基于倒数交叉熵的改进脉冲耦合神经网络图像分割算法

针对脉冲耦合神经网络(pulse coupled neural network,PCNN)模型需要人工方式确定循环迭代次数,以及香农熵定义中基于对数函数存在零点处无意义的缺陷和对数运算影响处理速度等问题,提出了一种基于最小倒数交叉熵自适应生成迭代次数的PCNN图像分割算法.首先,对传统的PCNN模型进行简化,并对神经元的反馈输入函数、连接输入函数和动态阈值函数进行修正;然后,应用二维倒数交叉熵的分解算法,通过两个一维倒数交叉熵的组合获得二维倒数交叉熵;最后,采用最小倒数交叉熵准则确定PCNN网络的循环迭代次数,实现对图像的最优分割.仿真实验验证了该方法的有效性.     

基于交叉熵顺序统计滤波的语音端点检测算法

为提高语音端点检测在强噪声环境下的准确率,提出了一种基于交叉熵顺序统计滤波(OSF)的语音端点检测算法。该算法以子带交叉熵为语音/非语音的区分特征,首先将每帧语音的频谱划分成若干个子带,估计出每个子带能量与背景噪声之间的交叉熵,然后把相继若干帧的子带能量交叉熵经过一组顺序统计滤波器,最后根据各帧交叉熵的值对输入的语音进行分类。实验结果表明:该算法能够有效地区分语音和非语音。特别是在强噪声环境下依然能够保持很高的检测率,具有鲁棒性。通过实验结果比较,该算法在性能上优于最近提出的基于能量顺序统计滤波和单纯交叉熵判别的两种方法。     

基于改进3D-PCNN的中药材彩色显微图像分割

为有效提取中药材彩色显微图像的目标信息,提出了一种基于改进三维脉冲耦合神经网络的图像自动分割方法.首先,从适合处理中药材彩色显微图像的角度出发,对传统模型进行简化与改进;其次,采用RGB颜色空间,利用最大信息熵选择性排列图像,并将结果作为改进模型的输入,进而完成图像分割;最后,用最大综合判定准则选取最佳分割结果,并与最大香农熵、最小交叉熵、色差对比度进行比较.实验结果表明,本文方法可以精确自动地分割中药材彩色显微图像,克服了最大香农熵、最小交叉熵、色差对比度的缺点,分割效率明显优于传统方法.     

边缘宽度细化与交叉皮层模型结合的图像分割算法

针对弱边缘图像分割中交叉皮层模型产生目标几何尺寸失真等问题,提出了一种基于边缘宽度细化与交叉皮层模型结合的图像分割算法。该算法借助prewitt边缘算子和边缘斜坡模型,细化图像边缘宽度。在此基础上,利用二维直方图将交叉熵扩展至二维空间,以获得交叉皮层模型的最优分割阈值。实验结果表明,该算法不仅能克服边缘模糊的影响,对弱边缘图像进行精确分割;而且处理速度也大幅提升了。     

基于最小Tsallis交叉熵改进型PCNN图像分割算法

针对传统脉冲耦合神经网络(PCNN)模型中存在的待定参数过多且难以选择、循环迭代次数难以确定的缺陷,提出了一种基于最小Tsallis交叉熵改进型PCNN图像分割算法.根据改进的内部活动项和阈值衰减函数初始化模型参数,根据图像特性自适应设置链接强度系数和链接权值矩阵;利用最小Tsallis交叉熵准则确定PCNN循环迭代次数,采用双边带滤波器对分割图像进行滤波,获取最优图像分割结果.仿真实验结果表明,该算法提高了分割后图像的区域一致性、区域对比度、形状测度,缩短了运行时间,改进了图像分割效果.     

基于二维Tsallis熵的改进PCNN图像分割

为了改善图像分割的性能,采用改进的脉冲耦合神经网络(PCNN)进行分割,通过对其内部活动项进行空不变的单阈值化分割,来达到对原图像空变阈值化分割效果.另外分割准则也作了修正,通过计算图像二维直方图的Tsallis熵,得到二维Tsallis熵,以此作为图像分割准则.最后,修正了动态门限项的下降速度,使得PCNN收敛更快.实验证明二维Tsallis熵准则优于最大Shannon熵准则与最小交叉熵准则,且改进的PCNN模型比传统PCNN模型收敛更快.     

