全面质量管理、生产力和竞争力的突破性战略-业务流程改进

通过C/C++编程，将传统的KMP算法与改进的KMP算法进行对比，通过运行时间、匹配速度来衡量算法性能的优劣。

闭环时滞模型参数的辨识一直是先进工业控制领域的一个重要课题。然而由于时滞的存在,被控量不能及时地反映系统所承受的扰动,从而产生明显的超调,使得控制系统的稳定性变差。本文充分利用粒子群优化算法收敛速度较快和混沌运动遍历性的优点,提出了一种基于混沌优化思想的混沌粒子群优化算法来直接辨识含有滞后环节的被控对象的闭环传递函数,而不用将其转化为状态方程。将闭环时滞系统的传递函数通过z变换转化为离散的差分方程,对于滞后环节的处理,用一阶Pade近似。利用CPSO的全局优化能力来极小化误差准则函数,从而获得模型参数的估

为提高雷达系统在复杂电磁环境下的抗干扰能力,对雷达干扰对消系统及其自适应滤 波算法进行了分析,给出了一种改进的变步长LMS自适应滤波算法。该算法利用类Sigmoid函 数去调节步长,减少了运算量,并在类Sigmoid函数中利用误差信号的自相关值调整步长,从而 解决了算法较快的收敛速度与较小的稳态误差之间的矛盾,并且降低了算法对输入噪声的敏感 性。将该算法应用到自适应干扰对消系统中进行了计算机仿真验证,计算机仿真结果与理论分 析一致,表明了该算法具有一定的可行性和优越性。

零记忆非线性变换(ZMNL)法和球不变随机过程(SIRP)法是模拟 K 分布杂波的两种常用方法。针对传统ZMNL方法中形状参数(半)整数化所导致的杂波模拟偏差问题,该文提出采用增加Gamma分布生成支路的方法进行改进,改进后的方法能够模拟任意形状参数的 K 分布杂波;针对传统 SIRP 方法运算量较大的问题,给出了一种改进的调制变量产生方法,该方法能够避免求解非线性方程,极大地降低了运算量,提高了仿真速度。仿真结果验证了改进方法的有效性。

针对红外气体传感器测量精度受环境温度影响较大的问题，提出了一种基于嵌入自适应Levy变异免疫粒子群-最小二乘支持向量机（ALIPSO-LSSVM）的温度补偿算法。ALIPSO算法引入Levy flight对子代粒子进行自适应变异，确保粒子多样性，并在每次迭代之前，采用相对基学习方法初始化粒子群，提高算法的收敛速度。通过5个基准测试函数对ALIPSO算法进行性能评价，仿真结果表明该算法收敛速度较快、精度高，且具有较强的全局搜索能力。利用ALIPSO算法对LS-SVM的参数进行优化，并将该混合算法应用于红外气体传感器温度补偿，数值仿真结果表明采用该算法可将补偿结果的相对误差控制在6%范围内。

人工智能-机器学习-湖南移动基于战略导向的绩效管理体系改进研究.pdf

人工智能-机器学习-规则引擎算法改进及在应急指挥平台中的应用.pdf

人工智能-机器学习-河流水质评价与环境容量计算方法的改进及应用.pdf

【DELM分类】基于遗传算法改进深度学习极限学习机实现数据分类附matlab代码