最后对全文结论和创新点进行总结和凝练,并对有待进一步研究的问题进行了展望。
陈鸿军[8]（2019）在《基于模仿学习的智能车辆行为决策与运动控制方法研究》文中进行了进一步梳理随着人工智能技术的快速发展以及智能汽车应用需求的日益增长,车辆智能驾驶技术已成为当前的研究热点。智能驾驶关键技术包括环境感知、行为决策、路径规划、运动控制等,其中行为决策与运动控制技术是衡量智能驾驶车辆自主能力的关键指标,也是智能驾驶研究的重点和难点。目前,智能车辆环境感知技术已经取得了大量的研究成果,但车辆行为决策与运动控制方法仍较依赖人工先验知识来设计专家规则或模型,对复杂环境适应性不强。在动态复杂的城市驾驶环境下,传统行为决策与运动控制方法面临更多的挑战。当前,为克服已有方法自动化程度不高和过于依赖人工经验等问题,将模仿学习和强化学习等机器学习技术应用于智能驾驶行为决策与运动控制已成为一个重要的发展趋势。其中,模仿学习可以把人类驾驶员丰富的经验数据建模学习为具有良好性能的行为决策或运动控制模型,从而有效解决传统行为决策与运动控制方法依赖人工先验知识的问题,同时也能避免强化学习需要过多试错训练且收敛困难的缺点。模仿学习中最常用的为有监督的策略函数回归方法（如行为克隆）,同时也包括逆强化学习和直接策略交互学习方法。有监督的策略回归与一般的监督回归方法不同,它是在一个连续动作且具有时序决策特性的策略空间上进行回归和建模,要获得良好的性能还需要克服特征的高效抽取、时序回归模型的迭代优化等难题,因此,现有的模仿学习方法在学习精度和泛化性能等方面还存在不足。本文主要针对以上问题开展基于模仿学习的智能车辆行为决策与运动控制方法研究,因此,在理论和应用上都具有重要的意义。本文主要研究工作和创新点如下:（1）提出了一种基于Bagging高斯过程回归（Bagging Gaussian Process Regression,Bagging GPR）的驾驶行为建模方法。该方法既利用了高斯过程回归方法基于贝叶斯推理和核函数映射的高效性学习特点,同时也利用了集成学习Bagging方法采用多个模型并行训练和集成策略的优点来进一步提高驾驶行为建模的学习精度。通过在自动驾驶高级仿真平台Pre Scan上分别搭建道路跟随、直道超车和弯道避障三种典型驾驶场景,对提出方法进行性能评测。结果表明,与多层神经网络反向传播、集成回归树、支持向量回归和高斯过程回归等其它基于机器学习的驾驶行为建模方法相比,提出的基于Bagging高斯过程回归的驾驶行为建模方法能进一步减小模仿学习误差,提高模型的泛化性能。（2）针对端到端行为模仿学习中卷积神经网络（CNN）存在全连接层泛化能力有限和容易收敛至局部最优的问题,提出了一种驾驶行为模仿学习的卷积神经网络高斯过程回归（CNN-GPR）方法,并设计了Pilot Net-GPR和Res Net-GPR两种算法。该方法使用全局映射能力和泛化性更强的高斯过程回归改进端到端CNN网络的全连接层结构,完成CNN提取特征到驾驶行为的高效学习。在百度Apollo端到端自动驾驶数据集上的实验表明,设计的Pilot Net-GPR和Res Net-GPR算法相较于基于Pilot Net和Res Net网络的方法能进一步提高端到端驾驶行为模仿精度和网络模型的泛化性能。特别地,与英伟达设计的Pilot Net网络相比,提出的Res Net-GPR方法在测试集上的均方误差（MSE）减少了16.27%,平均绝对误差（MAE）减少了9%。（3）提出了一种时序图像驾驶行为学习的深度神经网络高斯过程回归（CNN-LSTM-GPR）方法,进一步利用时序信息提高驾驶行为学习精度。该方法使用高斯过程回归改进级联深度神经网络（CNN-LSTM）的全连接层结构,对级联深度神经网络提取的特征到驾驶行为之间的映射进行更高效的学习逼近。在百度Apollo端到端自动驾驶数据集上的实验结果表明,在同等条件下与基于单幅图像的端到端模仿学习方法相比,CNN-LSTM-GPR方法能考虑更多的时序信息,模仿误差更低。与CNN-LSTM方法相比,CNN-LSTM-GPR方法能进一步提高时序图像到驾驶行为动作的映射学习精度,算法泛化性能更优。（4）使用实验室搭建的自主车平台对驾驶行为学习的CNN-GPR方法和CNN-LSTM-GPR方法进行测试和验证。在红旗E-HS3自主车平台上搭建了数据采集模块并采集了城市道路驾驶行为数据集,接着在采集的实车数据集上对提出方法进行性能评测,进一步验证了驾驶行为学习的CNN-GPR方法和CNN-LSTM-GPR方法的有效性。
