投影寻踪模型中投影指标的改进

针对文本分类问题及投影寻踪降维的特点,对投影寻踪模型中投影指标进行改进,给出了新的投影指标.对不同的投影指标进行相应的对比实验,实验结果表明:改进的指标不仅充分利用投影寻踪降到超低维的特点,而且对文本分类的性能有了较大地提高.     

基于粒子群-投影寻踪和遗传-神经网络集成的预测模型

  针对预测对象和预测因子存在复杂的线性和非线性关系的特点,利用自然正交展开方法进行线性降维,以及用粒子群 投影寻踪方法进行非线性降维,将高维的非线性数据投影到低维子空间上,构造了一种遗传 神经网络预测模型。在此基础上,应用该预测模型对影响华南的台风频数进行了预测试验,并将预测结果与统计回归模型的预测结果进行对比分析。结果表明,文中构建的非线性集预测模型,对台风频数有较好的预测效果,5 年预测的平均绝对误差为0.81个, 平均相对误差为13%,预测结果比统计回归模型有明显的改进。该文的结果可为进一步探索研究其他领域的预测建模提供了一种新的参考思路和方法。     

基于K-Means动态聚类的投影寻踪分类模型

投影寻踪分类模型作为一种多因素影响问题的综合评价方法,已经被研究者广泛应用在各个领域并取得了良好的效果.然而模型本身还存在密度窗宽不确定以及模型无分类规则等尚需解决的问题.针对这些问题,提出一个基于K-Means动态分类的投影寻踪分类模型,定义了一个新的投影指标.实证分析说明了该模型的可靠性和可操作性.     

上海市公路网安全宏观评价投影寻踪模型

从道路交通安全系统工程的角度,构建了上海市公路网安全宏观评价指标体系．基于投影寻踪算法的基本原理和求解过程,建立了上海市公路网安全宏观评价模型．该模型能从待评样本寻求各评价指标的客观权重,更重要的是能通过增加主观约束条件,来体现决策者对某些评价指标的偏好,实现了评价指标的主、客观权重的综合考虑．采用实码加速遗传算法优化投影指标函数,求解最优投影向量,有效地解决了高维数据全局寻优的问题．     

基于模拟退火算法的投影寻踪方向优化

投影寻踪是一种降维处理技术,通过它可以将多维分析问题通过投影方向转化为一维问题分析.应用该法的关键在于寻求最佳投影方向,这可以转化为一个优化问题来进行解决.针对投影寻踪评价模型中的最佳投影方向优化问题,采用模拟退火算法来优化此问题.仿真结果表明了模拟退火算法在解决此类复杂函数优化问题上的适用性和有效性.     

基于加速遗传算法的投影寻踪评价模型在边坡稳定性评价中的应用

文章针对边坡稳定性评价的多因素问题,建立了基于加速遗传算法的投影寻踪评价模型,并给出了相应的算法和步骤.用加速遗传算法进行投影寻踪方法建模,可以优化投影寻踪方法的计算过程;实例表明该评价模型是有效可行的和通用的,可以应用于其他评价问题.     

投影寻踪模型在水污染控制规划中的应用

在水污染控制规划中,方案优选对于正确评价备选方案,使规划方案兼顾经济效益和环境效益的最佳平衡点具有重要意义。但方案优选涉及众多评价指标,且各指标量纲不尽相同及其权重较难确定等问题,目前常用的方法难以客观反映各指标数据所携带的数字信息;该文应用投影寻踪(PP)模型,建立水污染控制方案优选模型,并采用实码加速遗传算法来简化PP模型建模过程。为客观反映各指标的权重,构造新的投影指标函数,达到局部凝聚、整体分散的效果;实例计算表明,PP模型既可客观反映各指标的权重,又能正确评价各方案,具有有效性和通用性,可以适用于水污染控制规划管理中。     

基于遗传算法的投影寻踪聚类模型对银川市各地区水资源承载能力评估

构建了银川市水资源承载能力的指标体系,选用投影寻踪聚类模型对银川市水资源承载能力进行了评估,投影方向选用遗传算法进行优化.计算得到了银川市各地区的水资源承载力水平,为相关部门的水规划提供了参考.     

