基于属性论的肺癌细胞识别

目前的图像诊断系统,大多数采用形态学和色度学特征并结合专家系统,对癌细胞进行分析和诊断.为了更好地对肺癌细胞进行识别,本文利用图像处理的相关知识对肺癌细胞图像进行形态学和色彩学的特征提取,在此基础上利用属性论中的定性映射与转化程度函数对肺癌细胞进行分类识别.实验结果证明本文提出的方法可以取得较好的结果,说明属性论方法在...     

属性论方法在心电图学中的应用——基于属性论方法的心电图是否正常的判断

定性映射(Qualitative Mapping,QM)模型是思维建构和智能模拟的属性论方法中的基本数学模型,它表达的是事物属性量—质特征转化关系,其哲学基础是事物质量互变规律,其基本内涵是依据特定的属性基准,从事物的一个或多个量特征中抽取出质特征。在数学上已经证明它可以推导出人工神经元,用它可以解决异或分类问题,双螺旋问题等人工智能问题中的经典难题。本文旨在应用属性论方法的定性映射理论判断给定的一个心电图是否为正常的心电图,实践证明该方法实现更加简单,有效,令人满意。     

定性映射诱导的模糊程度函数与神经元

属性的量-质特征转化关系可归结为一个定性映射(QualitativeMapping,QM),利用定性基准[αi,βi]=N(ξi,δi)或x∈[αi,βi] |x-ξi|≤δi,若将pi(ξi)定义为质特征类pi(o)=[pi(x)|x∈N(ξi,δi)]的本征性质,借助于|x-ξi|能表示pi(x)与pi(ξi)间差异,从而能反映pi(x)体现其质特征类pi(o)本质的程度的功能.提出了程度函数ηi(x)及其核|x-ξi|<δi的概念.并指出,由核|x-ξi|≤δi诱导的程度函数中,至少有一类会导致其定性基准[αi,βi]的边界变成模糊的.而m维加权程度函数ηi(x)诱导出一个模糊神经元和网络.还以XOR问题和双螺旋问题为例,给出了利用定性映射函数进行非线性模式识别和分类的方法.     

基于支持向量机的股市时间序列预测算法

针对股市时间序列预测的特点,提出了基于SVM的股市时间序列预测算法.设计了SVM的在线训练算法,并设计了遗传算法自动调整sVM的核参数,实现了基于sVM的股市时间序列预测算法在线调整的完全智能化.通过实证分析,以及同BP神经网络方法的比较,结果证明该算法具有预测精度高、参数调整智能化等优点.     

属性论的分级推理方法

有效地处理属性论的分级现象,后承式的推理方法被引入至计算中,结果形成属性论的一个新的计算框架。     

基于多输出支持向量回归算法的股市预测

提出了一种新的多输出支持向量回归算法,给出了定义在超球上的损失函数,并将训练SVM转化为迭代解线性方程组,在求解过程中采用边计算边使矩阵降阶的方法,加快了运算速度.建立了该算法应用于股市预测的模型,对上证指数的建模与预测表明:与单输出支持向量回归算法建立的模型相比,该算法具有更好的整体预测精度和抗噪性能,是对股市进行分析和预测的一种可行而有效的方法.     

基于小波变换域的SVM股市时间序列预测算法

研究利用小波变换技术提高基于SVM的股市时间序列预测算法的效果.采用结构相同的若干SVM同步预测股市时间序列数据在不同尺度下的小波变换系数,通过对各预测值进行加权组合预测股市变化趋势.其中所有SVM的核参数采用遗传算法同时自动进化调整.通过实证分析,以及同基于SVM的股市时间序列预测算法进行对比,结果证明结合小波变换技术能够更深入揭示股市规律.     

属性论方法在图像分割中的应用研究

提出一种基于属性论的图像分割方法,首先将彩色图像转换到HSI颜色空间,然后根据定性映射原理建立HSI颜色空间的智能融合模型,通过像素点间的不同颜色分量的特征匹配实现对图像的分割,最后用MATLAB进行仿真实验,实验结果表明,所提出的定性映射颜色分割算法快速、有效、可靠.     