冯凯华[9]（2019）在《语言值直觉模糊概念格及其在教育类APP智能评价中的应用》文中指出人工智能是当前学术研究领域的一个热点方向,而智能信息处理则是人工智能领域的重要研究课题。计算机能够智能的处理日常生活中用自然语言表示的推理决策问题,这是智能信息处理的智能化体现。模糊语言值可以针对具有语言值信息的不确定性问题进行处理,概念格则是数据分析和知识处理的数学工具,将语言值直觉模糊格蕴涵代数与直觉模糊概念格结合,可以有效地进行数据信息发掘、决策知识获取,并广泛的应用于医学诊断、教育评价、信息检索等领域,实现计算机对信息的智能化处理。本文深入地研究了语言值直觉模糊概念格,并将其应用到教育类APP智能评价中。主要研究成果如下:为解决具有模糊语言值信息的决策问题,本文结合语言值直觉模糊格蕴涵代数,提出语言值直觉模糊形式背景,减少语言信息处理的数据损失,进而给出语言值直觉模糊形式概念的定义及其运算算子,构造语言值直觉模糊概念格;在语言值直觉模糊形式概念的基础上,研究了语言值直觉模糊形式概念之间的贴近度以及任意两个语言值直觉模糊概念格之间的贴近度,提出了基于语言值直觉模糊概念格的模式识别方法,并应用于中医疾病智能诊断系统中,证明该方法的有效性和实用性。为提高知识信息处理的效率,本文在语言值直觉模糊形式背景的基础上,对语言值直觉模糊决策形式背景的规则提取进行了深入研究。首先提出语言值直觉模糊决策形式背景,给出语言值直觉模糊决策形式概念构造算子,进而得出语言值直觉模糊决策形式概念集,并根据概念集得到语言值直觉模糊决策形式背景的规则集,结合语言值直觉模糊决策规则的置信度和支持度,研究其规则提取方法,并用实例说明其可行性。针对当前教育类APP种类繁多,品质参差不齐的问题,本文构建了一种用于教育类APP评价的智能评价系统。由于现实生活中信息数据收集不完整,提出了不完备语言值直觉模糊决策形式背景,依据各个学习者的不同评价结果,将其进行补全,进而应用于教育类APP智能评价系统中,结合规则提取方法,对教育APP进行评价,以帮助学习者对教育APP进行有效选择。
赵姗[10]（2019）在《联合收割机关键部件性能检测及评价研究》文中研究说明联合收割机是进行农业生产的重要机械,国家政策对农业的大力扶持,促进了数字化、智能化技术与农业装备的深度融合,联合收割机等农业装备迅速发展。现阶段,国内收割机以中小型为主,自动化水平低,作业过程中易发生故障,工作效率低。因此,本文对联合收割机关键部件工作性能及评价进行研究,本研究对降低收割机的故障率,提高我国收割机的自动化程度具有重要的实际工程意义。基于联合收割机的作业过程,建立了联合收割机割台、输送槽、脱粒滚筒等关键部件的主力矩模型,确定了作业部件工作状态的影响因素。搭建了联合收割机液压系统仿真模型,对系统负载突然增大的工况进行了仿真分析,结果表明,负载的突然增大对收割机转动作业部件影响较为明显。根据仿真分析结果确定了检测参数及位置,设计了检测系统总体方案。进行了软硬件系统设计,根据联合收割机关键部件性能参数的检测需求,选择了相应的应变传感装置、信号调理装置、数据采集装置等检测系统硬件。利用LabVIEW软件进行了检测系统的软件设计,基于数据流思想,结合模块化设计方式对系统的登录界面、参数采集程序、数据采集卡程序进行了设计。基于模糊综合评价法对联合收割机的工作性能进行了模糊综合评价研究,确定行走速度、喂入量、割台高度、割台螺旋输送器转速、脱粒滚筒转速、拨禾轮转速作为收割机性能模糊综合评价的评价指标,基于层次分析法计算了评价指标的权重系数,设计了其计算程序与显示界面。进行了联合收割机性能模糊综合评价程序及界面设计,根据评价指标的隶属度及权系数,通过模糊综合评价系统得到了最优评价向量。针对所设计的检测系统进行了实验台测试与田间实验研究,二者所得到的结果具有相似性,能够实现行走速度、割台螺旋输送器转速及扭矩、脱粒滚筒转速及扭矩等参数实时显示,在一定程度上降低了机器故障发生率。检测系统能够在复杂多变的田间工作,可靠性较高,满足实际使用需求。
二、模糊决策在计算机性能评价中的应用（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、模糊决策在计算机性能评价中的应用（论文提纲范文）
（1）流特征下在线分层特征选择方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景和意义 |
| 1.2 研究现状 |
| 1.2.1 在线流特征选择方法研究现状 |
| 1.2.2 分层特征选择方法研究现状 |
| 1.3 主要研究内容 |
| 1.3.1 课题来源 |
| 1.3.2 主要研究内容 |
| 1.4 论文组织结构 |
| 第2章 相关基础 |
| 2.1 分层分类及异类定义策略 |
| 2.2 分层分类评价方法 |
| 2.3 粗糙集理论 |
| 2.3.1 邻域粗糙集 |
| 2.3.2 核模糊粗糙集 |
| 2.4 本章小结 |
| 第3章 流特征下基于邻域粗糙集的在线分层特征选择 |
| 3.1 基于分层分类的邻域粗糙集 |
| 3.2 基于邻域粗糙集的在线流分层特征选择算法模型 |
| 3.2.1 在线重要性选择 |
| 3.2.2 在线冗余更新 |
| 3.2.3 基于邻域粗糙集的在线流分层特征选择算法 |
| 3.3 实验结果 |