基于模糊神经网络集成的入侵检测模型

日益严峻的网络安全形势和网络协议本身的缺陷,使传统的防火墙防御的方式无法胜任。为提高对网络入侵防御能力,提出了模糊神经网络集成的入侵检测模型：首先抓取网络中的数据流,使用模糊数学的方法对数据记录入侵特征预处理。然后用集成的模糊神经网络模块接收预处理模块导入的训练数据和测试数据,通过反复训练学习,把各子树中节点的权值收敛到确定值。训练完成后,模型用于检测网络中的数据。响应模块接收模糊神经网络模块处理结果做出相应的响应。实验使用KDDCUP99网络入侵检测数据集对模型进行评测,并与单一神经网络模型相比较。结果表明模糊神经网络集成的方法检测结果比较稳定,在整体上比单一神经网络的误报率、漏报率和错报率有所降低,准确率和数据集泛化能力明显提高。     

基于投影寻踪模型的集成系统风险评估

进行系统集成项目的风险评估,采用投影寻踪方法将多维指标项目进行降维处理,在低维空间研究投影特征值,达到研究高维数据特性的目的.通过样本采集评估项目风险,计算样本一维投影值,并结合具体的系统,确定项目的总体风险等级和各个影响因素的风险等级,构建了信息系统集成项目风险评估模型,利用其对项目进行了评估,评估效果较好,对集成系统的项目风险管理有一定的参考价值.     

基于改进模糊k均值算法和神经网络算法的数据挖掘模型

为解决神经网络算法中样本数据包含大量与目标数据无关的属性而导致网络训练时间长、效率低的问题,提出基于改进模糊k均值(FKM)和BP神经网络算法的数据挖掘模型.利用改进的FKM聚类算法对输入数据的属性进行聚类,摈弃与目标属性相关性弱或冗余的属性,保留相关性强的属性,减少了神经网络的训练样本数据量,提高了网络的训练效率.对儿童血红蛋白含量的预测结果表明,该模型具有很好的实用性和可靠性.     

模糊神经网络内模控制

内模控制(IMC)是一种先进的控制算法,具有很强的抗干扰性及鲁棒性,在工业过程控制中应用广泛.内模控制的控制性能往往取决于被控对象的模型,因此,如何得到被控对象的精确模型成为关键问题.对于工业中常见的非线性过程,传统的设计方法很难得到满意的控制效果.模糊控制和神经网络的引入为非线性内模控制的研究提供了一种新方法.模糊逻辑适合表达机遇规则的知识,而神经网络具有较强的自学习及自适应能力.将模糊逻辑与神经网络相结合,应用于内模控制中,对基于该模糊神经网络(FNN)的内部模型和控制器的建立进行了分析.仿真结果证明该算法是有效的,具有很强的自适应性和鲁棒性,可以应用于非线性及时变系统中.     

基于模糊RBF神经网络的管道泄漏检测方法

针对模糊BP神经网络在管道泄露检测与估计中存在网络构建训练速度慢、易陷入局部最优等问题,提出将模糊RBF神经网络方法应用于管道的泄漏检测与估计.首先依据管道泄漏时流量、压力的变化机理,将采集到的实际运行中管道内的流量差与压力差信号模糊化后作为RBF神经网络的输入,以泄漏尺寸大小的置信度作为网络的输出,并结合专家先验知识所得的模糊规则,构建管道泄漏检测的模糊RBF神经网络.进而以实际管道运行数据对其进行离线仿真测试,仿真结果表明模糊RBF神经网络克服了模糊BP神经网络的不足,提高了泄漏估计的精度,使网络构建更加高效、优化.     

