模糊聚类功能实现

提出基于客户价值的客户分类方法,将加权模糊c均值算法应用于客户分类,并用基于相似系数和检测孤立点的方法排除孤立点对聚类结果的干扰,提高聚类质量。     

一种基于权值的序列模式更新算法

针对原始数据库中增加数据时如何更新规则的问题,提出并应用了一种基于权值的序列模式更新算法UW IUA。该算法利用权值来归约子序列集和利用知识数据库中保留的最小非大序列集产生新的候选序列集,避免了重复遍历原始信息库而造成数据量太大的问题,从而缩短程序运行时间和节约数据存储空间,较好地改进了算法性能。实验结果证明UW IUA算法的效率高于IUA算法。     

基于优化BP神经网络算法的网络质量评价

针对现有的BP神经网络算法,提出了在变步长BP神经网络算法基础上的优化方案,并将其应用于网络质量评价当中.在优化方案中,对步长的上升和下降阶段分别采用不同策略进行优化.理论分析表明:优化后的算法能够克服传统算法权值收敛过慢,和变步长算法误差收敛中的震荡问题.仿真表明,优化后的算法会使神经网络的学习误差和网络质量分类的总体误差明显下降并大幅提高评价的准确性.优化算法较传统算法相比误差收敛过程更加稳定,且学习误差下降达9.64％,网络质量分类的总体误差下降达23.1％；优化算法的验证准确率在传统算法的基础上提高了19.65％,在变步长算法的基础上提高了9.88％.由此可见,优化算法在BP神经网络的预测精度方面起到了大幅度提高的作用.     

模糊控制系统的垂直切换判决算法分析

针对模糊控制系统中切换时延较长和切换次数较多的问题,研究了一种基于模糊控制系统的垂直切换判决算法。在基于信号强度判决时将RSS作为门限值,提高系统判决能力;同时,将网络参数和服务类型作为判决因素,结合层次分析法引入并行的模糊控制系统,缩短了切换判决的时间、选择适合用户的最佳网络,做出垂直切换。仿真结果表明,该算法减少了切换次数,降低了切换时延,增强了系统的性能。与传统的切换算法相比较,该算法对切换的判决因素考虑的更全面,兼顾了用户终端的使用环境及成本问题,有效地保证了网络的服务质量。     

一种新型的权值裁剪模糊中值滤波去噪算法

前人的基础上,提出了权值裁剪模糊中值滤波器．该文算法不仅考虑了噪声的检测,还考虑了中心像素周围也有可能存在噪声的情形,并对这些噪声点的权值进行了裁剪．实验表明,该算法比已有文献中的模糊加权均值滤波器以及标准的中值滤波在噪声消除和边缘细节保留方面都具有更好的性能。     

三种计算层次分析法中权值的方法

分析了几种计算权值的常见的方法,在分析最小二乘法的基础上,分别以"残差平方之和最小"、"残差绝对值之和最小"和"最大残差绝对值最小"准则的建立了计算权值的三种新方法。通过实例给出了计算方法和结果。     

基于GA-BP神经网络优化算法的篮球教学质量评价

篮球教学质量是反应学习效果与教学方法可行性的关键指标，对于提升优化篮球课程的教学方法具有重要意义。基于主成分分析法提取16个关键性评价指标，设定GA-BP神经网络期望误差为均方误差；基于自适应梯度下降法进行网络训练，为遗传算法的不同种群赋予不同交叉概率与变异概率，利用移民算子沟通实现种群进化以此改进遗传算法；基于改进遗传算法确定BP神经网络的初始权值与阈值，将16个篮球教学质量评价指标权重输入到GA-BP神经网络模型中获得教学质量评价结果。实验结果表明，该模型输出篮球教学质量评价结果的误差最低、时间开销最少，是评价篮球教学质量的可靠方法。     

基于WASD神经网络的日本国债预测结果与分析

日本是发达国家中国债和GDP的比值最高的国家.在过去的20年中,日本国债规模增长迅速.根据日本财务省官方公布的数据显示,截至2020年6月底,日本国债总额已达到1159.0289万亿日元.为了预估日本中央政府未来的债务风险,对日本国债规模进行预测是有必要的.研究利用权值和结构确定(WASD)神经网络对日本2017年3月—2020年6月一共14个季度的国债规模成功进行了预测,预测结果与官方数据的相对误差在4％以内.此外,利用校验误差最小的神经网络更进一步地完成了2020年9月—2022年12月一共10个季度的短期预测.结果表明,短期内日本国债规模仍将缓慢上升.