| 3.3.1 实验数据集与环境设置 |
| 3.3.2 参数δ分析 |
| 3.3.3 实验结果与分析 |
| 3.4 本章小结 |
| 第4章 流特征下基于核模糊粗糙集的在线分层特征选择 |
| 4.1 基于分层分类的核模糊粗糙集 |
| 4.2 基于核模糊粗糙集的在线流分层特征选择算法模型 |
| 4.2.1 在线重要性选择 |
| 4.2.2 在线冗余更新 |
| 4.2.3 基于核模糊粗糙集的在线流分层特征选择算法 |
| 4.3 实验结果 |
| 4.3.1 实验数据集与环境设置 |
| 4.3.2 参数δ分析 |
| 4.3.3 实验结果与分析 |
| 4.4 本章小结 |
| 第5章 总结与展望 |
| 5.1 工作总结 |
| 5.2 研究展望 |
| 参考文献 |
| 致谢 |
| 攻读硕士学位期间的学术活动及成果情况 |
（2）穿戴式下肢外骨骼系统设计与交互控制策略研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 课题研究的背景和意义 |
| 1.2 下肢外骨骼机器人研究现状 |
| 1.2.1 国外研究现状 |
| 1.2.2 国内研究现状 |
| 1.3 步态识别及人体意图预测研究现状 |
| 1.3.1 步态识别研究现状 |
| 1.3.2 人体运动意图预测研究现状 |
| 1.4 下肢外骨骼控制策略研究现状 |
| 1.5 国内外研究现状分析 |
| 1.6 本文的主要研究内容 |
| 第2章 外骨骼系统设计与集成 |
| 2.1 引言 |
| 2.2 基于步态分析的外骨骼系统指标设计 |
| 2.2.1 人体下肢运动步态分析 |
| 2.2.2 下肢外骨骼系统指标设计 |
| 2.3 基于串联弹性体的下肢外骨骼系统设计 |
| 2.3.1 下肢外骨骼系统结构设计 |
| 2.3.2 下肢外骨骼关节驱动模块设计 |
| 2.3.3 基于双平行弹簧的串联弹性体设计与分析 |
| 2.4 基于CAN总线通讯的传感系统构建 |
| 2.4.1 多源传感系统构建 |
| 2.4.2 传感器标定与校正 |
| 2.5 基于SEA的关节模型构建及验证 |
| 2.5.1 基于SEA的关节模型构建 |
| 2.5.2 基于SEA的关节跟踪轨迹实验 |
| 2.6 本章小结 |
| 第3章 基于人机交互信息的步态识别及意图辨识 |
| 3.1 引言 |
| 3.2 基于LSTM-CNN的步态模式识别 |
| 3.2.1 步态模式识别整体思路 |
| 3.2.2 LSTM-CNN模型构建 |
| 3.2.3 步态模式识别实验 |
| 3.3 基于模糊逻辑的步态相位划分 |
| 3.3.1 模糊逻辑推理系统原理 |
| 3.3.2 步态相位划分实验 |
| 3.4 基于足背交互力模型的人体意图辨识 |
| 3.4.1 基于足背交互力模型的关节轨迹预估 |
| 3.4.2 基于卡尔曼滤波的人体下肢运动意图预测 |
| 3.5 本章小结 |
| 第4章 下肢外骨骼双模态切换控制策略研究 |
| 4.1 引言 |
| 4.2 下肢外骨骼动力学模型构建及解耦 |
| 4.2.1 下肢外骨骼的动力学模型构建 |
| 4.2.2 下肢外骨骼控制系统解耦 |
| 4.3 双模态切换控制策略 |
| 4.3.1 控制策略整体思路 |
| 4.3.2 基于ADRC-FTSMC的摆动相控制策略 |
| 4.3.3 基于AIC的支撑相控制策略 |
| 4.3.4 相位切换过程中的平滑策略 |
| 4.3.5 控制仿真实验 |
| 4.3.6 HEXO主被动跟踪实验 |
| 4.4 本章小结 |
| 第5章 下肢外骨骼系统性能评价实验研究 |
| 5.1 引言 |
| 5.2 实验平台及性能评价指标 |
| 5.2.1 下肢外骨骼实验平台 |
| 5.2.2 下肢外骨骼性能评价指标 |
| 5.3 多场景外骨骼性能评价实验 |
| 5.3.1 人穿戴外骨骼蹲起实验 |
| 5.3.2 人穿戴外骨骼平地行走实验 |
| 5.3.3 人穿戴外骨骼上下楼梯实验 |
| 5.3.4 人穿戴外骨骼三种实验结果综合分析 |
| 5.4 本章小结 |
| 结论 |
| 参考文献 |
| 附录 外骨骼的动力学模型 |
| 攻读博士学位期间发表的论文及其他成果 |
| 致谢 |
| 个人简历 |
（3）面向复杂时变信号分析的动态神经网络模型与算法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 变量注释表 |
| 1 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.3 研究内容与思路 |
| 1.4 论文章节安排 |
| 2 相关知识及基本理论 |
| 2.1 监督学习 |
| 2.2 人工神经网络相关理论 |
| 2.3 数据标准化方法 |
| 2.4 基于梯度下降的优化算法 |
