模糊系統(tǒng)和ANFIS的改進(jìn)及其在空間光學(xué)中的應(yīng)用

內(nèi)容概要

模糊系統(tǒng)和ANFIS的改進(jìn)及其在空間光學(xué)中的應(yīng)用比較系統(tǒng)地闡述了模糊系統(tǒng)和自適應(yīng)模糊神經(jīng)推理系統(tǒng)（ANFIS）的改進(jìn)、在嵌入式系統(tǒng)中的實現(xiàn)，及其在空間光學(xué)中的應(yīng)用等領(lǐng)域的研究成果。內(nèi)容包括：模糊系統(tǒng)、ANFIS和DSP技術(shù)的發(fā)展和應(yīng)用，模糊系統(tǒng)和ANFIS的基本理論，基于改進(jìn)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(yīng)用，ANFIS的改進(jìn)和應(yīng)用研究，模糊系統(tǒng)和ANFIS在DSP上的實現(xiàn)和優(yōu)化，以及模糊系統(tǒng)和ANFIS在空間光學(xué)中的應(yīng)用等。
模糊系統(tǒng)和ANFIS的改進(jìn)及其在空間光學(xué)中的應(yīng)用可供從事模糊系統(tǒng)、神經(jīng)網(wǎng)絡(luò)、嵌入式系統(tǒng)、空間光學(xué)等領(lǐng)域研究的科技人員以及計算機(jī)、空間光學(xué)、信息科學(xué)、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(shù)的發(fā)展和應(yīng)用1.1 模糊系統(tǒng)的發(fā)展和應(yīng)用1.2 模糊系統(tǒng)和神經(jīng)網(wǎng)絡(luò)結(jié)合技術(shù)的發(fā)展和應(yīng)用1.3 DSP的發(fā)展和應(yīng)用第2章 模糊系統(tǒng)和ANFIS的基本理論2.1 模糊邏輯基礎(chǔ)2.1.1 模糊集合2.1.2 模糊集合運算的基本性質(zhì)2.1.3 隸屬度函數(shù)2.1.4 模糊集合相關(guān)的定義和定理2.1.5 模糊關(guān)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(jié)構(gòu)2.3.2 BP算法的各種改進(jìn)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(jié)第3章 基于改進(jìn)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(jìn)3.1.1 改進(jìn)型聚類算法的提出3.1.2 改進(jìn)型聚類算法的實現(xiàn)3.1.3 改進(jìn)前后算法聚類結(jié)果比較3.2 基于改進(jìn)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(xiàn)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(jié)論3.4 本章小結(jié)第4章 混合輸入型模糊系統(tǒng)及其應(yīng)用4.1 混合輸入型模糊系統(tǒng)的提出4.2 轉(zhuǎn)換器的實現(xiàn)方法4.3 圖形用戶界面的設(shè)計4.4 本章小結(jié)第5章 ANFIS的改進(jìn)和應(yīng)用研究5.1 ANFIS的改進(jìn)5.1.1 ANFIS改進(jìn)算法的提出5.1.2 用Fletcher-Reeves update法改進(jìn)的ANFIS5.1.3 用比例共軛梯度法改進(jìn)的ANFIS5.2 改進(jìn)算法的驗證與比較5.2.1 在混沌時間序列預(yù)報中的應(yīng)用5.2.2 在逼近非線性函數(shù)中的應(yīng)用5.3 本章小結(jié)第6章 模糊系統(tǒng)和ANFIS在DSP上的實現(xiàn)和優(yōu)化6.1 模糊系統(tǒng)在DSP上的實現(xiàn)6.2 ANFIS在DSP上的實現(xiàn)6.3 代碼優(yōu)化6.4 本章小結(jié)第7章 模糊系統(tǒng)和ANFIS在空間光學(xué)中的應(yīng)用7.1 ANFIS在空間相機(jī)最佳焦面位置預(yù)測中的應(yīng)用7.2 模糊聚類在遙感圖像分割中的應(yīng)用7.3 本章小結(jié)參考文獻(xiàn)附錄 IRIS數(shù)據(jù)集

章節(jié)摘錄

第1章 模糊系統(tǒng)、ANFIS和DSP技術(shù)的發(fā)展和應(yīng)用 1.1 模糊系統(tǒng)的發(fā)展和應(yīng)用 在德國人Cantor創(chuàng)立的經(jīng)典集合論中，元素和集合之間是屬于或不屬于的絕對關(guān)系，無法表達(dá)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(shù)來描述人類認(rèn)知中的模糊概念，標(biāo)志著模糊數(shù)學(xué)的誕生。模糊概念可以利用隸屬函數(shù)在計算機(jī)中得到有效表達(dá)，從而使計算機(jī)能模仿人類處理復(fù)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(xué)者M(jìn)amdani首次把模糊集合理論用于鍋爐和蒸汽機(jī)的控制，并取得了較好的控制效果，英國學(xué)者King和丹麥學(xué)者Ostergoarel等分別將模糊控制器成功用于反應(yīng)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(yīng)用帶動模糊理論相關(guān)研究的迅速開展。