基于人工神经网络的聚类算法

研究连续型Hopfield神经网络的电路机理,推导出网络的权值计算公式,并运用连续型的神经网络模型构造出聚类算法;对20个随机生成数据计算模拟神经网络的运行,逐步调整类内精度多次训练,当参数a=b=500,c=200且类内精度控制不超过0.6时,有一个优化的聚类方案输出.     

基于模糊聚类广义回归神经网络的网络入侵研究

采用结合模糊聚类和广义神经网络回归聚类分析的方法,对5种网络入侵行为模式进行有效的聚类.首先用模糊 c 均值聚类算法将入侵数据分为5类,再将聚类的结果中最靠近每类中心的样本作为广义神经网络的聚类训练样本进行数据训练,训练输出的结果即为该个体所属的入侵类别.实验结果表明:新算法对网络入侵途径的分类精度更高,可为预防网络入侵提供更可靠的数据支持     

基于遗传算法的模糊聚类方法

针对模糊c 均值算法容易收敛于局部极小点的缺陷 ,将遗传算法应用于模糊c 均值算法的优化计算中 .算法采用实数编码 ,提高了试验精度 .实验证明基于遗传算法的模糊聚类方法能够在一定程度上克服初值的影响 ,跳出局部极小点 ,在大样本的聚类方面有较大的优势 .     

关于群的阶与群的共轭类数的商

讨论有限群的阶与群的共轭类数之比的问题 .得到 :定理　设G为非Abel有限群 ,p为G的最小素因子 ,c1为G中非中心元素共轭类长度的最小者 ,μ(G)为群G的阶与群的共轭类个数之商 ,则 : μ(G)≥ c1p2p2 c1- 1; 若Z(G)的阶为奇数 ,则 μ(G) =2当且仅当G/Z(G) S3 .     

改进模糊聚类算法在入侵检测中的应用

在模糊c均值算法基础上,提出一种将粒子群算法与c均值算法相结合产生基于自适应粒子群优化的模糊聚类算法(APFC).用KDD cup99数据集进行评估模糊c均值算法和APFC算法检测性能.试验结果表明, APFC均值算法能够避免模糊c均值算法固有的缺点,检测率提高和误报率下降,并且有较高的检测性能.     

与两两正交拉丁方最大个数N(n)有关的一个定理

关于两两正交拉丁方的最大个数N(n),有一个熟知的结果:对任意的自然数k,存在常数c(k),使对任意自然数n≥c(k),都有N(n)≥k.文中首次给出了c(k)的一个具体的表达式。     

Lorentzian乘积空间M~n(c)×R_1中的双调和类空子流形（英文）

研究了Lorentzian乘积空间Mn(c)×R1中具有平行平均曲率向量的双调和类空子流形.首先,证明了一般伪黎曼空间中具有平行平均曲率向量的双调和类空子流形的一个不变方程,然后利用该方程得到了Lorentzian乘积空间Mn(c)×R1中类空子流形是双调和的充要条件,并得到了这类子流形极小的充分条件.此外,还证明了一个关于Lorentzian乘积空间Mn(c)×R1中双调和类空超曲面的不存在性结果.     

基于SOA四波混频效应的全光全加器

基于半导体光放大器（SOA）的四波混频效应（FWM）,设计出同时实现全光“与”和“同或”逻辑功能的光逻辑门,并将它通过级联方式实现了一种全光全加器。利用OptiSystem光通信软件,研究信号光与泵浦光的波长间隔对FWM的影响,验证单个SOA同时输出逻辑“与”功能和“同或”逻辑功能的全光逻辑门可行性,通过软件仿真实现论文全光全加器的逻辑功能。     

数量曲率为常数的类空子流形

设Mn是Mnp＋p（c）中的一个标准数量曲率为常数c且法丛平坦的n维紧致类空子流形,本文给出了Mn为全脐子流形或全测地子流形的刚性条件.     

数据挖掘中Fuzzy c-means的自适应聚类算法

聚类算法是数据挖掘算法中的重要解决方法.针对现有聚类算法模糊c均值算法FCM中的不足,如需要预先确定聚类参数c,随机性较强、局部最优等弱点,对其算法结构加以改进,提出模糊c均值自适应算法(FCMA),增加聚类有效性问题的分析,在聚类过程中可动态调整聚类数目,这种方法可以避免在确定参数时的随机性和经验性,提高聚类算法的可靠程度.