| 2.5 分类与回归问题的评价指标 |
| 2.6 本章小结 |
| 3 基于深度小波循环卷积神经网络的短时变信号分析模型与算法 |
| 3.1 引言 |
| 3.2 面向短时变信号的DWRCNN智能分析模型与算法 |
| 3.3 实验验证与结果分析 |
| 3.4 本章小结 |
| 4 基于多特征融合的长短期记忆网络单通道长时变信号分析模型与算法 |
| 4.1 引言 |
| 4.2 面向单通道长时变信号的ILSTM智能分析模型与算法 |
| 4.3 实验验证与结果分析 |
| 4.4 本章小结 |
| 5 基于T-S过程神经网络的非周期性多通道长时变信号分析模型与算法 |
| 5.1 引言 |
| 5.2 模糊计算与过程神经网络 |
| 5.3 面向非周期性多通道长时变信号的TSPNN智能分析模型与算法 |
| 5.4 实验验证与结果分析 |
| 5.5 本章小结 |
| 6 基于概率计算过程神经网络的周期性多通道长时变信号分析模型与算法 |
| 6.1 引言 |
| 6.2 概率神经网络模型 |
| 6.3 面向周期性多通道长时变信号的PCPNN智能分析模型与算法 |
| 6.4 实验验证与结果分析 |
| 6.5 本章小结 |
| 7 总结与展望 |
| 7.1 主要研究工作总结 |
| 7.2 研究工作展望 |
| 参考文献 |
| 作者简历 |
| 致谢 |
| 学位论文数据集 |
（4）基于Stacking算法的恶意软件检测方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.3 论文主要研究内容 |
| 1.4 论文组织与结构 |
| 1.5 本章小结 |
| 2 相关理论和方法 |
| 2.1 恶意软件概述 |
| 2.1.1 恶意软件的类型 |
| 2.1.2 恶意软件的入侵方式 |
| 2.2 恶意软件检测方法 |
| 2.2.1 静态检测方法 |
| 2.2.2 动态检测方法 |
| 2.3 机器学习算法概述 |
| 2.3.1 随机森林算法 |
| 2.3.2 梯度提升决策树算法 |
| 2.3.3 逻辑回归算法 |
| 2.3.4 PCA算法 |
| 2.3.5 Stacking算法 |
| 2.4 本章小结 |
| 3 恶意软件数据集预处理 |
| 3.1 数据集介绍 |
| 3.2 数据分析及初步处理 |
| 3.3 数据降维及重要属性提取 |
| 3.3.1 天牛须搜索算法 |
| 3.3.2 基于天牛须搜索的PCA降维优化算法 |
| 3.4 实验设计与结果分析 |
| 3.4.1 实验环境 |
| 3.4.2 实验描述 |
| 3.4.3 评估指标 |
| 3.4.4 参数设置 |
| 3.4.5 实验结果及分析 |
| 3.5 本章小结 |
| 4 基于模糊决策的随机森林优化算法 |
| 4.1 算法的基本思路 |
| 4.2 算法的具体步骤 |
| 4.3 算法的实例分析 |
| 4.4 实验设计与结果分析 |
| 4.4.1 实验描述 |
| 4.4.2 评估指标 |
| 4.4.3 实验结果及分析 |
| 4.5 本章小结 |
| 5 基于Stacking算法的恶意软件检测方法 |
| 5.1 恶意软件检测方法设计 |
| 5.1.1 算法层数选择 |
| 5.1.2 基分类器与元分类器的选择 |
| 5.2 恶意软件检测方法描述 |
| 5.2.1 训练阶段 |
| 5.2.2 测试阶段 |
| 5.2.3 总体流程 |
| 5.3 实验设计与结果分析 |
| 5.3.1 实验描述 |
| 5.3.2 评估指标 |
| 5.3.3 实验结果及分析 |
| 5.4 本章小结 |
| 6 总结与展望 |
| 6.1 论文主要工作总结 |
| 6.2 下一步工作展望 |
| 参考文献 |
| 致谢 |
| 作者简历及攻读硕士学位期间的科研成果 |
（5）区域微电网互联系统经济优化方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景及研究意义 |
| 1.1.1 选题背景 |
| 1.1.2 研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 可再生能源预测模型研究动态 |
| 1.2.2 区域微电网互联系统定容优化研究动态 |
| 1.2.3 区域微电网互联系统电能调度优化研究动态 |
| 1.2.4 区域微电网互联系统效益评价研究动态 |
| 1.3 论文的主要研究内容及技术路线 |
| 1.3.1 主要研究内容 |
| 1.3.2 研究技术路线 |
| 1.4 主要创新点 |
| 第2章 区域微电网互联系统现状分析及基础理论 |
| 2.1 区域微电网互联系统现状分析 |
| 2.2 基础理论 |
| 2.2.1 可再生能源预测理论 |
| 2.2.2 定容优化理论 |
