模糊系統(tǒng)和ANFIS的改進及其在空間光學中的應用

內容概要

模糊系統(tǒng)和ANFIS的改進及其在空間光學中的應用比較系統(tǒng)地闡述了模糊系統(tǒng)和自適應模糊神經推理系統(tǒng)（ANFIS）的改進、在嵌入式系統(tǒng)中的實現，及其在空間光學中的應用等領域的研究成果。內容包括：模糊系統(tǒng)、ANFIS和DSP技術的發(fā)展和應用，模糊系統(tǒng)和ANFIS的基本理論，基于改進型模糊聚類的模糊系統(tǒng)建模方法研究，混合輸入型模糊系統(tǒng)及其應用，ANFIS的改進和應用研究，模糊系統(tǒng)和ANFIS在DSP上的實現和優(yōu)化，以及模糊系統(tǒng)和ANFIS在空間光學中的應用等。
模糊系統(tǒng)和ANFIS的改進及其在空間光學中的應用可供從事模糊系統(tǒng)、神經網絡、嵌入式系統(tǒng)、空間光學等領域研究的科技人員以及計算機、空間光學、信息科學、控制等專業(yè)的高年級本科生和研究生參考。

書籍目錄

前言第1章 模糊系統(tǒng)、ANFIS和DSP技術的發(fā)展和應用1.1 模糊系統(tǒng)的發(fā)展和應用1.2 模糊系統(tǒng)和神經網絡結合技術的發(fā)展和應用1.3 DSP的發(fā)展和應用第2章 模糊系統(tǒng)和ANFIS的基本理論2.1 模糊邏輯基礎2.1.1 模糊集合2.1.2 模糊集合運算的基本性質2.1.3 隸屬度函數2.1.4 模糊集合相關的定義和定理2.1.5 模糊關系2.1.6 模糊語言變量2.1.7 模糊邏輯推理2.2 模糊推理系統(tǒng)分類與組成2.2.1 純模糊邏輯系統(tǒng)2.2.2 T-S型模糊邏輯系統(tǒng)2.2.3 Mamdani型模糊邏輯系統(tǒng)2.3 ANFIS的原理2.3.1 ANFIS的結構2.3.2 BP算法的各種改進方法2.4 模糊聚類2.4.1 普通聚類分析2.4.2 模糊聚類分析2.4.3 常用模糊聚類算法2.5 本章小結第3章 基于改進型模糊聚類的模糊系統(tǒng)建模方法研究3.1 模糊聚類算法的改進3.1.1 改進型聚類算法的提出3.1.2 改進型聚類算法的實現3.1.3 改進前后算法聚類結果比較3.2 基于改進型模糊聚類的模糊系統(tǒng)建模3.2.1 模糊系統(tǒng)建模新方法的提出3.2.2 擬合方法及其在MATLAB中的實現3.3 模糊系統(tǒng)建模方法的驗證3.3.1 水箱水位控制系統(tǒng)模型3.3.2 輸入/輸出樣本集的獲取3.3.3 水位控制模糊系統(tǒng)建模3.3.4 控制性能比較與結論3.4 本章小結第4章 混合輸入型模糊系統(tǒng)及其應用4.1 混合輸入型模糊系統(tǒng)的提出4.2 轉換器的實現方法4.3 圖形用戶界面的設計4.4 本章小結第5章 ANFIS的改進和應用研究5.1 ANFIS的改進5.1.1 ANFIS改進算法的提出5.1.2 用Fletcher-Reeves update法改進的ANFIS5.1.3 用比例共軛梯度法改進的ANFIS5.2 改進算法的驗證與比較5.2.1 在混沌時間序列預報中的應用5.2.2 在逼近非線性函數中的應用5.3 本章小結第6章 模糊系統(tǒng)和ANFIS在DSP上的實現和優(yōu)化6.1 模糊系統(tǒng)在DSP上的實現6.2 ANFIS在DSP上的實現6.3 代碼優(yōu)化6.4 本章小結第7章 模糊系統(tǒng)和ANFIS在空間光學中的應用7.1 ANFIS在空間相機最佳焦面位置預測中的應用7.2 模糊聚類在遙感圖像分割中的應用7.3 本章小結參考文獻附錄 IRIS數據集

