基于SOM和SVM的遥感图像目标识别

提出了一种基于自组织特征映射 (SOM)神经网络和支撑矢量机 (SVM)相结合的遥感图像目标识别方法。该方法首先利用SOM对目标进行聚类 ,然后应用SVM方法对其进行分类识别。最后将该方法应用于二值遥感图像的目标识别 ,与仅用支撑矢量机方法的识别结果进行了比较 ,结果表明 ,这一方法对二值遥感图像目标具有很好的分类识别效果 ,且训练时间大幅度缩短。     

基于改进SOM的纹理合成算法

提出一种基于改进自组织特征映射(SOM)的纹理合成算法,首先给出一种基于纹理的灰度图像的SOM输入向量构造方法,由此得到的输入向量维数是基于TSVQ方法的输入向量的1/3;再对SOM网络的学习规则进行改进使之能正确训练输入向量,最后使用经过SOM网络量化后的向量合成灰度纹理并反向映射到彩色纹理完成纹理合成。实验表明算法合成纹理质量较好,合成速度较TSVQ加速算法有较大提高。     

SOFMNN分类方法及其在农业生态系统 退化分类上的应用

给出了一种自组织特征映射神经网络的分类方法，该方法具有自学习、自适应功能，它不同于传统的分类方法，在分类之前不必确定分类对象指标的权重等需要人为确定的量，只要输入分类对象指标的原始数据，就可以得到分类结果，应用十分方便。我们将该方法用于农业生态系统退化分类评价中，取得了满意的结果。图2，表1，参3。     

ＳＯＦＭＮＮ分类方法及其在农业生态系统退化分类上的应用

给出了一种自组织特征映射神经网络的分类方法,该方法具有自学习、自适应功能,它不同于传统的分类方法,在分类之前不必确定分类对象指标的权重等需要人为克腚的量,只要输入分类对象指标的原始数据,就可以得到分类结果,应用十分方便。我们将该方法用于农业生态系统退化分类评价中,取得了满意的结果,图２,表１,参３。     

一种基于SOM解码的多类支持向量机

提出了一种基于自组织映射(self-organizing map,SOM)解码的多类SVM算法。该方法首先按照纠错输出编码(error correcting output codes,ECOC)训练子SVM二分类器,然后根据训练样本的输出训练SOM网络,得到其最优权值,最后对未知数据进行分类,这样充分考虑到了二分类器的输出置信度,而且有效地克服了同时和多个类别的距离最小的情况。通过对实际的Iris数据和Yale人脸库的分类实验,结果表明,新算法对于解决多类SVM的分类问题是很有效的。     

基于集成智能方法的电力短期负荷预测

将自组织(SOM)和反向传播(BP)两种神经网络结合起来, 并使用模糊理论, 建立了一种基于集成智能方法的日负荷预测智能模型, 该模型首先利用SOM网络的竞争学习能力将历史数据分成若干类别从而找出与预测日同类型的预测类别. 然后, 把温度、日类型等不确定性扰动因素分离出去, 利用BP算法的非线性函数逼近功能, 完成电力负荷的基本分量部分的预测工作. 在处理温度、天气情况、日类型等不确定因素对负荷的影响时, 采用模糊逻辑理论对负荷基本分量进行修正. 提出了一种基于进化树的自组织神经网络算法(SOETA), 该算法是一种无监督基于二叉树的自组织特征映射网络模型, 采用进化思想进行无监督学习, 具有灵活的拓扑结构和精确的模式识别. 本文以2007年厦门市的电力负荷数据为例, 试验结果表明, SOETA+BP+模糊理论的预测精度最优, 有效提高了电力短期负荷预测精度.     