| 2.2.3 调度优化理论 |
| 2.2.4 效益评价理论 |
| 2.3 本章小结 |
| 第3章 区域微电网互联系统单元构成及整体结构 |
| 3.1 子级微电网系统构成单元 |
| 3.1.1 光伏发电系统 |
| 3.1.2 风力发电系统 |
| 3.1.3 柴油发电系统 |
| 3.1.4 储能系统 |
| 3.2 区域微电网互联系统控制框架结构 |
| 3.2.1 多代理系统概念及特征 |
| 3.2.2 多代理系统结构 |
| 3.3 基于多代理系统的独立微电网框架 |
| 3.4 基于多代理系统的区域微电网互联系统结构 |
| 3.5 本章小结 |
| 第4章 基于动态自适应变权优化的可再生能源预测 |
| 4.1 可再生能源数据预处理模型 |
| 4.2 可再生能源预测模型构建 |
| 4.2.1 ARIMA模型 |
| 4.2.2 GRNN模型 |
| 4.2.3 LSTM模型 |
| 4.2.4 头脑风暴优化算法 |
| 4.2.5 动态自适应变权优化分配原则 |
| 4.2.6 动态自适应变权优化可再生能源预测模型流程 |
| 4.3 实例分析 |
| 4.3.1 数据收集 |
| 4.3.2 模型参数设置 |
| 4.3.3 性能测定指标 |
| 4.3.4 模型预测表现对比分析 |
| 4.3.5 模型泛化能力验证 |
| 4.4 本章小结 |
| 第5章 区域微电网互联系统定容优化研究 |
| 5.1 区域微电网互联系统定容优化相关因素分析 |
| 5.1.1 系统内部因素 |
| 5.1.2 系统外部因素 |
| 5.2 区域微电网互联系统定容优化结构框架 |
| 5.3 区域微电网互联系统定容优化建模 |
| 5.3.1 目标函数 |
| 5.3.2 经济系统模型 |
| 5.3.3 物理系统模型 |
| 5.3.4 约束条件 |
| 5.4 区域双微网互联系统定容优化模型求解框架 |
| 5.4.1 定容优化模型求解算法 |
| 5.4.2 区域双微网互联系统定容优化策略 |
| 5.4.3 求解流程 |
| 5.5 算例分析 |
| 5.5.1 输入数据 |
| 5.5.2 参数设置 |
| 5.5.3 结果分析 |
| 5.6 本章小结 |
| 第6章 区域微电网互联系统调度优化研究 |
| 6.1 区域微电网互联系统调度优化策略 |
| 6.1.1 调度模式基本原则 |
| 6.1.2 调度相关因素分析 |
| 6.1.3 区域微电网互联系统调度优化流程 |
| 6.1.4 电能交易机制 |
| 6.2 区域微电网互联系统电能分层调度优化建模 |
| 6.2.1 目标函数 |
| 6.2.2 约束条件 |
| 6.3 区域微电网互联系统调度优化求解框架 |
| 6.3.1 约束条件预处理 |
| 6.3.2 区域微电网互联系统动态调度求解流程 |
| 6.4 案例仿真 |
| 6.4.1 参数设置 |
| 6.4.2 仿真结果及分析 |
| 6.5 本章小结 |
| 第7章 区域微电网互联系统定容与调度综合效果评价 |
| 7.1 区域微电网互联系统定容与调度综合效果评价指标体系 |
| 7.1.1 评价指标体系构建原则 |
| 7.1.2 综合效果评价指标体系构建 |
| 7.2 定容与调度综合效果评价模型基本理论 |
| 7.2.1 区间二型模糊数 |
| 7.2.2 区间二型模糊数计算机制 |
| 7.2.3 区间二型模糊AHP模型 |
| 7.2.4 区间二型模糊TOPSIS模型 |
| 7.3 定容与调度综合效果评价模型构建 |
| 7.3.1 指标因素集确定 |
| 7.3.2 评价语的确定 |
| 7.3.3 基于区间二型模糊AHP-TOPSIS的综合效果评价模型 |
| 7.4 案例分析 |
| 7.4.1 数据收集 |
| 7.4.2 定容与调度综合效果指标权重确定 |
| 7.4.3 定容与调度综合效果评价 |
| 7.4.4 评价结果分析 |
| 7.4.5 定容与调度综合效果敏感性分析 |
| 7.5 本章小结 |
| 第8章 结论与展望 |
| 8.1 研究结论 |
| 8.2 未来研究展望 |
| 参考文献 |
| 攻读博士学位期间发表的论文及其他成果 |
| 攻读博士学位期间参加的科研项目 |
| 致谢 |
| 作者简介 |
（6）模糊粗糙集决策方法及其在医疗领域的应用（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪言 |
| 1.1 研究背景与意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 面向数据的智能决策研究现状 |
| 1.2.2 模糊粗糙集属性约简研究现状 |
| 1.3 研究内容与研究方法 |
| 1.3.1 研究内容 |
| 1.3.2 研究方法 |
| 1.4 技术路线 |
| 2 相关理论背景 |