基于对称Levy函数的径向基函数神经网络用于股市预测

在做径向基函数预测股票数据产生的非线性时间序列研究的时候,发现股票数据有标度行为。用对称Levy函数来取代高斯函数作为径向基函数神经网络的径向基来作预测,获得了更好的预测结果.     

基于Elman神经网络的气温时间序列预测

利用动态递归Elman神经网络的具有结构简单,运算量少,适合于动力系统辩识等特点,对Logistic混沌映射时间序列及气温时间序列进行了预测,并分析了预测误差。结果显示Elman神经网络对非线性时间序列具有良好的预测特性。     

相空间重构在股票短期预测中的应用

选择了两种基于相空间重构理论的预测方法进行股票数据的短期预测，其结果与实际值吻合较好，证明了方法和程序的有效性．这一研究为从非线性角度进行金融数据的分析作出了有益的尝试     

基于属性坐标分析和学习的评估决策模型

将决策的心理偏好或权重理解为：“在总分相等的条件下，决策认为各决策属性分数按其心理权重分布是最合理的。”在此基础上，将通常的决策问题分解为求一系列（等总分）局部最满意解的子问题，然后再从所有局部满意解的集合中，找出全局最满意解（即（1）的解）。并提出了一种直接面向决策（经验性）心理标准及其评估变化过程的决策模型－属性坐标学习和分析的评估决策模型。     

基于混沌时序重构的股票价格预测研究

应用非线性映射迭代模型，采用小波理论来辨识混沌模型中的参数，并通过对混沌时序进行预处理，可得到较好的预测结果。采用小波网络对非线性映射迭代模型中的参数进行辨识，辨识的准确程度较高，采用该模型对上海证券市场600063号股票的开盘和最高价格数据进行了建模和模型参数辨识，并据此做出相关预测，得到了满意的预测结果。     

基于时间序列分析的独居老人活动量研究

为解决独居老人日常生活的监护问题, 提出一种基于时间序列分析与模糊模式识别的独居老人活动量研究方法。该方法将独居老人的日常活动量作为对独居老人生活状况监测的有效指标, 并利用时间序列分析对活动量时间序列建立预测模型, 利用模糊模式识别法鉴别活动量监测值与活动量预测值之间的差距, 当两者之间的差距超过正常范围时, 将预警信息反映给老人的监护人, 以便监护人对老人的生活状态是否异常予以关注。实验结果表明, 该方法对老人异常状态的识别准确率为96. 97%。从而为老人生活状况的研究提供了一种新的方法和途径。     

判断的定性映射模型与非线性模式分类(Ⅰ)

基于事物属性量—质特征转化关系的简单性质判断可归结为一个定性映射τp(x,cp),(判断元素x是否属于集合S的)特征函数、单(或多)指标性质判断和单(或多)特征向量判断(或检索),可分别归结为以一般集合S、区间(αi,βi)、区间向量、区间矩阵、向量和矩阵为定性基准cp的定性映射.     

基于改进的分形插值与SVM的股指预测模型

为了更好地分析和预测股指时间序列的短期变化趋势,提出了一种确定分形插值自由参数的新方法,由此建立了一个改进的分形插值模型,并将该模型与支持向量机模型相结合构造混合预测模型.经R/S分析可知上海证券综合指数的日收盘数据具有长程相关性,于是将混合预测模型用于分析和预测上海证券综合指数时间序列,发现混合预测模型较其他方法具有更好的拟合效果,且在短期预测方面有更高的预测精度.     

基于小波分解的色噪声预测

研究色噪声的预测．将小波分析理论与神经网络建模预测基本原理相结合，提出了基于小波分解的神经网络预测方法．通过对年平均太阳黑子数典型统计模型的预测，验证了该方法的预测效果．将该预测方法用于色噪声的预测研究，通过改变对色噪声的采样速率，分析了色噪声预测的可能性和效果．研究结果表明，色噪声是可以预测的；对其预测的误差随采样率的提高而减小；基于小波分解的神经网络预测方法的预测精度优于线性神经网络预测方法．