基于模糊神经网络的瓦斯爆炸危险性评价模型

煤矿瓦斯爆炸事故的复杂性和随机性决定了煤矿瓦斯爆炸重大危险源的变化不会按照某一特定的规律或函数变化.模糊神经网络具有较强的非线性函数逼近能力和较强的自学习、自适应和联想能力.通过简化易燃、易爆、有毒重大危险源评价模型,确定了网络的输入参数,应用模糊神经网络对各参数之间的关系进行计算,验算结果表明:该网络模型在评价煤矿瓦斯爆炸危险性方面效果良好.     

基于投影寻踪回归文本自动分类的模型

文本被表示为向量空间模型后,是维数非常高的数据,对其进行维数约简是必要的.投影寻踪正是一种稳健的、非参数化的维数约简方法.提出了一种基于投影寻踪回归的文本自动分类模型.应用该模型,可以真实地描述高维数据的客观内在规律,从而达到提高文本分类精度的目的,岭函数拟合函数的合理选择是提高分类精度的关键,故对拟合函数的选取做了初步的研究.采用标准文档集Reuters-21578进行了分类实验,同时在相同的预处理条件下,与目前常用的方法进行了对比实验.实验结果表明,该模型对文本自动分类具有较高的召回率和准确率.     

基于改进的脉冲耦合神经网络模型的图像融合

脉冲耦合神经网络模型PCNN(Pulse Coupled Neural Network)运行时间长、效率低等特点,现提出了一种改进的脉冲耦合神经网络模型用于图像融合。通过对多聚焦距图像和医学图像进行了实验,同时与小波变换、拉普拉斯变换等图像融合算法进行了比较。研究结果表明:方法简化了PCNN模型,减少了PCNN运行的时间。在主观视觉和客观评价上均具有良好的效果。     

一种基于改进Softplus激活函数的卷积神经网络模型

为提高Softplus函数在神经网络中的性能,针对Softplus函数的缺点提出了一种基于改进Softplus激活函数的卷积神经网络模型。根据"输出均值接近零的激活函数可以提升神经网络的学习性能"原理,首先对原函数的输出向下平移缓解Softplus激活函数的均值偏移现象;然后对调整后的输出乘以一个参数调整函数在正数部份的坡度和负数部分的饱和点位置,以缓解在训练过程中出现的梯度消失/溢出现象。最后在MNIST、CIFAR-10和CIFAR-100数据集上的实验结果表明,同其它常用激活函数相比,改进后的Softplus函数取得了较好的识别率。     

两层模糊神经网络交通信号控制模型

交叉路口信号的有效控制是减少车辆延误时间的关键,是保证城市交通顺畅的前提。以单交叉路口为研究对象,在仿真希腊学者Pappis提出的模糊控制方法基础之上,基于交叉路口的动态特性及模糊规则的一成不变,提出两层BP神经网络实现单交叉路口的模糊信号控制方法,在不同车流量情况下,使用MATLAB工具仿真实现,结果表明:所提出的模糊神经网络具有较强的学习、推理能力,对于车辆的平均延误时间有较好的改进。     

基于模糊聚类的二型模糊神经网络系统辨识

二型模糊神经网络结合了二型模糊系统描述实际情况不确定性和神经网络的学习能力,在非线性系统的辨识中得到了广泛应用。二型模糊神经网络参数学习使用最多的是反向传播算法算法,该算法原理简单,易于实现。但是该算法对初值敏感,不合适的初始会导致算法收敛于非最优解或者发散。针对反向传播算法的这一缺点,提出了一种基于模糊C均值聚类的区间二型模糊神经网络辨识算法。该算法选择高斯型隶属度函数,将模糊C均值算法得到的聚类中心初始化高斯函数的中心,而高斯函数的宽度利用模糊C均值聚类算法的隶属度和中心求取。通过2个非线性系统的辨识效果表明,提出的辨识算法具有较高的辨识精度,收敛速度较快。