排序方式： 共有4条查询结果，搜索用时 15 毫秒
1
1.
粗糙集模糊神经网络味觉信号识别系统 总被引：1，自引：0，他引：1
针对C-means聚类算法和减法聚类算法的不足,提出了一种模糊神经网络味觉信号识别系统模型,该模型利用粗糙集的离散化算法和规则提取算法获得数量较少的分类规则,将这些分类规则转化为模糊IF-THEN规则,进而通过这些模糊IF-THEN规则确定网络结构.网络输出采用投票机制,使用粒子群优化方法精炼网络参数,与常用的提取模糊if-then规则的算法相比,该方法只有一个参数且易于实现.实验结果表明:该方法可获得更简洁的系统表示,并且通过选择合适的系统参数可使系统对加噪声训练样本的错误识别率降低5%左右. 相似文献
2.
基于粗糙集的茶饮料味觉信号识别 总被引：4，自引：0，他引：4
把粗糙集理论应用于茶饮料味觉信号分类规则的抽取，采用模糊C-均值聚类算法实现味觉信号的离散化，提出了一种新的规则强度定义。该定义同时考虑了支持规则的对象数和规则的不确定性因子，具有很好的普适性，同时给出一种规则提取算法和用于识别的决策算法，提取算法在获取全部有效规则的条件下．能有效减少核属性内的冗余。 相似文献
3.
通过对RSA算法的分析和对其几种实现方法的研究比较,针对该算法巨大的计算量开销问题,对生成密钥对的全过程采用了小素数集测试、优化的Miner-Rabit测试、Stein算法、求解同余方程等一系列方法,给出了该算法运行速度较高的一种实现,在AMD266 CPU、64 MB内存、Windows98操作系统的测试环境下,选取加密强度(即RSA算法的模长)为1 024 bit时,生成RSA算法密钥对的运行时间取100次运算的平均值为3．662 s,达到了实用化要求。 相似文献
4.
一种基于支持向量机的蛋白质结构域边界预测方法 总被引：1，自引：1，他引：0
提出一种基于支持向量机学习蛋白质结构域的边界预测方法. 在分析多序列比对结果的基础上, 定义了几种能够直接或间接反映蛋白质结构属性及结构域信息的新方法. 结果表明, 蛋白质序列信息预测边界信号的正确识别率达85%以上, 具有较好的泛化能力. 相似文献
1