人脸绘制的多库工作的协同设计

主要通过管理智能化的方法 ,构建一个在数据库、知识库、模型库等之上的多库协同器 ,来实现在用户描述下绘制人脸的功能     

多层线性神经网络与单层线性神经网络的等效性研究

针对自适应线性神经网络的大量理论和应用文献都没有多层线性网络应用、讨论的现象,研究基于线性神经元作用函数,推导出多层的多输入/单输出和多输入/多输出的线性神经网络数学表达式,其函数形式等效于单层线性神经网络,同样是关于输入变量的线性关系,仅权值和阈值更加复杂而已.为了验证多层自适应线性神经网络与单层自适应线性神经网络的等效性,分别以两个线性函数的逼近为例,通过MATLAB软件仿真平台作了进一步的验证.仿真结果表明,多层线性神经网络能实现线性函数的逼近,但效果不如单层线性神经网络理想.因此,多层线性神经网络的功能完全可由单层线性神经网络精确地实现,多层线性神经网络的存在是没有必要的.     

线性多目标规划的神经网络方法

基于对偶理论和射影理论,提出了一个求解大规模线性多目标规划问题的新神经网络,严格证明了该网络是Lyapunov稳定的,并且大范围渐近收敛于它的平衡点,而且该平衡点正是线性多目标规划问题的非劣解。     

多模式集成的RBF神经网络天气预报

针对复杂庞大的多模式数值预报数据,提出一种径向基函数(RBF)神经网络集成天气预报模型.根据天津市预报站点采用的WRF模式、RUC模式等数值预报数据的特点,将多种单模式数据作为RBF神经网络输入,网络输出为集成预报结果.实验表明:RBF神经网络集成预报模型降低了单模式预报误差,更加贴近了真实数据,并且在稳定性和实效性方面均有良好表现.     

基于多Agent与集成神经网络的制造网络信息调度模型的研究

制造网络的面向服务架构（SOA）应当满足敏捷制造的需求,在SOA中任何瓶颈,如网络资源的分配策略,会影响到制造网络的服务敏捷性。在分析制造网络多Agent结构的基础上,提出了一种制造信息的分类方法。利用制造应用模型,提取系统运行的状态空间,通过制造系统单元间的组合和不同部件网络输出的决策间的融合,集成神经网络输出各制造单元信息调度权重。实验结果表明,此方法符合制造网络设计的原则和依据,以制造应用为中心,最大限度满足制造应用的需求。     

基于遗传算法的Hopfield神经网络集成

针对遗传法中存在的缺欠,根据神经网络和遗传算法原理在优势互补的条件下,提出了一种新的求解方法,即GA-Hopfield 网络方法;该方法就是利用 GA 很强的全局搜索能力来弥补 Hopfield 网络容易陷入局部最优的缺陷的优化方法,且对此模型进行了有效性验证,具有一定的理论研究和应用价值.     

BYJC—CIMS异构库互连——EDL—ORACLE集成转换接口

为解决异构数据库之间的数据交换问题，实现对工程数据和事务数据一体化管理，本文提出了工程数据库管理系统ＥＤＬ和关系数据库管理系统ＯＲＡＣＬＥ集成的一种方法，使得用户可以在ＯＲＡＣＬＥ上直接操纵ＥＤＬ中的数据，并且用ＳＱＬ统一了结构化和非结构化数据的操纵形式。     

基于特征选择的神经网络集成方法

将特征选择技术ReliefF引入Bagging方法中,提出了一种新的神经网络集成方法——ReBag．实验结果表明,本方法的泛化能力优于Bagging方法,与Attribute Bagging方法相当但效率更高．     

基于神经网络集成的经济预测模型

针对单个BP神经网络用于经济预测存在的不足,提出了一种新的更有效的经济预测模型--神经网络集成.神经网络集成通过训练多个神经网络并将各网络输出进行合成,能够显著提高网络的泛化能力.以广东省江门市的经济数据为例,采用Bagging算法训练了五个BP神经网络,构建了一个神经网络集成的GDP预测模型,并运用MATLAB 7.0语言程序实现.预测结果令人满意,优于单个神经网络预测方法.实证表明,神经网络集成用于经济预测是有效可行的,同时在一定程度上克服了单个神经网络的缺陷.     