| 2.1 粗糙集理论 |
| 2.2 模糊粗糙集理论 |
| 3 基于模糊区分矩阵的基因选择方法 |
| 3.1 基因选择概述 |
| 3.2 基于模糊区分矩阵的属性约简方法 |
| 3.2.1 模糊区分矩阵 |
| 3.2.2 基于模糊区分矩阵的属性约简 |
| 3.3 数值实验与分析 |
| 3.3.1 算法设计 |
| 3.3.2 数值实验 |
| 3.4 本章小结 |
| 4 基于模糊相关族的临床诊断指标选择 |
| 4.1 属性约简 |
| 4.2 基于模糊相关族的属性约简方法 |
| 4.2.1 理论基础 |
| 4.2.2 模糊相关族属性约简 |
| 4.2.3 基于决策表的模糊相关族属性约简 |
| 4.3 数值实验 |
| 4.3.1 算法分析 |
| 4.3.2 参数设置 |
| 4.3.3 实验结果描述 |
| 4.4 本章小结 |
| 5 医疗决策实例分析 |
| 5.1 结直肠癌基因选择 |
| 5.1.1 实例描述与数据预处理 |
| 5.1.2 基因选择结果分析 |
| 5.1.3 决策规则提取与建议 |
| 5.2 甲状腺疾病临床诊断指标选择 |
| 5.2.1 甲状腺疾病与实验数据描述 |
| 5.2.2 临床诊断指标筛选结果分析 |
| 5.2.3 甲状腺疾病诊断规则及建议 |
| 5.3 本章小结 |
| 6 总结与展望 |
| 6.1 研究总结 |
| 6.2 研究展望 |
| 参考文献 |
| 攻读学位期间的主要学术成果 |
| 致谢 |
（7）考虑多元信息的水库多目标优化调度研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 主要符号表 |
| 1.绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究进展 |
| 1.2.1 水库多目标优化算法研究进展 |
| 1.2.2 水库多目标决策及竞争权衡研究进展 |
| 1.2.3 考虑中长期径流预报信息的水库优化调度研究进展 |
| 1.3 存在问题与发展趋势 |
| 1.4 本文主要研究思路 |
| 2.研究水库概况及多目标调度模型构建 |
| 2.1 引言 |
| 2.2 研究水库概况 |
| 2.2.1 水库概况及特性 |
| 2.2.2 水库来水及需水资料 |
| 2.2.3 水库兴利调度要求 |
| 2.3 水库调度图基本形式 |
| 2.4 水库多目标调度模型 |
| 2.4.1 目标函数 |
| 2.4.2 约束条件 |
| 2.4.3 决策变量 |
| 2.5 本章小结 |
| 3.基于偏好信息的水库多目标优化研究 |
| 3.1 引言 |
| 3.2 基于偏好信息的多目标优化算法 |
| 3.2.1 常规优化算法NSGA-II |
| 3.2.2 偏好信息载体——参考点 |
| 3.2.3 基于参考点的偏好策略 |
| 3.2.4 基于参考点的水库多目标优化算法 |
| 3.3 解集性能评价指标 |
| 3.3.1 R-Metrics |
| 3.3.2 平均标准化欧式距离(Mean Euclidean Distance) |
| 3.3.3 有效解个数 |
| 3.4 水库调度模型及参考点设置方案 |
| 3.4.1 水库调度模型 |
| 3.4.2 参考点 |
| 3.4.3 优化参数 |
| 3.5 解集性能评价结果 |
| 3.5.1 Pareto解集整体对比 |
| 3.5.2 性能指标对比 |
| 3.6 本章小结 |
| 4.基于竞争权衡的水库多目标决策研究 |
| 4.1 引言 |
| 4.2 多目标竞争量化指标 |
| 4.2.1 多目标竞争及权衡 |
| 4.2.2 多目标竞争量化指标 |
| 4.2.3 多目标竞争量化指标量化步骤 |
| 4.3 基于竞争权衡的多目标决策方法 |
| 4.4 水库多目标调度模型及设计方案 |
| 4.4.1 水库调度模型 |
| 4.4.2 不同用水设计方案 |
| 4.5 水库多目标竞争分析及权衡决策结果 |
| 4.5.1 多目标竞争关系分析 |
| 4.5.2 水库多目标调度决策 |
| 4.5.3 多目标竞争指标合理性讨论 |
| 4.6 本章小结 |
| 5.考虑多时序过程因子的中期径流预报研究 |
| 5.1 引言 |
| 5.2 降雨产品及降雨预报产品评估 |
| 5.2.1 降雨产品适用性评估 |
| 5.2.2 降雨预报产品精度评定 |
| 5.3 基于BP神经网络的多时序过程因子筛选方法 |
| 5.3.1 基于BP神经网络的旬径流预报模型 |
| 5.3.2 多时序过程因子筛选方法 |
| 5.4 未来第一旬径流预报因子筛选及组合预报方案 |
| 5.4.1 研究数据 |
| 5.4.2 备选因子及相关系数 |
| 5.4.3 基于初步预测的因子筛选 |
| 5.4.4 未来第一旬径流不同因子组合方案设计 |