章節(jié)摘錄

第1章 模糊系統(tǒng)、ANFIS和DSP技術的發(fā)展和應用 1.1 模糊系統(tǒng)的發(fā)展和應用 在德國人Cantor創(chuàng)立的經典集合論中，元素和集合之間是屬于或不屬于的絕對關系，無法表達人類思維中“長”、“短”、“胖”、“瘦”等模糊概念。1965年美國系統(tǒng)工程專家Zadeh教授在其論文Fuzzysets中提出用隸屬函數來描述人類認知中的模糊概念，標志著模糊數學的誕生。模糊概念可以利用隸屬函數在計算機中得到有效表達，從而使計算機能模仿人類處理復雜、非線性和不確定性問題時的推理決策能力，解決傳統(tǒng)方法無法解決的問題。 1974年，英國學者Mamdani首次把模糊集合理論用于鍋爐和蒸汽機的控制，并取得了較好的控制效果，英國學者King和丹麥學者Ostergoarel等分別將模糊控制器成功用于反應爐的控制和雙入雙出的熱交換過程的控制。模糊控制在實際工程中的成功應用帶動模糊理論相關研究的迅速開展。我國學者較早地開展模糊數學理論的研究，并成立了自己的模糊數學與模糊系統(tǒng)學會。1984年，模糊信息處理國際會議在夏威夷召開，并成立了國際模糊系統(tǒng)協(xié)會。日本在模糊控制技術應用上發(fā)展得很快，1987年7月，日本工程界將模糊邏輯用于控制仙臺市地鐵系統(tǒng)后，模糊技術在日本得到廣泛應用，許多工業(yè)生產控制設備和洗衣機、照相機、空調、吸塵器等家用電器都應用了模糊技術，給日本創(chuàng)造了顯著的經濟效益。1993年，美國電氣和電子工程師協(xié)會（InstituteofElectricalandElectronicsEngineers，IEEE）神經網絡協(xié)會的刊物IEEETransactionsonFuzzySystem創(chuàng)刊，模糊系統(tǒng)理論開始發(fā)展成為一個獨立學科。之后越來越多的學者和工程師投入到模糊系統(tǒng)理論和應用的研究中。我國與國際在模糊數學方面的差距不大，然而在模糊系統(tǒng)的設計與分析及其在實際工程中的應用等方面，和美日相比還有較大差距。 目前每年僅EI收錄的模糊系統(tǒng)理論及其應用研究的論文都有六七千篇，研究內容涉及模糊基本理論、模糊控制、模糊聚類、模糊狀態(tài)方程與穩(wěn)定性分析、模糊數據挖掘、模糊系統(tǒng)建模和模糊系統(tǒng)硬件實現方法等。目前模糊系統(tǒng)的理論仍不成熟，影響其在實際中的應用。主要表現在隸屬度函數類型和參數的選取主要依靠經驗、現有模糊系統(tǒng)的適用范圍有限、缺乏在通用硬件平臺中的實現方法、模糊控制系統(tǒng)的穩(wěn)定性有待提高等。 模糊技術、神經網絡技術和混沌理論被譽為人工智能的三大支柱，將成為推動下一代工業(yè)自動化發(fā)展的核心技術。將模糊系統(tǒng)和智能領域的其他新技術如神經網絡、遺傳算法、混沌理論等相結合，開展更深層次的應用，正成為當前研究的熱點之一。 1.2 模糊系統(tǒng)和神經網絡結合技術的發(fā)展和應用 1943年，心理學家McCulloch和數學家Pitts在研究生物神經元的基礎上提出了一種簡單的神經元模型，即M-P模型，標志著人工神經網絡研究的興起。1949年，Hebb提出了一個突觸聯系可變假設，用于調整神經網絡的連接權值，至今多數神經網絡仍采用Hebb學習規(guī)則。1957年，Rosenblott提出的感知器（per-ceptron），是第一個真正意義上的人工神經網絡，它具備了學習、分布式存儲等神經網絡的一些基本特性，能學習把一個給定的輸入聯想到隨機的輸出上。1960年，斯坦福大學的Widrow和Hoff對感知器模型進行改進，提出了自適應線性元件，提高了網絡的訓練速度和精度，并成功應用于自適應信號處理。人工智能著名學者Minsky和Parpcrt在1969年發(fā)表的著作《感知器》中深入分析了單層感知器只能解決輸入線性可分問題的局限性，并指出了構造多層網絡的困難，此后神經網絡的研究陷入低潮。 進入20世紀80年代，神經網絡的研究出現了一系列突破性的進展。Hopfield于1982年和1984年先后發(fā)表兩篇重要論文提出了離散和連續(xù)Hopfield模型，引入了網絡能量函數的概念，給出了網絡穩(wěn)定性判據。