提出一种基于遗传算法的核函数极限学习机模型来预测光伏的短期出力，采用遗传算法GA优化核函数极限学习机K-ELM模型参数。该方法首先利用交叉验证算法训练均方差作为目标函数，再结合遗传算法，对惩罚因子c和高斯核函数的宽度参数σ进行寻优，从而提高了预测精度并加快了收敛速度。在对某地光伏发电量进行统计和研究的基础上，将提出的预测算法应用中实际数据中并且与传 统GA-BP模型预测比较。实例验证表明：GA-KELM模型能够更准确、高效的对光伏的短期出力 进行预测，解决了传统 GA-BP神经网络算法存在执行速度慢且易 陷入局部最优的缺点，具有更广阔的应用价值和研究空间。
为了提高数据库的访问能力和信息检索能力，需要对分布式实时数据库中的不平衡类数据进行有效挖掘，针对当前的Web索引挖掘算法精度较低的问题，提出一种基于语义指向性数据聚类的不平衡类数据挖掘方法，首先进行了分布式实时数据库的存储机制和数据结构分析，然后进行不平衡类数据的时间序列拟合，采用滤波降噪算法进行干扰信息和冗余信息滤除，采用语义特征提取和指向性数据聚类方法实现数据挖掘和聚类处理。最后进行仿真实验分析，结果表明，采用该数据挖掘算法具有较高的精度，抗干扰能力较强，提高了对分布式实时数据库的访问和安全管理能力。
在基于聚类的多模型软测量建模中，如果数据聚类后类别之间界限不明显，常会出现样本类别误划分和类边界处样本估计不准确的问题。对此提出一种基于支持向量数据描述算法的聚类多模型软测量建模方法。该方法首先采用仿射传播聚类算法对数据进行类别划分，利用支持向量数据描述算法划定类边界从而确定样本与各类别的位置关系，根据样本与各类的位置关系信息从高斯过程回归算法建立的子模型、全局模型和局部模型中选择合适的模型对样本进行估计。将工业双酚A生产装置的现场数据建模和仿真，结果表明该方法是有效的。
近年来受供电格局影响常态化的火电机组频繁深度调峰导致再热汽温波动频率高且幅度大，这不仅降低了机组效率而且影响了机组安全运行。提出了新型的γ增量型SGPC-PID串级控制方案，解决了再热汽温波动幅度大、动态响应时间长等问题。文章为解决再热汽温的问题首先选取了GPC，进一步为解决传统GPC矩阵求逆且参数整定复杂的问题引入了阶梯策略与γ因子。基于γ增量型SGPC-PID串级控制方案，充分发挥了PID的抗干扰性与γ增量型SGPC对惯性、迟延适应能力强等优点。仿真结果表明，该方案对再热汽温控制系统具有较强的鲁棒性及良好的抗扰动性能，可提高系统的动、静态性能指标，且计算简单、参数调节方便。
针对模拟电路的复杂性及其传统模型检测性能差的问题，为了改善模拟电路故障诊断结果，提出一种小波包分析和相关向量机相融合的模拟电路故障诊断模型。首先采用小波包分析对模拟电路特征进行提取，并对特征进行归一化处理；然后采用相关向量机根据特征向量对模拟电路故障进行分类，完成模拟电路故障诊断，最后通过仿真实例对模型的模拟电路故障诊断性能进行分析。实验结果表明，与当前经典模拟电路故障诊断模型相比，模型不仅提高了模拟电路故障诊断准确率，并且加快了故障诊断速度。
针对混合动力汽车（HEV）模型控制所采用的“单模式”功率分流结构，需要较大容量的电动机和成本控制的问题，提出一种广义状态方程四节点杠杆功率分流HEV控制算法。首先，对混合动力汽车模型进行研究，考虑采用多个行星齿轮相结合的方法，并利用四节点杠杆模型对其进行建模，并据此获得HEV四节点杠杆模型的广义状态方程；其次，针对所提出的广义状态空间模型，对两台电机MG1和MG2进行力矩设计，根据发动机的功率、电池的功率及驾驶者的加速意图来确定最佳的操作线，并利用转速-转矩关系以及运动方程的转矩控制算法，实现双电机模式的转矩协调控制优化；最后，通过仿真测试，验证所提出控制算法可最大限度地减少燃料消耗和满足司机的需求。
电动汽车的电池作为一种可控性的储能单元，可作为可移动的分布式电源为电网提供可调度容量，辅助参与电网的负荷频率控制（LFC）。计及电动汽车入网（V2G）的电力系统结构复杂，受诸多系统不确定性因素的影响，存在电力系统建模不精确，抗干扰要求高等问题。为了提高电力系统的稳定性与准确性，提出了一种线性自抗扰控制（LADRC）方法，应用到计及电动汽车入网的负荷频率控制中。仿真结果表明，与传统PI控制方法相比，改进的控制方法可以更有效地控制负荷频率，控制更精确，鲁棒性更好，抗干扰性更强。
针对超分辨率重建中运动估计准确度低、计算量大等问题，提出一种快速有效的子像素运动估计算法。在运动向量的计算中，提出综合利用运动的空时相关性、中心偏置性、并融合局部偏差搜索策略，同时得到整像素和子像素的预测运动向量，在获得最佳整像素匹配位置后，提出基于控制表面模型的高阶预测算法对绝对误差和表面模型化进行子像素运动估计，选择其中绝对误差和最小的点作为子像素运动估计位置。与现有标准快速运动估计算法相比，仿真结果表明所提算法计算量更小、匹配准确度更高。