| 5.5 未来第一旬径流预报结果 |
| 5.5.1 精度评估结果 |
| 5.5.2 径流拟合过程 |
| 5.6 未来第二旬径流预报及结果 |
| 5.6.1 未来第二旬径流预报因子 |
| 5.6.2 精度评估结果 |
| 5.6.3 径流拟合过程 |
| 5.7 本章小结 |
| 6.中期径流预报信息在水库优化调度中的修正应用研究 |
| 6.1 引言 |
| 6.2 考虑预报信息利用的调度规则及水库调度模型 |
| 6.2.1 考虑预报信息利用的水库调度图基本形式 |
| 6.2.2 水库调度模型 |
| 6.3 两旬径流预报的误差影响分析及修正应用方式研究 |
| 6.3.1 第一旬径流预报误差影响分析 |
| 6.3.2 第二旬径流预报误差影响分析 |
| 6.3.3 两旬预报径流修正应用方式介绍 |
| 6.4 水库优化调度方案设计及结果分析 |
| 6.4.1 优化调度方案设计 |
| 6.4.2 优化调度结果对比 |
| 6.4.3 调度图优选及合理性分析 |
| 6.5 本章小结 |
| 7.结论与展望 |
| 7.1 结论 |
| 7.2 创新点 |
| 7.3 不足与展望 |
| 参考文献 |
| 攻读博士学位期间科研项目及科研成果 |
| 致谢 |
| 作者简介 |
（8）基于模仿学习的智能车辆行为决策与运动控制方法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 符号列表 |
| 第一章 绪论 |
| 1.1 课题研究背景与研究意义 |
| 1.2 国内外智能驾驶车辆研究现状 |
| 1.2.1 国外智能驾驶汽车研究现状 |
| 1.2.2 国内智能驾驶汽车研究现状 |
| 1.3 智能驾驶行为决策与运动控制方法研究现状 |
| 1.3.1 智能驾驶行为决策方法研究现状 |
| 1.3.2 智能驾驶运动控制方法研究现状 |
| 1.3.3 端到端的行为决策与运动控制方法研究现状 |
| 1.4 模仿学习研究现状 |
| 1.4.1 行为克隆方法 |
| 1.4.2 逆强化学习方法 |
| 1.4.3 直接策略学习方法 |
| 1.5 研究内容及主要贡献 |
| 1.5.1 本文研究内容 |
| 1.5.2 本文主要贡献 |
| 第二章 基于Bagging高斯过程回归的驾驶行为建模方法 |
| 2.1 基于感知状态特征的驾驶行为建模问题描述 |
| 2.1.1 问题分析 |
| 2.1.2 状态选择和描述 |
| 2.2 驾驶行为建模的Bagging高斯过程回归方法 |
| 2.2.1 算法整体框架 |
| 2.2.2 算法理论分析 |
| 2.2.3 算法实现 |
| 2.3 驾驶行为数据采集与评价指标 |
| 2.3.1 PreScan仿真环境与车辆动力学模型 |
| 2.3.2 典型场景搭建和数据采集 |
| 2.3.3 性能评价指标 |
| 2.4 仿真实验结果分析 |
| 2.4.1 道路跟随场景 |
| 2.4.2 直道超车场景 |
| 2.4.3 弯道避障场景 |
| 2.5 本章小结 |
| 第三章 端到端驾驶行为模仿学习的CNN-GPR方法 |
| 3.1 端到端驾驶行为模仿学习描述 |
| 3.1.1 端到端模仿学习 |
| 3.1.2 端到端行为克隆方法 |
| 3.2 驾驶行为模仿学习的CNN-GPR方法 |
| 3.2.1 CNN特征提取网络设计 |
| 3.2.2 基于GPR的特征回归器设计 |
| 3.2.3 算法性能分析与讨论 |
| 3.3 实验验证与分析 |
| 3.3.1 自动驾驶数据集与性能评价 |
| 3.3.2 结果分析 |
| 3.4 本章小结 |
| 第四章 时序图像驾驶行为学习的CNN-LSTM-GPR方法 |
| 4.1 利用时序信息的驾驶行为学习问题描述 |
| 4.2 驾驶行为学习的CNN-LSTM-GPR方法 |
| 4.2.1 CNN-LSTM时序特征提取网络设计 |
| 4.2.2 驾驶行为学习的CNN-LSTM-GPR算法 |
| 4.3 实验验证与分析 |
| 4.3.1 数据集和评价指标 |
| 4.3.2 结果分析 |
| 4.4 本章小结 |
| 第五章 驾驶行为学习模型验证与评估 |
| 5.1 实验平台 |
| 5.2 数据采集 |
| 5.3 驾驶行为学习模型 |
| 5.3.1 CNN特征提取网络结构设计 |
| 5.3.2 CNN-LSTM特征提取网络结构设计 |
| 5.4 实验结果与分析 |
| 5.4.1 CNN-GPR方法 |
| 5.4.2 CNN-LSTM-GPR方法 |
| 5.5 本章小结 |
| 第六章 结论与展望 |
| 6.1 论文工作总结 |
| 6.2 未来工作展望 |
| 致谢 |
| 参考文献 |
| 作者在学期间取得的学术成果 |
