SOFM神经网络在城市空气质量信息公开指数评价中的应用

为推动城市大气污染治理,中国人民大学法学院与公众环境研究中心合作开发了城市空气质量信息公开指数(AQTI),并于2011年1月发布第一期评价结果,显示中国城市开展了一定的空气质量信息发布,但发布水平与发达国家(地区)的城市相比存在明显差距.分析各城市空气质量信息,正确评价城市间的环保工作状况是十分有意义的工作.提出了改进的SOFM神经网络,根据城市AQTI环境评价得分利用改进的SOFM神经网络对113个城市的环保工作状况进行分类,克服了用环境评价总得分排序法来评价城市间环保工作的片面性,并为各城市环保工作的重点提供了参考数据.     

基于SOFM神经网络的客运一体化枢纽分类

分析了在大城市进行交通一体化枢纽建设的必要性,建立了反映客运交通枢纽一体化特性的指标体系,提出采用自组织特征映射(Self-Organizing Feature Map,SOFM)神经网络进行城市交通客运一体化枢纽分类的新方法.最后采用广州交通客运一体化枢纽为例,通过定量定性结合的方法,对客运一体化枢纽进行了分类.     

基于SOFM神经网络的图象矢量量化的研究

分析了自组织特征映射（ＳＯＦＭ）算法,讨论了按加权函数控制邻域半径的方法,并对ＳＯＦＭ算法应用于图象矢量量化进行了系统的仿真实验研究,为实际应用提供了实验依据和基础。     

基于SOFM的入侵检测技术研究

通过引入自组织特征映射神经网络,提出了一种智能化的入侵检测技术。仿真实验表明,该方法完全可以运用于入侵检测系统之中,并有助于提高入侵检测系统的性能和网络的安全性。     

基于自组织特征映射网络的综合评价模型

首先根据人脑思维的模糊性特点 ,以模糊集合论为基础 ,构造一种用于指导自组织特征映射网络学习过程的模糊熵准则 ,可以在较大范围内有效地解决自组织特征映射网络 (SOFM )的学习问题 .然后提出一种基于模糊自组织特征映射网络的综合评价模型 .该模型通过确定标准对象 ,数据的标准化处理 ,网络自适应学习和评价结果输出等环节 ,可以有效地解决一类综合评价问题 .最后通过一个实例进一步说明其灵活性与实用性 .参 6 .     

基于神经网络的道路季节分类

为了合理确定路面结构设计时的输入参数,引入自组织特征映射神经网络,结合Matlab软件对神经网络进行权值训练,将网络训练是否收敛来作为分类的依据,根据温度、交通量和降雨量等几个重要参数对道路进行季节分类,最后按照分类结果进行路面结构分析与材料设计.实践证明,该方法分类效果良好,能很好地解决路面设计参数的合理确定问题,从而大大延长路面的使用寿命,提高道路投资的经济效益.     

用于语音识别中的SOFM矢量量化方法

该文讨论了神经网络语音识别系统中的ＫｏｈｏｎｅｎＳＯＦＭ神经网络的矢量量化（ＶＱ）的原理与过程,着重解决了其在实际应用时的若干问题,包括网络大小,学习步幅函数以及矢量量化过程中的公平竞争学习的控制函数的选定。过讨论了基于听觉模型的声学特性的提取与处理,这与ＶＱ性能息息相关。系统应用的实验表明,该神经网络在语音识别系统中具有良好性能。     

超声肝图像SOFM网络识别方法

通过基于空间灰度独立矩阵的特征提取方法,采用自组织特征映射神经网络对正常肝脏、肝硬化和肝癌三类肝脏超声图像进行分类识别。实验结果表明神经网络分类器对3种肝脏超声图像的分类可以达到87%的正确率,其结果对实际辅助诊断提供了理论基础。     

基于BP和SOM神经网络相结合的地震预测研究

地震预测由于其产生原因的复杂性,一直是世界公认的难题.本文提出一种将多层前馈神经网络(BP网络)和自组织特征映射神经网络(SOM网络)相结合的方法并应用到地震震级的预测中,首先利用自组织特征映射神经网络对地震的原始数据进行聚类预处理,使具有内在规律的样本点集中在一起,之后利用BP神经网络对样本数据进行学习和预测,结果表明,相比直接利用BP神经网络预测结果,增加SOM聚类处理过程能有效的减小预测误差.说明此方法可以有效的汇总出与地震关系密切的因素,也表明SOM对相关震级参数分类的有效性,对利用模糊预测方法来实现震级的预测是一种有效的辅助手段.     

基于CCA和SOFM的轴承故障特征提取

提出曲元分析(CCA)和自组织特征映射(SOFM)相结合的方法用于轴承的故障诊断特征提取.首先通过传感器测得轴承在正常和非正常状态下的信号;然后对所得数据进行归一化;考虑到数据比较庞大,利用CCA进行降维;再利用SOFM进行训练,网络对不同状态下的输入具有明显不同的输出.利用Matlab神经网络工具箱来实现上述算法.实例仿真表明,这个算法可以快速正确地提取出轴承故障特征值,并通过聚类算法完成轴承的故障诊断.     

