以惯性特征系统作为研究对象，针对常规PID控制器参数的设置问题提出了基于系统最速特征模型的辨识算法，该算法利用惯性特征系统的输入输出特性，通过最小二乘法辨识出系统的一阶特征模型，然后再根据一阶特征模型、控制律和系统的动、稳态性能的要求辨识出系统的二阶最速特征模型，同时也计算出PID控制器的参数.仿真结果表明，该算法能够使 PID控制具有最速响应的特征，为PID参数设置提供了一种计算方法.

基于特征建模理论, 针对一类可由一阶特征模型描述的被控对象, 设计一种新的自适应跟踪控制方法. 通过参数整合, 将系统特征压缩到一个时变参数中, 进一步减少需估计的参数, 更利于工程应用. 利用李雅普诺夫方法, 分析闭环系统的稳定性. 最后, 通过数学仿真验证了所提出方法的有效性.

安全帽分割是实现煤矿人员智能视频监控的关键技术之一，可促进人员定位、跟踪、安全帽佩戴检测等相关技术的研究，为此，提出一种基于超像素特征提取与支持向量机(Support Vector Machines,SVM)分类的矿井人员安全帽分割方法。首先，采用简单线性迭代聚类(Simple Linear Iterative Clustering,SLIC)模型将人员图像粒化为一定数量内部像素点颜色特征相似且空间位置相近的超像素。其次，提取超像素在RGB，YCbCr，Lab，HSV空间上的颜色特征及其灰度直方图纹理特征，通过分析安全帽二维轮廓线上的斜率变化特性建立安全帽轮廓特征模型。最后，在训练集人员图像中分别提取安全帽正样本超像素和背景负样本超像素的颜色、纹理特征训练SVM分类器，采用已训练的SVM将测试集中的人员图像超像素二分类为安全帽正样本和背景负样本。进一步通过安全帽轮廓特征模型判别SVM误分类的虚假正样本并对其进行类别修正，识别同时包含正样本像素点和负样本像素点的欠分割样本超像素，并通过求取正样本区域边界掩模与Prewitt算子所提取轮廓的差集对其进行二级像素分类，分离出其中的正样本像素区

使用机器学习来测量基因之间的相关性：一个多特征模型

大数据技术下房地产价格波动特征模型研究.pdf

基于特征模型的智能自适应控制是我国科学院院士吴洪鑫先生创建的一种先进控制方法，这里给出一个历程。