模糊SOFM网分类方法及其在水稻机械 生产方案分类中的应用

将模糊理论与自组织特征映射(Self-organizing Feature Map)网络相结合，构造出一种新的分类模型——模糊SOFM模型。模糊SOFM模型即利用了模糊理论解决不确定性问题的特性，又利用自组织映射特征网络具有较强的自学习、自适应能力、容错能力和模式识别能力的优点，能非常好地解决模糊或不确定系统中的多对象在多指标下的分类问题。实例结果表明，用模糊SOFM分类方法进行分类具有稳定、结果可靠等特点。图2，表3，参4。     

基于SOM网络的智能化粒子测速算法

提出了基于自组织映射(self-organized mapping,SOM)神经网络的粒子图像测速算法。该方法使用SOM神经网络对粒子测速技术中运动追踪方法进行了改进,并在匹配过程中根据兴趣区域的粒子密度对粒子追踪算法与粒子相关算法进行了选择处理。经SOM网络改进的测速算法首先利用相关后的结果进行网络构建,然后使用追踪技术对候选匹配点进行筛选。该算法不仅消除了粒子密度与灰度分布的敏感性,而且也降低了相关时对分析窗口尺寸的敏感。最后,使用人工合成的粒子图进行了算法验证及误差分析。结果表明:所提算法在分析精度方面有很大的提高并且具有很强的鲁棒性。     

基于Contourlet域树状系数的自组织神经网络图像分割

为避免小波域隐马树模型分割算法中模型假设的不足,提出用SOM网络作为非参数概率密度函数估计器。用图像轮廓波变换域中的树状数据作为网络输入,以利用图像的几何特征来提高分割效果。由训练好的网络组可以得到待分割图像各个尺度下的条件概率密度函数值,应用最大似然分类准则得到相应尺度下的粗分割。通过多尺度粗分割结果的融合,得到像素级的分割结果。用合成纹理图像、航拍图像和SAR图像进行实验,并与小波域隐马树模型分割方法和基于SOM网络的多尺度贝叶斯分割方法进行比较。对合成纹理图像给出错分概率作为评价参数,实验结果表明所提算法分割效果更优。     

基于免疫算法的自组织神经网络在效能评估中的应用

针对自组织神经网络自身的局限,将免疫克隆选择算法的克隆和变异机制引入SOM的学习算法中,提出一种免疫自组织神经网络模型,并建立了模型的学习算法。该学习算法用免疫克隆选择算法的克隆算子和变异算子改进自组织神经网络中的邻域大小和权值调整规则,使每个神经元的权值学习率和邻域大小随神经元的亲和力发生变化,从而克服了自组织神经网络分类效果受样本输入次序影响的弱点,且在很大概率上保证网络收敛到全局最优解。性能仿真结果说明该学习算法比自组织神经网络学习算法具有更好的分类准确性和泛化性能。将该模型应用雷达电子战装备的作战效能评估中,结果表明免疫自组织神经网络模型比自组织神经网络模型分类更合理。     

基于遗传算法的决策树组合方法及在CRM的应用

针对客户关系管理中的客户分类问题,提出一种基于遗传算法的多重决策树组合分类方法.组合分类方法将概率度量水平的多重决策树并行组合,组合算法中采用遗传算法优化连接权值矩阵,并且采用客户信用等级评定的仿真数据对该方法进行测试和评估.实验结果表明,该组合分类方法比单个决策树及其他组合方法具有更高的分类精度,并在保持分类结果良好可解释性的基础上优化了分类规则.     

基于不完全BT-SVMs分类的模拟电路故障诊断方法

针对几种常用的支持向量机多类分类方法,分析了各自存在的问题和缺点,并在此基础上提出了一种基于核的自组织映射聚类的不完全二叉树SVMs多类分类方法,该方法首先用SOM神经网络对所有训练样本进行聚类,分裂成两个子类,然后分别对两个子类进行类似的操作,直到每个类别都被单独分开为止。根据聚类的结果构造二叉树结构,从而产生相对应的SVMs网络。实验结果表明,采用该方法进行多类分类具有很高的分类精度和分类速度。     

客户关系管理中客户知识发现的一种分析方法

研究了客户关系管理(CRM)中的客户知识发现问题。在分析了客户知识发现的含义和客户知识分类的基础上,提出了一种客户知识发现的分析方法。依据该方法,通过采用模糊聚类方法可确定影响CRM效果的关键属性集,进而可归纳发现客户知识的分类规则,并得到有价值的客户知识。最后给出了一个实例分析。     