我國學(xué)者較早地開展模糊數(shù)學(xué)理論的研究，并成立了自己的模糊數(shù)學(xué)與模糊系統(tǒng)學(xué)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(shù)應(yīng)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(shù)在日本得到廣泛應(yīng)用，許多工業(yè)生產(chǎn)控制設(shè)備和洗衣機(jī)、照相機(jī)、空調(diào)、吸塵器等家用電器都應(yīng)用了模糊技術(shù)，給日本創(chuàng)造了顯著的經(jīng)濟(jì)效益。1993年，美國電氣和電子工程師協(xié)會（InstituteofElectricalandElectronicsEngineers，IEEE）神經(jīng)網(wǎng)絡(luò)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(xué)科。之后越來越多的學(xué)者和工程師投入到模糊系統(tǒng)理論和應(yīng)用的研究中。我國與國際在模糊數(shù)學(xué)方面的差距不大，然而在模糊系統(tǒng)的設(shè)計與分析及其在實際工程中的應(yīng)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(yīng)用研究的論文都有六七千篇，研究內(nèi)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(shù)據(jù)挖掘、模糊系統(tǒng)建模和模糊系統(tǒng)硬件實現(xiàn)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(yīng)用。主要表現(xiàn)在隸屬度函數(shù)類型和參數(shù)的選取主要依靠經(jīng)驗、現(xiàn)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(xiàn)方法、模糊控制系統(tǒng)的穩(wěn)定性有待提高等。 模糊技術(shù)、神經(jīng)網(wǎng)絡(luò)技術(shù)和混沌理論被譽(yù)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(shù)。將模糊系統(tǒng)和智能領(lǐng)域的其他新技術(shù)如神經(jīng)網(wǎng)絡(luò)、遺傳算法、混沌理論等相結(jié)合，開展更深層次的應(yīng)用，正成為當(dāng)前研究的熱點之一。 1.2 模糊系統(tǒng)和神經(jīng)網(wǎng)絡(luò)結(jié)合技術(shù)的發(fā)展和應(yīng)用 1943年，心理學(xué)家McCulloch和數(shù)學(xué)家Pitts在研究生物神經(jīng)元的基礎(chǔ)上提出了一種簡單的神經(jīng)元模型，即M-P模型，標(biāo)志著人工神經(jīng)網(wǎng)絡(luò)研究的興起。1949年，Hebb提出了一個突觸聯(lián)系可變假設(shè)，用于調(diào)整神經(jīng)網(wǎng)絡(luò)的連接權(quán)值，至今多數(shù)神經(jīng)網(wǎng)絡(luò)仍采用Hebb學(xué)習(xí)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(jīng)網(wǎng)絡(luò)，它具備了學(xué)習(xí)、分布式存儲等神經(jīng)網(wǎng)絡(luò)的一些基本特性，能學(xué)習(xí)把一個給定的輸入聯(lián)想到隨機(jī)的輸出上。1960年，斯坦福大學(xué)的Widrow和Hoff對感知器模型進(jìn)行改進(jìn)，提出了自適應(yīng)線性元件，提高了網(wǎng)絡(luò)的訓(xùn)練速度和精度，并成功應(yīng)用于自適應(yīng)信號處理。人工智能著名學(xué)者M(jìn)insky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(gòu)造多層網(wǎng)絡(luò)的困難，此后神經(jīng)網(wǎng)絡(luò)的研究陷入低潮。 進(jìn)入20世紀(jì)80年代，神經(jīng)網(wǎng)絡(luò)的研究出現(xiàn)了一系列突破性的進(jìn)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(wǎng)絡(luò)能量函數(shù)的概念，給出了網(wǎng)絡(luò)穩(wěn)定性判據(jù)。1985年，美國加州大學(xué)的并行分布處理（paralleldistributedprocessing，PDP）研究小組的Hinton等在Hopfield網(wǎng)絡(luò)的基礎(chǔ)上提出了Boltzmann機(jī)。1986年，PDP研究小組的Rumelhart等提出了適用于多層網(wǎng)絡(luò)學(xué)習(xí)的誤差反向傳播（backpropaga-tion，BP）算法，成為目前應(yīng)用最廣泛的神經(jīng)網(wǎng)絡(luò)訓(xùn)練算法。