王晓晔
- 作品数：16 被引量：104H指数：7
- 供职机构：河北工业大学电气与自动化学院更多>>
- 发文基金：国家自然科学基金河北省教委基金河北省自然科学基金更多>>
- 相关领域：自动化与计算机技术经济管理化学工程更多>>
- 自适应模糊PID轧机厚度自动控制系统设计被引量：4
- 2008年
- 针对在AGC板厚控制系统中存在时滞、时变、大惯性、非线性等问题和传统PID控制参数整定不易的局限,提出了将模糊控制和PID控制结合起来,构造了一个模糊自适应PID控制器,通过模糊控制规则在线调整PID控制器的参数。经Matlab仿真实验表明,模糊自适应PID控制器比传统PID控制器的动态响应曲线好,响应时间短,超调量小,稳态性能好,动静态性能好,取得了令人满意的控制效果。
- 王瑶王晓晔
- 关键词：模糊自适应PID控制器MATLAB仿真
- 一种基于自适应时间窗的电力电子故障预测技术
- 提出一种基于自适应时间窗的神经网络数据挖掘技术,根据数据的变化速度,自适应调整时间窗口的长度．在时间窗口内采用前向神经网络进行数据挖掘,其学习算法采用基于单个神经元的最小二乘算法．算法中不含有任何矩阵运算,提高了挖掘算法...
- 王晓晔梁秀霞高连强王瑶
- 关键词：时间窗故障诊断神经网络数据挖掘
- 文献传递
- 基于正则前馈神经网络的股票时间序列数据库的知识发现被引量：5
- 2003年
- 将正则最小二乘前馈网络学习算法应用于时间序列的知识发现。正则最小二乘算法将正则化网络和节点删除算法结合起来,大大提高了前馈网络的泛化性能。将其应用于股票时间序列数据库的暂态规则的知识发现,发现过程包括时间序列数据库预处理和数据挖掘(规则发现)两部分，实验结果表明预测效果良好。
- 王晓晔李冬梅王正欧
- 关键词：时间序列知识发现泛化性能正则化
- 神经网络自学习模糊控制及其在合成氨生产中的应用被引量：8
- 1999年
- 提出一类基于神经网络的模糊控制设计方案。控制系统中包括两个神经网络，一是利用神经网络进行模糊推理，实现控制规则的推理过程；二是采用另一个神经网络对系统的动态进行跟踪，以实现前向通道中语言变量的模糊区间的优化，从而使控制效果更加理想。
- 王晓晔李少远
- 关键词：神经网络自学习模糊控制合成氨
- 一种快速的时间序列相似性算法的研究及其在股票管理中的应用
- 2005年
- 提出了一种新的股票时间序列相似性的研究方法,该方法与已往的算法相比,具有很高的计算效率.首先将时间序列分段线性化,将近似直线的端点按时间顺序排列形成转折点序列来描述原始序列,从而降低了数据的数量和复杂度,提高了快速性.基于分段线性化,提出了一种相似性计算方法,可以从时间序列中搜索用于传统股票分析的基础模型.将基础模型的谷点和峰点的位置按照某种规律重新排序,然后从转折点序列中寻找重新排序后与基础模型排序相同的子序列(即相似性搜索),用该基础模型可以对股票后续趋势做出预测.与通常的相似性算法相比,该算法不考虑时间尺度和数据的幅值的变化,因此,大大提高了相似性的计算精度.
- 孟辉冯志明王晓晔
- 关键词：时间序列数据挖掘
- 时间序列数据库的知识发现及其在股票预测中的应用
- 王晓晔张燕梁秀霞安金龙
- 该课题将正则最小二乘前馈网络学习算法应用于时间序列的知识发现，正则最小二乘算法将正则化网络和节点删除算法结合起来，大大提高了前馈网络的泛化性能，将其应用于股票时间序列数据库的暂态规则的知识发现，预测性能大大提高；该课题将...
- 关键词：
- 关键词：时间序列数据库知识发现股票预测
- K-最近邻分类技术的改进算法被引量：30
- 2005年
- 该文提出了一种改进的K-最近邻分类算法。该算法首先将训练事例集中的每一类样本进行聚类,既减小了训练事例集的数据量,又去除了孤立点,大大提高了算法的快速性和预测精度,从而使该算法适用于海量数据集的情况。同时,在算法中根据每个属性对分类贡献的大小,采用神经网络计算其权重,将这些属性权重用在最近邻计算中,从而提高了算法的分类精度。在几个标准数据库和实际数据库上的实验结果表明,该算法适合于对复杂而数据量比较大的数据库进行分类。
- 王晓晔王正欧
- 关键词：K-最近邻聚类权值调整
- 多变量非线性合成氨控制系统的建模
- 王晓晔杜太行吕德忠
- 粗集理论对股票时间序列的知识发现被引量：10
- 2003年
- 提出了将粗集理论应用于时间序列的知识发现。知识发现的过程包括时间序列数据预处理、属性约简和规则抽取三部分。其中数据预处理主要用信号处理技术清洗数据,然后将清洗后的时间序列按照某个变量的变化趋势进行分割,分割后每个时间段内的变化趋势不变,从而将时间序列转换成为一系列静态模式(每种模式代表一种行为趋势),从而去掉其时间依赖性。把决定各种模式的相关属性抽取出来组成一个适用于粗集理论的信息表,然后采用粗集理论对信息表进行属性约简和规则抽取,所得到的规则可以用于预测时间序列在未来的行为。最后将该方法用于股票的趋势预测,取得良好效果。
- 王晓晔王正欧
- 关键词：知识发现时间序列粗集理论属性约简规则抽取
- 正则化训练的神经网络与粗集理论相结合的股票时间序列数据挖掘技术被引量：9
- 2004年
- 论文提出将正则化神经网络与粗集理论相结合应用于股票时间序列数据库的数据挖掘.首先对时间序列数据库进行预处理,除去高频干扰信号,然后将股票时间序列数据按照收盘价的变化趋势分割成一系列静态模式,每种模式代表股票价格的一种行为趋势(上涨或下跌),把决定各种模式的相关属性组成一系列信息,形成一个适用于粗集方法的信息表.然后使用正则神经网络对信息表进行学习,用粗集理论从正则神经网络所存储的知识中抽取规则,得到的规则可以用于预测时间序列在未来的行为。该方法融合了正则神经网络优良的泛化性能和粗集理论的规则生成能力,实验表明,该方法预测效果比较准确。
- 王晓晔王正欧
- 关键词：神经网络粗集理论数据挖掘股票时间序列
