无机分子同分异构体稳定性探讨

本文提出了无机分子中原子连接次序的一些经验规则，并探讨了这些经验规则的理论依据。     

二维顺序统计量的概率分布

研究了二维样本的次序统计量的分布问题,给出了依第一分量排序的次序统计向量的分布的计算公式,证明了在给定第一分量的一个次序统计量的条件下,第二分量的次序统计量的条件分布与某个一维样本的次序统计量的分布是相同的。     

多粒度层次序贯三支决策模型研究

现有的知识获取算法所挖掘出的规则太多,不易理解;规则描述太过具体,容易造成过拟合。为此,本文提出了多粒度层次序贯三支决策模型。首先引入概念层次树将目标概念泛化,构建多层次决策表,并设计了多粒度层次序贯三支决策模型,从多视角、多层次计算3个概率区域并获取相应的泛化层次决策规则。最后,通过实验证明了模型的有效性。本模型为知识获取提供了新的视角并丰富了多粒度三支决策的研究。     

数据挖掘在网上商店中的应用研究

为了解决网上商店中商品显示次序的问题,在分析关联规则的挖掘原理及基本算法的基础上,提出了一种评估关联规则中两商品间相互"促销"关系的方法,并通过具体的例子说明了其应用过程,达到了网上商店中商品信息显示次序的优化目的.     

用次序规则命名几类有机化合物的绝对构型

为了解决旋光异构体构型命名中的问题,早在1951年,R.S.Cahn和C.K.Ingold就提出了一个可以普遍使用的旋光异构体绝对构型的命名法——次序规则(sequencerule)。次序规则本身是一种按优先次序排列原子或原子团的方法。这个方法提出后,经过修改和补充,1970年已为国际纯化学和应用化学联合会(IUPAC)所正式采用。目前,次序规则     

基于遗传算法的Job Shop静态调度算法

研究了具有柔性加工路径的Ｊｏｂ Ｓｈｏｐ静态调度问题，并考虑了与操作序列有关的工件安装时间和工件到期时间的约束。提出了一种将遗传算法和分派规则相结合的调度算法，用遗传算法决定各工件的每个操作应分配到哪台机器上加工，而对每台机器则运用分派规则来决定相应工件在此机器上加工的次序和开始加工时间，遗传算法中的进化机理使得该算法有可能得到最优调度结果。最后给出了此调度算法的仿真结果。     

寿命分布中位置参数和尺度参数的区间估计

型分布是可靠性试验中常见的一类寿命分布，其分布参数μ、σ的区间估计，一直是可靠性统计分析关心的问题之一。本文借助次序统计量讨论了μ、σ均未知情况下各自的区间估计，并利用极大似然估计及渐近性讨论了μ、σ近似区间估计。本文方法适用于全样本情况和截尾样本情况。     

Rough集规则知识获取研究中的一不致性问题

讨论数据挖掘问题，即从原始数据中构造规则。重点考虑不一致情况下的规则知识获取问题，即从包含不一致信息的数据取得到缺省规则，并研究在不一致条件下的决策规则选择策略，例之能够在不完全、不一致的条件下进行推理。同时将在Ｓｋｏｗｒｏｎ缺省规则获取算法的基础上，根据对不一致性的分析，提出从包含不一致信息的表中获取缺省规则，并能够对任意待识样本进行处理的方法。     

回转机械振动中的拍频分析

分析某压缩机组振动信号的频谱发现低频处具有较高的谱峰．考察压缩机组各转轴的频率后，分析可能激发低频振动故障的各特征频率，观察有关测点频谱图的特点，逐一排除其他原因，确定该低频项为压缩机的拍频．对实时监控系统采集、记录的实测数据进行抽样，用样本谱线综合幅值构造统计量，采用3σ规则确定了测点综合故障报警限．从信号中滤除高频成分，求得样本拍频附近谱线的综合幅值，用数理统计的方法确定了拍振故障报警限．     

摩擦学设计知识获取的自组织特征映射法

根据轴承－转子系统摩擦学设计的需要，研究了从大量仿真计算数据中获取设计知识的方法，并采用自组织特征映射神经网络，对输入样本进行了概念聚类，获得了概念性的设计知识，且利用计算机自动搜索算法获得产生式规则知识．     

改进的神经网络快速学习算法

提出了一种新颖的神经元模型和用于神经网络训练的推广准则，给出了多层神经网络的快速学习算法，研究了一种用于语音识别的时变多层神经网络及其相应的快速学习算法．语音识别实验表明：所给出的快速学习算法能有效地加速网络训练进程．     