1987年，在美國圣地亞哥召開了第一屆世界神經(jīng)網(wǎng)絡(luò)會議，隨后國際神經(jīng)網(wǎng)絡(luò)學(xué)會雜志《神經(jīng)網(wǎng)絡(luò)》和IEEE的神經(jīng)網(wǎng)絡(luò)雜志相繼創(chuàng)刊，此后神經(jīng)網(wǎng)絡(luò)成為各國學(xué)者研究的熱點。目前每年僅EI收錄的神經(jīng)網(wǎng)絡(luò)研究的論文就有上萬篇，由于神經(jīng)網(wǎng)絡(luò)具有非線性逼近能力、自學(xué)習(xí)能力和大規(guī)模自適應(yīng)并行處理等優(yōu)點，從而在模式識別、復(fù)雜控制、信號處理、聯(lián)想記憶、故障診斷、目標(biāo)預(yù)測等許多領(lǐng)域獲得了日益廣泛的應(yīng)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(shù)學(xué)無法解決的問題，同時使社會科學(xué)能夠充分利用計算機(jī)這一工具，為自然科學(xué)和社會科學(xué)的交叉提供媒介，促進(jìn)軟科學(xué)的發(fā)展。神經(jīng)網(wǎng)絡(luò)在模擬大腦生理結(jié)構(gòu)的基礎(chǔ)上，模擬人類的自學(xué)習(xí)、自組織能力，使得機(jī)器能以學(xué)習(xí)的方式獲取新的知識，解決新的問題。模糊邏輯和神經(jīng)網(wǎng)絡(luò)的比較如表1.1所示。 神經(jīng)網(wǎng)絡(luò)和模糊邏輯系統(tǒng)都具有非線性映射能力，已為Kosko等學(xué)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(jīng)網(wǎng)絡(luò)和模糊邏輯相結(jié)合，則可以充分發(fā)揮兩者的優(yōu)點，避免其不足。神經(jīng)網(wǎng)絡(luò)和模糊邏輯的結(jié)合類似計算機(jī)硬件和軟件的結(jié)合，使機(jī)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(jīng)網(wǎng)絡(luò)國際會議上論述了神經(jīng)網(wǎng)絡(luò)和模糊邏輯的結(jié)合。 模糊系統(tǒng)和神經(jīng)網(wǎng)絡(luò)的結(jié)合方式可以分為三類：引入模糊運算的神經(jīng)網(wǎng)絡(luò)、用模糊邏輯增強(qiáng)網(wǎng)絡(luò)功能的神經(jīng)網(wǎng)絡(luò)和基于神經(jīng)網(wǎng)絡(luò)的模糊系統(tǒng)。引入模糊運算的神經(jīng)網(wǎng)絡(luò)在傳統(tǒng)神經(jīng)網(wǎng)絡(luò)中加入模糊神經(jīng)元或模糊化網(wǎng)絡(luò)參數(shù)等模糊成分。Carpenter等（1991年）提出了模糊自適應(yīng)共振理論模型（fuzzyadaptiveresonancetheory），用模糊集進(jìn)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(jīng)元進(jìn)行模糊化。Jou等（1992年）仿照CMAC（cerebellamodelarticula-tioncontroller）的五層結(jié)構(gòu)，通過引入模糊神經(jīng)元和權(quán)值模糊化構(gòu)造了模糊小腦模型神經(jīng)網(wǎng)絡(luò)（fuzzycerebellamodelarticulationcontroller，F(xiàn)CMAC），提高了CMAC的泛化能力。Pedrcy等（1993年）在研究模糊邏輯與神經(jīng)網(wǎng)絡(luò)融合時的邏輯操作的過程中引入聚合神經(jīng)元（aggregationneurons）和指示神經(jīng)元（refer-entialneurons）。Simpson（1992年）提出了模糊極小-極大神經(jīng)網(wǎng)絡(luò)，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(jīng)網(wǎng)絡(luò)（fuzzywaveletneuralnetwork，F(xiàn)WNN），用于數(shù)據(jù)的區(qū)間估計。張志華等（2000年）通過把對向傳播（counterpropagation，CP）神經(jīng)網(wǎng)絡(luò)競爭層神經(jīng)元的輸出函數(shù)定義為模糊隸屬度函數(shù)，提出了模糊對向傳播（FCP）神經(jīng)網(wǎng)絡(luò)。 基于神經(jīng)網(wǎng)絡(luò)的模糊系統(tǒng)，即神經(jīng)模糊系統(tǒng)（neural-fuzzysystems，NFS）。它利用神經(jīng)網(wǎng)絡(luò)算法對神經(jīng)模糊系統(tǒng)的參數(shù)進(jìn)行調(diào)整，可以從訓(xùn)練樣本中提取模糊規(guī)則，實現(xiàn)所謂數(shù)據(jù)驅(qū)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(gòu)建方法，同時提高了系統(tǒng)的自適應(yīng)能力。最具代表性的神經(jīng)模糊系統(tǒng)為Jang（1992年）提出的自適應(yīng)模糊神經(jīng)推理系統(tǒng)（ANFIS），由于便于實現(xiàn)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(yù)報等多個領(lǐng)域得到成功應(yīng)用。