1985年，美國加州大學的并行分布處理（paralleldistributedprocessing，PDP）研究小組的Hinton等在Hopfield網絡的基礎上提出了Boltzmann機。1986年，PDP研究小組的Rumelhart等提出了適用于多層網絡學習的誤差反向傳播（backpropaga-tion，BP）算法，成為目前應用最廣泛的神經網絡訓練算法。1987年，在美國圣地亞哥召開了第一屆世界神經網絡會議，隨后國際神經網絡學會雜志《神經網絡》和IEEE的神經網絡雜志相繼創(chuàng)刊，此后神經網絡成為各國學者研究的熱點。目前每年僅EI收錄的神經網絡研究的論文就有上萬篇，由于神經網絡具有非線性逼近能力、自學習能力和大規(guī)模自適應并行處理等優(yōu)點，從而在模式識別、復雜控制、信號處理、聯想記憶、故障診斷、目標預測等許多領域獲得了日益廣泛的應用 。 模糊邏輯模仿人類思維的模糊性，能利用人類積累的知識解決單憑常規(guī)數學無法解決的問題，同時使社會科學能夠充分利用計算機這一工具，為自然科學和社會科學的交叉提供媒介，促進軟科學的發(fā)展。神經網絡在模擬大腦生理結構的基礎上，模擬人類的自學習、自組織能力，使得機器能以學習的方式獲取新的知識，解決新的問題。模糊邏輯和神經網絡的比較如表1.1所示。 神經網絡和模糊邏輯系統(tǒng)都具有非線性映射能力，已為Kosko等學者所證明，因而都可以用來解決常規(guī)方法難以解決的非線性問題。如果將神經網絡和模糊邏輯相結合，則可以充分發(fā)揮兩者的優(yōu)點，避免其不足。神經網絡和模糊邏輯的結合類似計算機硬件和軟件的結合，使機器能更加真實地模仿人腦的功能。1990年，Takagi在模糊邏輯與神經網絡國際會議上論述了神經網絡和模糊邏輯的結合。 模糊系統(tǒng)和神經網絡的結合方式可以分為三類：引入模糊運算的神經網絡、用模糊邏輯增強網絡功能的神經網絡和基于神經網絡的模糊系統(tǒng)。引入模糊運算的神經網絡在傳統(tǒng)神經網絡中加入模糊神經元或模糊化網絡參數等模糊成分。Carpenter等（1991年）提出了模糊自適應共振理論模型（fuzzyadaptiveresonancetheory），用模糊集進行極大、極小操作，較好地解決了模糊信息存儲、記憶的問題。Pal等（1992年）提出了具有模糊分類功能的模糊多層感知器，通過引入模糊神經元進行模糊化。Jou等（1992年）仿照CMAC（cerebellamodelarticula-tioncontroller）的五層結構，通過引入模糊神經元和權值模糊化構造了模糊小腦模型神經網絡（fuzzycerebellamodelarticulationcontroller，FCMAC），提高了CMAC的泛化能力。Pedrcy等（1993年）在研究模糊邏輯與神經網絡融合時的邏輯操作的過程中引入聚合神經元（aggregationneurons）和指示神經元（refer-entialneurons）。Simpson（1992年）提出了模糊極小-極大神經網絡，將超盒模糊集累積形成模式類。王嶺等（1998年）提出了一種模糊子波神經網絡（fuzzywaveletneuralnetwork，FWNN），用于數據的區(qū)間估計。張志華等（2000年）通過把對向傳播（counterpropagation，CP）神經網絡競爭層神經元的輸出函數定義為模糊隸屬度函數，提出了模糊對向傳播（FCP）神經網絡。 基于神經網絡的模糊系統(tǒng)，即神經模糊系統(tǒng)（neural-fuzzysystems，NFS）。它利用神經網絡算法對神經模糊系統(tǒng)的參數進行調整，可以從訓練樣本中提取模糊規(guī)則，實現所謂數據驅動，給出了一種在先驗知識不足的情況下模糊規(guī)則庫的構建方法，同時提高了系統(tǒng)的自適應能力。最具代表性的神經模糊系統(tǒng)為Jang（1992年）提出的自適應模糊神經推理系統(tǒng)（ANFIS），由于便于實現且效果好，被收入了MATLAB的模糊邏輯工具箱，并在非線性系統(tǒng)建模與預報等多個領域得到成功應用。此外，Takagi等（1991年）提出神經網絡驅動的模糊推理系統(tǒng)，Kosko（1992年）在其專著中提出的模糊聯想記憶（fuzzyassociativememory）都屬于神經模糊系統(tǒng)，Berenji、Nauck、Sulzberger和邢松寅等也提出了不同種類的神經模糊系統(tǒng)。 