基于Agent的顾客行为及个性化推荐仿真模型

针对传统个性化推荐研究方法的局限性, 提出一种基于Agent建模与仿真的方法, 通过个体的交互作用所产生的涌现特征来分析移动电子商务环境下的顾客行为及个性化推荐策略的有效性． 以移动商务环境下的餐饮推荐系统为例, 分析了消费活动过程中顾客与服务的交互行为, 以及情境因素对顾客消费的影响, 构建了服务推荐及顾客行为规则, 并在REPAST环境下实现了本Agent仿真模型． 仿真结果表明:该模型可有效分析及预测服务推荐和顾客决策的涌现现象, 并由此推断顾客总体的消费趋势; 同时, 考虑情境因素的推荐模型的有效性比单独基于顾客个性化信息的推荐模型有明显提高．     

Service Mechanism and Pricing Based on Fairness Preference of Customers in Queuing System

Service providers often adopt the mechanism of customer classification due to the heterogeneity of customer waiting cost. However, the classification service may cause unfairness feeling of regular customers, then affect the revenue and social welfare. This paper provides the first exact analysis about the situation that service providers offer two classes of non-preemptive priority service when customer fairness perception is explicitly modeled. We model customer fairness perception as a negative utility on regular customers that's proportional to the waiting time difference between the two queues. By analyzing a stylized M/M/1 queue in monopoly service system, we can derive important results some of which reaffirm existed research results. First, from the perspective of revenue maximization, service providers should adopt the mechanism of customer classification and set up the two kinds of customers where they can see each other. Next, considering customer utility maximization,service providers should cancel the mechanism of customer classification, and keep one queue(regular customers) only. Then, from the perspective of social welfare maximization, service providers shouldalso adopt the mechanism of customer classification but set up the two kinds of customers where they cannot feel each other. Finally, this paper concludes the optimal pricing based on customer classification in the above three different perspectives. This research shows important reference value and practical significance for service providers who adopt the mechanism of classification service.     

World Expo 2010 pavilions clustering analysis based on self-organizing map

This paper reports the classification of 90 sample pavilions in Shanghai World Expo. An artificial intelligence based nonlinear clustering method known as Self-Organizing Map (SOM) has been used to classify expo pavilions. SOM is an efficient tool for visualization of multidimensional data. To conduct the classification, four characteristics namely Hurst exponent for queue length, Hurst exponent for waiting time, mean queue length and mean waiting time have been applied. The classification results show that Shanghai World Expo pavilions can be optimally classified into four classes. This result will shed light on further studies that how to manage the queue of World Expo pavilions in the future.     

基于Geom/G/1休假排队的顾客止步策略研究

将决策行为引入排队模型中, 以顾客追求利益最大化为出发点, 研究空竭服务、多重休假Geom/G/1排队模型中顾客的优化止步策略. 在不可见排队的前提下, 基于"收益-成本"结构, 采取均值分析的方法, 构建顾客个人和顾客总体的收益函数, 进而, 在不同参数范围内, 分析并确定出顾客均衡策略和社会最优策略. 最后, 通过数值模拟完善结论.     

代价敏感的客户流失预测半监督集成模型研究

客户流失预测是企业客户关系管理的重要内容.在现实的很多客户流失预测建模过程中,由于数据类别的高度不平衡现象的存在,使得模型的分类性能低下,不能很好地进行分类预测.同时由于现实情况中只有少量有类别标签的样本,更多的是无类别标签数据的存在,造成了大量有用信息的浪费.为了解决以上两个问题,本研究将元代价敏感学习,半监督学习和Bagging集成等技术结合,提出了代价敏感的客户流失预测半监督集成模型(semi-supervised ensemble based on metacost,SSEM).该模型主要包括三个阶段:1)用Metacost方法修改初始有标签训练集L的类别标签,得到新的训练集Lm,并将其随机的分为模型训练集Ltr和模型验证集Va;2)使用Va挑选分类精度最高的三个基分类器,并用其选择性标记无类别标签U中的样本,并将它们添加到Ltr中;3)用新的模型训练集Ltr训练N个基本分类模型,并对测试集样本进行分类,进一步将分类结果进行集成.在两个客户流失预测数据集上进行实证分析,将SSEM模型与常用的监督式集成模型以及半监督式集成模型相比,结果表明,SSEM具有更好的客户流失预测性能.