此外，Takagi等（1991年）提出神經(jīng)網(wǎng)絡(luò)驅(qū)動的模糊推理系統(tǒng)，Kosko（1992年）在其專著中提出的模糊聯(lián)想記憶（fuzzyassociativememory）都屬于神經(jīng)模糊系統(tǒng)，Berenji、Nauck、Sulzberger和邢松寅等也提出了不同種類的神經(jīng)模糊系統(tǒng)。 用模糊邏輯增強(qiáng)的神經(jīng)網(wǎng)絡(luò)用模糊系統(tǒng)增強(qiáng)神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)能力，解決傳統(tǒng)神經(jīng)網(wǎng)絡(luò)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(diào)整參數(shù)，從而加快神經(jīng)網(wǎng)絡(luò)的收斂速度。模糊理論和神經(jīng)網(wǎng)絡(luò)的結(jié)合技術(shù)還在不斷地深入發(fā)展，將在各個領(lǐng)域獲得日益廣泛的應(yīng)用。 1.3 DSP的發(fā)展和應(yīng)用 DSP是目前各種電子設(shè)備中完成數(shù)字信號處理的核心單元。早期數(shù)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(shù)字信號處理而設(shè)計，難以滿足高速實時的要求。20世紀(jì)70年代DSP的理論和算法出現(xiàn)，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(yīng)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(shù)字信號處理設(shè)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(dǎo)體（Nmentalox-idesemiconductor，NMOS）技術(shù)制作的TMS320C10，它采用哈佛（harvard）結(jié)構(gòu)，帶有一個硬件乘法器和累加器，是一個16bit的定點DSP，主要應(yīng)用在軍事領(lǐng)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(dá)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(hù)位累加器，數(shù)據(jù)和指令都為24bit，單次乘加運算僅耗時75ns。在20世紀(jì)90年代，DSP的速度進(jìn)一步提高，應(yīng)用范圍也不斷擴(kuò)大。這一時期的代表產(chǎn)品有TI公司的TMS320C40系列和TMS320C54系列、AD的ADSP2100系列等產(chǎn)品。 進(jìn)入21世紀(jì)后，DSP的設(shè)計技術(shù)也有很大飛躍，產(chǎn)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(yīng)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(jī)等便攜式設(shè)備的應(yīng)用，研制出的TMS320C55系列，為對功耗有苛刻要求的產(chǎn)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(nèi)核集成在單個器件上，可以實現(xiàn)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(lǐng)域中得到了廣泛應(yīng)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(dǎo)航定位系統(tǒng)，可以實現(xiàn)更高精度的定位。張燕等利用雙DSP實現(xiàn)衛(wèi)星自主導(dǎo)航器，提高衛(wèi)星自主導(dǎo)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(xiàn)場可編程門陣列（fieldprogrammablegatearray，F(xiàn)PGA）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(shè)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(shù)控平臺。DSP已被成功應(yīng)用于空間相機(jī)的相機(jī)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(diào)焦單元等復(fù)雜任務(wù)。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(gòu)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(jìn)及其在空間光學(xué)中的應(yīng)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(yīng)模糊神經(jīng)推理系統(tǒng)(ANFIs)的改進(jìn)、在嵌入式系統(tǒng)中的實現(xiàn)，及其在空間光學(xué)中的應(yīng)用等領(lǐng)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(jìn)及其在空間光學(xué)中的應(yīng)用 PDF格式下載

---