用模糊邏輯增強的神經網絡用模糊系統(tǒng)增強神經網絡的學習能力，解決傳統(tǒng)神經網絡容易陷入局部極小值的問題。它利用專家知識和規(guī)則來調整參數，從而加快神經網絡的收斂速度。模糊理論和神經網絡的結合技術還在不斷地深入發(fā)展，將在各個領域獲得日益廣泛的應用。 1.3 DSP的發(fā)展和應用 DSP是目前各種電子設備中完成數字信號處理的核心單元。早期數字信號處理的工作由微處理器（microprocessunit，MPU）來完成，但MPU主要作為控制器使用，并非專門為數字信號處理而設計，難以滿足高速實時的要求。20世紀70年代DSP的理論和算法出現，那時的DSP主要停留在理論上，研制出來的DSP系統(tǒng)由分立元件組成，體積龐大且價格高昂，僅應用在軍事部門和實驗室中。1978年，美國微系統(tǒng)公司（AmericanMicrosystemsIncorporated，AMI）發(fā)布了首枚專門為數字信號處理設計的芯片S2811。1982年，美國德州儀器（TexasInstrument，TI）公司推出了采用微米工藝N型金屬氧化物半導體（Nmentalox-idesemiconductor，NMOS）技術制作的TMS320C10，它采用哈佛（harvard）結構，帶有一個硬件乘法器和累加器，是一個16bit的定點DSP，主要應用在軍事領域。 1984年，AT&T公司推出了高性能的浮點DSP芯片DSP32。1987年，TI公司推出的TMS320C20有專門的地址寄存器，尋址空間達到64KB，增加了單指令循環(huán)的硬件支持。1986年，Motorola公司推出的MC56001采用可以循環(huán)尋址的地址寄存器，帶保護位累加器，數據和指令都為24bit，單次乘加運算僅耗時75ns。在20世紀90年代，DSP的速度進一步提高，應用范圍也不斷擴大。這一時期的代表產品有TI公司的TMS320C40系列和TMS320C54系列、AD的ADSP2100系列等產品。 進入21世紀后，DSP的設計技術也有很大飛躍，產品的性能也有了顯著的提升，DSP芯片將DSP芯核和外圍器件集成在單一芯片上，系統(tǒng)的集成度更高。各公司針對不同的應用研制出定點、浮點、通用和專用等各種DSP。如TI公司針對手機等便攜式設備的應用，研制出的TMS320C55系列，為對功耗有苛刻要求的產品提供了一種很好的解決方案。2011年，TI公司最新推出的多核DSPTMS320C6678將8個1.25GHz的DSP內核集成在單個器件上，可以實現320GMAC和160GFLOP定點和浮點性能。 隨著科技的發(fā)展，DSP器件價格顯著下降，而計算和控制能力不斷提升，單位運算量的功耗不斷降低，從而使其在通信、工業(yè)控制、航空航天、精密儀器和家用電器等各個領域中得到了廣泛應用，尤其適合在要求信號高速實時處理的嵌入式系統(tǒng)中使用。例如，付瑩貞等提出了一種基于DSP的DGPS導航定位系統(tǒng)，可以實現更高精度的定位。張燕等利用雙DSP實現衛(wèi)星自主導航器，提高衛(wèi)星自主導航系統(tǒng)的實時計算能力。代少升等以高性能DSPTMS320C6201為核心處理單元，以現場可編程門陣列（fieldprogrammablegatearray，FPGA）為主要控制單元，成功研制了紅外實時成像系統(tǒng)。鄭曉峰等設計了一種基于DSP和FP-GA的多軸運動控制器，是一種較好的數控平臺。DSP已被成功應用于空間相機的相機控制器，完成像移計算、采集圖像對時信息、控制成像單元和調焦單元等復雜任務。DSP未來的發(fā)展趨勢為通過并行提高DSP芯片性能、存儲器架構變化和片上系統(tǒng)（systemonchip，SoC）等。

編輯推薦

《模糊系統(tǒng)和ANFIS的改進及其在空間光學中的應用(精)》編著者武星星、劉金國。    本書比較系統(tǒng)地闡述了模糊系統(tǒng)和自適應模糊神經推理系統(tǒng)(ANFIs)的改進、在嵌入式系統(tǒng)中的實現，及其在空間光學中的應用等領域的研究成果。

圖書封面

評論、評分、閱讀與下載

---

    模糊系統(tǒng)和ANFIS的改進及其在空間光學中的應用 PDF格式下載

---