基于模糊划分的神经网络集成

基于模糊聚类思想,提出了一种神经网络集成方法.由训练数据的模糊聚类结果,把训练数据划分成相交子集,基于各子集生成集成的个体神经网络.由于各子集所包含的数据和数据的类别各不相同,因而个体神经网络性能和结构存在差异.子集个数确定集成中个体神经网络个数.另外,基于隶属度函数计算公式,提出了个体神经网络输出结论结合方法.理论分析和实验结果表明,此方法对模式分类能取得较好的效果.     

基于聚类算法的选择性神经网络集成

为了提高集成个体的差异度,提出了一种利用聚类算法去除冗余个体的选择性集成方法,该方法通过使用神经网络作为基学习器,并在多值分类数据集上进行实验．结果表明,该技术计算效率高,精度与稳健性也与基于遗传算法的选择性集成方法相当甚至占优．     

基于DCT和BP神经网络集成的人脸识别

人脸识别是模式识别和图像处理领域的研究热点和难点,尽管已提出了许多方法,然而如何在变化的环境下实时、高效地识别人脸仍是一个难题.鉴于离散余弦变换(discrete cosine transform,DCT)有较高的压缩性能和快速算法以及集成神经网络良好的泛化能力,提出了基于DCT和神经网络集成的人脸识别方法.首先用DCT提取人脸特征矢量,然后构建集成BP(back propagation)神经网络对人脸进行分类识别.在ORL(olivertti research laboratory)人脸库上的仿真实验结果表明,提出的方法取得了较快的训练和识别速度、较高的识别率,因此该方法是一种快速高效的人脸识别方法.     

协同数据库中异构数据的集成技术

探讨分析协同环境下各协作方交互过程中存在的数据异构问题,针对协同数据库的特点及设计方法,提出一种计算机支持的协同工作(Computer Supported Cooperative Work, CSCW)环境下异构数据的集成结构模型,并对模块查询过程的算法进行描述,阐述可扩展标记语言(Extensible Markup Language, XML)文档与数据库数据的映射这一异构数据集成的关键技术,解决协同数据库环境下信息的共享问题.     

基于禁忌搜索的神经网络集成

给出了一种利用禁忌搜索来实现神经网络集成AdaBoosting算法的方法。以Ada- Boosting算法中的权值向量为优化对象,对其若干个元素进行扰动,并通过设定其为禁忌对象,以禁忌搜索控制寻优方向,以逼近误差为适值函数,在满足逼近误差或达到进化代数时结束进化。由于禁忌搜索可以避免迂回搜索,从而提高进化效率,使得算法易收敛。通过实例验证了该方法的可行性。     

集成数据库和文件系统的多数据库事务模型

提出一种适合于集成文件系统和数据库系统的多数据库事务模型,讨论了事务模型组成元素全局事务管理局、事务提交协议和局部执行代理的设计与实现。     

基于二次选择匹配的神经网络集成构造方法研究

研究12种基于二次选择匹配的选择性神经网络二次集成构造方法.分析了两次集成中所用选择方法的匹配关系及第1级结构中选择性神经网络集成个体的个数对神经网络集成效果的影响.仿真结果表明,通过采用二次选择匹配以及一定的集成个数可以保证个体具有较高的精度、差异度,并减少过拟合对集成结果的影响,提高神经网络的集成精度.     

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。     

神经网络集成模型在广东省海洋生产总值预测中的应用

海洋生产总值预测是一项极其复杂但又非常重要的工作,本文探讨了神经网络集成模型在广东省海洋生产总值预测中的应用.通过采集广东省2000—2010年海洋统计年鉴数据,借助Bagging方法生成仿真数据训练网络个体,将12个个体网络集成对广东省2010年海洋生产总值进行预测分析,该模型解决了海洋经济数据非线性、时变性、样本量少和偏差大等问题.与线性回归方法的比较结果表明,神经网络集成模型预测海洋生产总值的结果更可靠.     

基于神经网络集成的P2P流量识别研究

提出一种新的基于神经网络集成的P2P流量识别方法,利用CFS特征选择算法提取P2P流量特征,使用动态加权集成方法将6个神经网络集成应用于P2P流量识别.通过在实际网络流数据集上与单一BP神经网络、决策树、朴素贝叶斯和支持向量机算法的对比实验,结果表明该方法具有较高的P2P流量识别准确率和稳定性.