控制系统发生故障将会影响其性能，使其控制目标不能实现。故障检测和隔离算法用来研究这些故障。键合图工具用来建立系统模型。在系统键合图模型中加入观测信号和虚拟传感器可以得到系统的诊断键合图模型，研究其结构及因果特性，根据因果关系倒置法得到系统的解析冗余关系（ARRs），从而建立系统的故障特征矩阵。比较系统的实际观测特征与故障特征从而进行系统的故障检测和隔离。采用双重因果关系法，即在相同ARRs下利用因果倒置法得到不同形式的ARRs，其目的是为了提高故障的隔离能力。将该方法用于双容水箱系统传感器故障的检测和隔离，仿真结果验证了该方法的有效性。
针对传统的航空无线电协作频谱感知算法不能对节点的性质（普通/恶意）进行区分，虽然新型加权序贯检测算法在一定程度上解决了这个问题，然而在具有频谱感知数据篡改 攻击节点的情况下，不能保持良好的感知正确率问题，提出了一种改进型算法。该算法基于传统的算法改进了信誉度奖惩方案，增加了临近时间内感知稳定度的量化。实验仿真结果表明，一方面改进后的算法时间复杂度更低，另一方面其可以有效地识别恶意节点，使得对恶意用户的判定更加准确。
为了减少大规模数据中心的能耗, 设计了一种虚拟机部署算法—三阈值节能算法(VMD_TES)。该算法通过处理器资源利用率和能耗的线性关系, 把负载过重与负载过轻主机上的虚拟机转移至负载适度的主机上, 负载正常主机上的虚拟机不进行转移。在VMD_TES的基础上, 进一步设计了4种虚拟机的选择策略, 并利用实验对比选择其中最低潜在增长策略作为最佳策略。仿真结果表明, 相较于单阈值算法与双阈值算法, 该种虚拟机选择策略可以大幅度减少数据中心的能耗, 使服务质量保持在较高水平。
随着互联网信息量的增加，传统协同过滤推荐算法在处理大规模数据时表现出性能低下、准确率不高等缺点。基于此提出一种融合用户聚类和项目聚类的加权Slope One算法，算法基本思想为：采用聚类技术将相似度较高的用户或者项目进行聚类，在进行全局计算时只需计算同类中的对象，而不需计算所有对象，然后将每个聚类分别使用融合用户相似度与项目相似度的加权Slope One算法进行评分预测。实验结果表明，所提出算法在提高了算法执行效率的同时，仍能获得较高的推荐准确度。
为得到一种简单易实现、寻优能力强的粒子群算法，以便满足实际工程优化问题的需求，提出一种基于惯性权重矩阵的自适应粒子群算法（RDR-PSO）。首先，定义了算法稳定运行概念并从离散状态空间方程角度分析了粒子群算法，在该概念下得到算法稳定运行时参数限制条件和粒子的运动规律；然后，定义了粒子活跃度，引入使算法每一步较大概率收敛较小概率发散的参数组合选择策略、惯性权重矩阵策略、根据粒子活跃度速度重置和历史最优值扰动策略，得到一种改进的粒子群算法（RDR-PSO）；最后，对RDR-PSO算法性能进行仿真测试，结果表明，该算法具有收敛精度高、全局寻优能力强和简单易实现的优点，具有广泛的应用前景。
为了在人体步态识别中更加准确地进行动作分类，提出了一种基于改进AdaBoost算法的人体步态识别方法。首先利用Kinect传感器捕获姿态序列，并表示为8个选定四肢的角向量(欧拉角)，进一步通过稀疏表示建模作为候选特征；然后使用支持向量机( SVM)对每一个动作特征进行训练，得到弱分类器；最后利用Adaboost算法进行训练，得到相应的动作特征集和强分类器，并对强分类器进行融合实现动作识别。通过大型数据集的测试以及与几种最新方法的比较，证明了该方案的有效性，识别精度能够达到94 %左右。
针对传统活动轮廓模型不能准确有复杂边界的难题，提出一种基于动态梯度向量流的活动轮廓模型。首先通过边界指示函数对边缘梯度图进行处理，并扩散形成一个动态力场，然后通过边界停止函数控制轮廓曲线演化，避免出现早期收敛现象，使轮廓曲线向凹形边界收敛，最后进行了仿真测试实验。结果表明，相对于与其他模型，本文模型可以准确分割出长凹形边界，提高了对噪声的鲁棒性。
针对传统辨识方法中状态变量维数不易确定和参数辨识准确率差等问题，利用EM算法实现状态空间模型参数的辨识，并使用AIC准则来确定最优的状态变量维数。在EM算法中首先利用卡尔曼滤波和卡尔曼平滑算法来实现对状态期望的估计，然后再通过对数似然函数期望的最大化来实现参数和噪声协方差的估计，如此不断迭代，直至得到最优的估计参数。通过Matlab进行仿真和分析，结果表明该方法能有效地实现状态空间模型中参数的辨识和状态的估计，并且具有比较高的准确性。
