非监督图象分割的神经网络方法的研究

本文提出了一种新的神经网络模型UMAN,以实现非监督的图象分割。该神经网络采用广义信息熵作为描述系统稳定和收敛的定量判据,克服了广义能量函数的缺陷;改进的Kohonen非线性映射结构,既突出了分类信息又减少了信息冗余;网络内部层和结点数由系统内部动态地确定,不需人工干预和先验知识;非监督自学习功能反映了低层次视觉信息处理的特点,可处理一般的图象,具有较强的适应性.实验结果表明该模型及算法是有效和实用的,具有一定的鲁棒性.     

粗糙集的RBF表示与非监督模式分类

提出了一种粗糙集的ＲＢＦ网络表示形式，在集值测度意义下，将粗糙集的语义表达进行了有效的描述，并构造了其自适应自组织的遗传学习机制．其创新性主要表现在：（１）通过ＲＢＦ网络有效地构造了粗糙集在模式分类中的自适应表示形式；（２）在遗传算法中引入了元进化自调整机制；（３）以粗糙集意义下的非线性映射方式提高了模式分类的计算效率．图３，表１，参４．     

进化粗糙集的逼近最优性

构造了进化粗糙集的表征测度和分解形式 ,讨论了其随机过程和信息几何的属性 ,提出并证明了逼近求解方面其鞅过程和全局最优性条件的数学结论 ,同时给出了相关的定量描述 .结果表明 ,所建立的进化粗糙集结构为符号的非单调逻辑与数值的非线性规划相统一的广义问题求解过程设计提供了必需的理论基础和形式化手段 ,在非确定信息建模与非线性信号处理方面具有重要的意义     

遗传编程的软件工程设计策略

提出了一种基于软件工程的遗传编程（ＧＰ）分析方法,主要通过广义框架和结构分析的方式,阐述了软件文档工作环节的设计策略,在分析ＧＰ算法特点的基础上对其操作过程进行了相应的讨论．本研究有助于计算机自动程序设计理论的研究和应用系统的高效开发     

非确定性 TS 模糊神经模型鲁棒性的统计判据

非确定性情况下的鲁棒性是智能控制系统不可避免的一个问题．本文将ＴＳ模型的模糊神经网络表达加以拓展，提出并证明了一种基于信息论统计测度的鲁棒性描述判据，该判据是由模糊神经网络、子波变换和信息论统计测度３个部分组成，着重体现了神经信号处理、可变分辨率和随机信号处理的综合，这就为分析智能控制系统的鲁棒性提供了一种有效的数学形式．该结论有助于非确定性智能控制系统的建模与智能控制器的设计．     

基于谓词逻辑和约束网络结构的遗传编程方法

提出了一种新的谓词型遗传编程方法,该方法包括:待求解问题论域的函数空间约束、遗传算子的谓词逻辑表达、谓词结构推理下数值参数空间的混沌式遍历及发生机制以及非线性方式下自适应进化和非监督学习的综合。整个过程是在约束网络的基础上,以谓词逻辑表达机制为核心实现的函数结点集合约束下的数值型进化计算过程。该方法可被认为是对现有遗传编程技术的改进,克服了LISP型及其C仿真型遗传编程算法在各种表示手段方面的缺陷,提高了计算效率,在系统辨识中的应用实验表明了是有效和实用的。     

幽门螺杆菌 N-末端肽序列的模式分类

针对胃病原体幽门螺杆菌Ｈ．ｐｙｌｏｒｉ基因组对象相关的Ｎ－末端肽序列,提出了一种新的基于粗糙集的模式分类器方法,并阐述了相应的设计过程;所构造的模式分类器模型具有灵活的粗糙集表示结构,并与有效的粗糙集模式分类机制有着有机的联系．该方法不仅在非确定性信息处理方面具有理论意义,而且在将高新科技手段应用于生命科学前沿领域方面,是一种非常有益的探索,相应的计算机实验结果表明了该研究方法的有效性和实用性．     

进化计算的创发性模型

提出了一种新的进化计算创发性模型，该模型以２维个体空间形式和混沌动力学机制有机地构造了进化计算的自适应过程，并有丰富的非线性特性和较强的创发计算能力。该模型和相应计算方法有助于复杂系统的自适应建模和线性信号处理。     

创发性 DNA 计算模型及其混沌系统辨识过程

针对非线性信息处理的特点,提出了一种新的ＤＮＡ计算模型．该模型以创发性机制为基础,引入合理的元进化算子,并由混沌动力学系统构造相应的演化过程．所设计的与上述模型相联系的混沌进化算法,属于一种新型的ＤＮＡ算法．从将其应用于Ｈéｎｏｎ方程辨识的结果来看,所构造的模型和算法是有效的,由于非线性控制系统中混沌现象的存在,它们在自适应控制器的设计和应用中具有重要的科学意义和较为广阔的前景．     

基于信息论测度的进化计算策略

提出了一种新的进化计算策略，综合了信息论测度与最优决策过程，提出并证明了该计算体系的有关性质和定理．该进化计算策略有助于非线性系统的自适应辩识和预测，具有较为广泛的应用前景．