基于BP神经网络的非特定人语音识别算法研究

当前非定特人语音识别算法大多只适于连续语音,且识别精度和速度均较低。为此,提出一种新的基于BP神经网络的非特定人语音识别算法,介绍了标准BP神经网络,针对其收敛速度慢的弊端,通过变化的自适应学习速率,令网络训练针对各种阶段自行设置学习速率值,利用变学习速率构建对应的改进BP神经网络模型,将改进的BP神经网络模型看作识别非特定语音的识别器,输入待识别语音,令累计预测残差达到最小,实现非特定人语音识别。将改进模型应用于非特定人语音识别中进行验证,结果表明所提算法识别率更高、识别速度更快,不仅适于连续语音的识别,也适于不连续语音的识别。     

基于Hebb规则的积分保持型PID神经网络多变量控制器

提出了一个积分保持型PID神经网络多变量控制器 ,网络的学习算法采用一种简单的类似Hebb规则的算法 .当将该控制器应用于多变量耦合的非线性系统的控制时 ,计算机仿真结果表明 ,网络的训练速度快 ,对权的初值的依赖性小 ,控制系统的动态和静态性能较好 .     

基于神经网络的与文本相关说话人辨认系统

说话人识别是语音识别的一种特殊方式,对于各种领域的身份认证具有得天独厚的优势。以线性预测系数（Linear Predielion Coefficients,LPC）作为特征参数,采用多层感知器神经网络和BP算法建立了一个与文本相关的说话人辨认系统。实验结果表明,这种神经网络系统在说话人辨认中是有效的。     

一类神经网络多层感知器的硬件实现方法

提出了一种新的神经网络多层感知器硬件实现方法——信号传播路径动态选择．给出了隐节点个数的确定规则和网络的训练算法，并从理论上给予了证明．结果表明，该算法能一次确定权值，而且所确定的权值均为逻辑值，从而可以用逻辑门电路全硬件实现多层感知器     

一种量子神经网络说话人识别方法

针对说话人语音特征空间边界存在模糊性的特点,构建了一种量子神经网络识别分类器,用于说话人识别,以改善存在交叉数据的语音特征参数的分类效果。提出了一种基于人工免疫算法的量子间隔训练方法,以改善传统量子神经网络训练算法的不足。以TIMIT语音库为测试语音,与传统BP网络和基于常规梯度下降量子间隔训练算法的量子神经网络做对比实验。实验证明,算法能有效提高说话人识别系统的识别率,同时与高斯混合模型相比,具有更好的抗噪声性能。     

基于LCS的水库供水规则分类系统

建立了基于遗传学习分类器系统(LCS)的水库供水规则分类系统,通过信任分配(桶链算法,BBA)与规则发现(遗传算法,GA)机制进行学习,提取水库供水调度规则.实例研究得到学习样本识别率接近95%,检验样本识别率为85%.进一步从调度规则的合理性、学习样本对规则集的影响以及该分类系统与人工神经网络对规则提取结果的比较这3个方面分析了系统提取规则的性能与行为.研究表明,利用该分类系统提取水库供水调度规则是可行且有效的.     

基于模糊神经网络的地图匹配算法

提出了基于模糊神经网络的新的地图匹配算法.该算法综合了数字道路信息和GPS/DR定位信息,提取两个重要参数作为输入变量,即定位点到候选路段的投影距离及定位航向与候选路段方位角差.设计出了四层模糊神经网络及改进的收敛学习规则.实验结果表明所提出的算法能很好地匹配车辆行驶路段位置.     

优化的竞争算法在语音识别中的应用

在传统的ＨＭＭ语音识别方法的基础上,提出了两种改进的竞争神经网络算法,分别用于语音识别的两个不同方面．首先提出了一种基于选择机制的新的竞争算法,这种算法可以有目的性地避免局部最优,而且可以克服模拟退火算法（ＳＡ）的随机性．然后,针对分类器的特性,对竞争算法进行改进,把安全拒识措施结合到竞争算法中,提出了一种新颖的神经网络——并行、自组织、层次神经网（ＰＳＨＮＮ）．实验结果表明,基于竞争神经网络算法的语音识别系统比传统的语音识别系统在识别能力和识别速度上都有明显提高,从而证明了与竞争神经网络算法结合的语音识别方法是可行的,而且具有良好的发展和应用前景．     

LM算法在神经网络语音识别中的应用

输入语音信号中声音的特征提取和分类识别可以通过多层前馈神经网络大量学习实现,但基于误差反向传播的前馈神经网络(BP神经网络)标准算法收敛速度慢,在训练中效率不高。采用一种快速稳定的Levenberg-Marquardt算法进行语音识别,通过对语音信号的预处理、特征提取和网络结果优化,建立了网络训练样本集,用MATLAB进行了仿真,仿真结果表明,该算法优于传统的BP算法,具有更好的收敛性。