（9）语言值直觉模糊概念格及其在教育类APP智能评价中的应用（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 形式概念分析相关研究现状 |
| 1.2.2 语言值直觉模糊格蕴涵代数相关研究现状 |
| 1.2.3 教育类APP评价体系相关研究现状 |
| 1.3 本文研究内容 |
| 1.4 文章结构 |
| 2 预备知识 |
| 2.1 语言真值直觉模糊格蕴涵代数的相关概念 |
| 2.2 概念格相关概念 |
| 3 语言值直觉模糊概念格及其应用 |
| 3.1 语言值直觉模糊概念格 |
| 3.2 语言值直觉模糊概念格之间的贴近度 |
| 3.2.1 语言值直觉模糊形式概念之间的贴近度 |
| 3.2.2 语言值直觉模糊概念与语言值直觉模糊概念格之间的贴近度 |
| 3.2.3 语言值直觉模糊概念格之间的贴近度 |
| 3.3 基于语言值直觉模糊概念格的模式识别方法 |
| 3.4 基于语言值直觉模糊概念格模式识别方法的中医疾病智能诊断 |
| 3.5 本章结论 |
| 4 基于语言值直觉模糊决策形式背景的规则提取方法研究 |
| 4.1 语言值直觉模糊决策形式背景 |
| 4.2 语言值直觉模糊决策形式背景的决策规则 |
| 4.3 决策规则的提取算法 |
| 4.3.1 规则提取算法 |
| 4.3.2 规则提取算法复杂度分析 |
| 4.4 基于决策规则提取的个人理财投资决策实例分析 |
| 4.5 本章结论 |
| 5 基于不完备语言值直觉模糊决策概念格的教育类APP智能评价系统 |
| 5.1 教育类APP评价指标体系的设计与建立 |
| 5.1.1 教育类APP智能评价系统的研究意义 |
| 5.1.2 教育类APP智能评价指标体系的设计原则 |
| 5.1.3 教育类APP智能评价指标体系的框架结构 |
| 5.1.4 教育类APP评价指标体系的构建 |
| 5.2 教育类APP智能评价系统算法分析 |
| 5.3 教育类APP智能评价系统实现 |
| 5.4 本章结论 |
| 结论 |
| 参考文献 |
| 攻读硕士学位期间发表学术论文情况 |
| 致谢 |
（10）联合收割机关键部件性能检测及评价研究（论文提纲范文）
| 摘要 |
| Abstract |
| 变量注释表 |
| 1 绪论 |
| 1.1 引言 |
| 1.2 联合收割机监测系统与综合评价研究现状 |
| 1.3 课题的提出及研究意义 |
| 1.4 主要研究内容及章节安排 |
| 1.5 主要创新点 |
| 2 检测系统总体方案设计 |
| 2.1 引言 |
| 2.2 联合收割机关键部件检测系统设计需求分析 |
| 2.3 联合收割机作业过程分析及检测参数选择 |
| 2.4 检测系统方案设计 |
| 2.5 模糊控制器设计 |
| 2.6 本章小结 |
| 3 检测系统硬件设计 |
| 3.1 引言 |
| 3.2 主要传感器选型 |
| 3.3 数据采集系统 |
| 3.4 本章小结 |
| 4 检测系统软件设计 |
| 4.1 引言 |
| 4.2 检测系统软件的总体架构 |
| 4.3 检测系统软件设计 |
| 4.4 本章小结 |
| 5 联合收割机性能评价方法研究 |
| 5.1 引言 |
| 5.2 模糊评价法的基本原理 |
| 5.3 基于模糊综合评价法的联合收割机性能评价研究 |
| 5.4 本章小结 |
| 6 实验研究 |
| 6.1 实验方案 |
| 6.2 实验结果及分析 |
| 6.3 本章小结 |
| 7 结论与展望 |
| 7.1 结论 |
| 7.2 展望 |
| 参考文献 |
| 作者简历 |
| 致谢 |
| 学位论文数据集 |
四、模糊决策在计算机性能评价中的应用（论文参考文献）
- [1]流特征下在线分层特征选择方法研究[D]. 白盛兴. 闽南师范大学, 2021
- [2]穿戴式下肢外骨骼系统设计与交互控制策略研究[D]. 陈朝峰. 哈尔滨工业大学, 2020(02)
- [3]面向复杂时变信号分析的动态神经网络模型与算法研究[D]. 封乃丹. 山东科技大学, 2020(06)
- [4]基于Stacking算法的恶意软件检测方法研究[D]. 杨泽宇. 大连海事大学, 2020(01)
- [5]区域微电网互联系统经济优化方法研究[D]. 杨磊. 华北电力大学(北京), 2020(06)
- [6]模糊粗糙集决策方法及其在医疗领域的应用[D]. 李藤. 中南林业科技大学, 2020(02)
- [7]考虑多元信息的水库多目标优化调度研究[D]. 唐榕. 大连理工大学, 2020(01)
- [8]基于模仿学习的智能车辆行为决策与运动控制方法研究[D]. 陈鸿军. 国防科技大学, 2019(02)
- [9]语言值直觉模糊概念格及其在教育类APP智能评价中的应用[D]. 冯凯华. 辽宁师范大学, 2019(01)
- [10]联合收割机关键部件性能检测及评价研究[D]. 赵姗. 山东科技大学, 2019(05)