一种新的基于动态SOFM的神经网络聚类模型

提出一种动态增删自组织映射(DGDSOM)神经网络,给出该模型的聚类算法描述及实现过程。定义了聚类节点信任度,并根据竞争结果、信任度、中心相似度,制定节点的增删策略,通过动态评价并变动节点,提升聚类效果。实际的聚类分析应用结果表明,该算法可以得到准确的聚类结果。     

基于SOFM神经网络的变压器故障诊断研究

SOFM神经网络具有强大的非线性映射能力和高度的自组织和自学习能力,将SOFM神经网络应用于变压器的故障诊断.利用改进的罗杰斯三比值法获取变压器故障诊断的特征向量,建立了SOFM网络故障诊断模型,并对模型进行训练.为了检验模型的实际诊断能力,以变压器的4种典型故障诊断为例进行仿真实验.仿真结果表明:SOFM神经网络能够根据获胜神经元在竞争层的位置对变压器故障进行判断,诊断准确率高,收敛速度快,泛化能力强,表明基于SOFM网络的变压器的故障诊断是一种行之有效的方法.     

基于神经网络的股票估值综合模型

鉴于传统估值方法对我国股市不完全适用，结合经济类和工程类研究者对股票估价的一般方法，提出了一种基于神经网络的股票估值综合模型．模型以上市公司的财务数据、比率因素及历史股价作为输入变量，将市场均价作为输出值．通过实证分析，显示模型具有良好的估价性能，并且优于市赢率估价法，     

基于神经网络的装备维修保障系统效能评估

在系统分析装备维修保障系统效能各影响要素的基础上,构建了维修保障系统效能评估指标体系．应用BP神经网络的理论和方法,建立了维修保障系统效能评估的神经网络模型;给出了应用特尔菲法与模糊层次分析法相结合确定各指标权重而构造神经网络训练样本的方法。最后进行了实例分析,结果表明该模型可较好地克服人为因素和模糊随机性的影响,具有很高的可信度。     

神经网络的压力容器评估系统设计

为解决长周期压力容器设备安全评估的低效率、低可靠性和不能人机交互等问题,利用开源的R语言设计复杂的神经网络识别算法,并通过C#.NET设计出一套界面友好的压力容器评估系统.实验结果表明:创建的压力容器评估系统嵌入BP神经网络算法,能精确刻画压力容器参数与状态之间的复杂非线性关系,评估准确率高;同时,软件系统实现了评估过程的交互性和自动化,具有良好的用户体验和很强的实践性.     

基于自组织特征映射网络的电能质量综合评估

为支持未来市场的电能质量多级事务和电能质量综合管理,提出了一种基于自组织特征映射(SOFM)网络的电能质量综合评估新方法.文中介绍了SOFM网络的模型和原理,设计了SOFM法综合评估电能质量的模型,并以现有文献中的实例为样本,将该方法与目前几种常用的评估方法进行比较,结果表明文中所提方法适用于电能质量综合评估工作,并具有显著的实用性.     

基于特征评估和神经网络的机械故障诊断模型

为了克服在无先验知识的情况下，人为选择时域无量纲指标作为故障敏感特征的盲目性，提出了一种基于特征评估和径向基函数（RBF）神经网络的机械故障诊断模型．该模型分别采用小波包和经验模式分解方法对原始振动信号进行分解，分别提取原始信号和各分解信号的时域无量纲指标组成联合特征，然后对联合特征进行评估，计算评估因子，并根据评估因子的大小选取敏感特征作为RBF神经网络的输入，实现对机器不同状态的自动识别．实验结果和工程应用表明，这种集成了小波包、经验模式分解、特征评估方法和RBF神经网络的机械故障诊断模型能够精细地获取故障信息，从大量的故障特征中筛选出敏感特征，因而减小了网络规模，提高了分类准确率，具有很强的鲁棒性．     

基于神经网络的地震剖面反褶积新方法

地震剖面的反褶积经常是地震勘探资料处理阶段的一个重要步骤，它是公认的提高剖面分辨率的有效方法．常规的反褶积方法已经很多，但如何在提高剖面分辨率的同时又有效地抑制噪声，提高剖面的信噪比，始终是困扰人们的问题．针对这一问题，提出了一种基于反馈神经网络及其衍生物（ＴＨ网络）的地震剖面反褶积方法．实验结果表明，本方法效果明显，尤其在地震剖面中存在一些相隔较远的反射层时有很好的效果，充分显示了神经网络方法处理地震剖面反褶积问题的有效性．     

基于BP神经网络的组织网络化发展综合评价模型

组织网络化发展的最终目的是更好地参与并保证企业价值创造．它的有效性最终必须通过企业价值创造过程直接或间接地体现出来,脱离企业价值创造过程的组织网络化发展极易导致“组织网络化泡沫”。因此．必须从企业价值创造的整个过程来研究组织网络化发展问题．并且需要对组织网络化发展与企业价值创造之间的关系进行综合评价研究。建立一个组织网络化发展与企业价值创造的综合评价模型,利用人工神经网络对组织网络化发展与企业价值创造之间的非线性性质进行模型化。应用实例表明．人工神经网络方法应用于组织网络化发展与企业价值创造的综合评价是可行的和有效的。