基于混沌弹性粒子群优化与基于分解的二维交叉熵阈值分割

为了提升二维交叉熵阈值分割法运行速度,提出了基于混沌弹性粒子群优化（CRPSO）和基于分解的2种二维交叉熵阈值分割算法.前者利用CRPSO算法寻找二维交叉熵法的最佳分割阈值,并采用递推方式避免迭代过程中适应度函数的重复计算,使运算速度大大提高;后者将二维交叉熵法的运算转换到2个一维空间上,计算复杂度由O(L2)进一步降为O(L).实验结果表明,2种算法能够在保证分割效果达到或优于现有二维交叉熵阈值分割法的前提下,运行时间大幅减少.     

机器学习辅助高熵合金相结构预测

高熵合金由于其形成独特显微组织的固溶体、金属间化合物和非晶相而具有更好的物理化学性能．因此,高熵合金中的相预测是合金设计的第一步．采用机器学习算法中的支持向量机、随机森林和决策树3种模型对高熵合金的相位分类进行预测,通过网格搜索方法优化模型,并对模型进行交叉验证和性能评估．结果表明:随机森林的预测能力最佳,达到0.93的预测精度,且该模型对高熵合金固溶体相的分类效果最好,最后采用随机森林模型预测Ti Zr Nb Mo系难熔高熵合金的生成相,其预测生成相与实验结果一致．由此可见,机器学习技术对未来高熵合金的设计有很大的帮助．     

基于综合相对交叉熵的多属性群决策方法

针对以区间二型模糊数为信息环境的多属性群决策问题,提出了一种基于全概率的综合相对交叉熵的决策方法;首先,给出区间二型模糊集的定义,熵及算术平均排序值公式;其次,基于区间二型模糊集的模糊性、犹豫性和区间性,定义了一种新的测量区间二型模糊集的相对交叉熵和综合相对交叉熵的方法,通过构造最优化线性模型求解出了属性权重并对每一方案的属性值进行集结得出最优方案;最后,通过实例分析验证了所提方法的可行性和有效性。     

使用交叉熵检测和分类网络异常流量

针对准确识别网络攻击行为的问题,提出了一种基于交叉熵的流量异常检测和分类方法.首先使用流头部特征属性和行为特征属性对DoS攻击、端口扫描和网络扫描等3种常见攻击进行描述,并使用交叉熵来度量各属性上流量的分布变化,建立各攻击的行为特征向量,然后使用指数加权滑动平均控制图方法对多种交叉熵指标进行异常检测得到检测异常向量,最后以检测异常向量和各行为特征向量的相似度来判别攻击类型.针对路由器中Netflow流量的实验结果表明,对于强度较小的攻击,相比香农熵度量法,交叉熵度量法的攻击分类正判率和精确率平均提高了13%和15%,正确率提高了13%.     

BP神经网络在车辆制动性能预测中的应用

首先建立了车辆制动过程数学模型,利用该数学模型对JS2310农用运输车的制动性能进行了计算机仿真,并与试验结果进行了比较,表明模型是正确的为进一步提高该车辆制动性能预测的精度,引入了神经网络技术使用BP网络对不同条件下的多次仿真结果进行第一步学习,将数学模型转化为车辆制动性能预测的神经网络模型,再进一步使用整车部分试验结果对已得到的神经网络进行训练,得到最终的预测模型结果表明使用神经网络模型可以提高车辆制动性能预测的精度     

基于Logit和KMV的我国上市公司信用风险的比较研究

利用Logit回归模型和KMV模型分别对选取的29家我国上市公司样本的信用风险进行实证分析和比较。结果表明,两个模型基本上都能反映上市公司的信用状况,虽然KMV模型对非违约样本组的预测结果要优于Logit模型,但是在违约公司样本组的预测上,Logit模型要远比KMV模型准确。从总体效果来看,Logit模型的预测准确性要高于KMV模型。     

基于栅格的新安江模型的构建和应用

根据分布式模型和新安江模型的最新理论,建立了基于栅格的分布式新安江水文模型,该模型能够考虑网格之间的水量交换.将建立的模型用于钱塘江支流密赛流域的洪水模拟计算,并与新安江模型的计算结果进行比较,可以看出,基于栅格的分布式新安江水文模型可以很好地应用于该流域进行洪水模拟,其模拟精度于原新安江模型的精度相当.     

Weibull模型在地基沉降预测中的应用

采用Weibull生长曲线模型对2个工程实例的地基沉降情况进行了预测,并将预测结果与常用的指数模型和双曲线模型进行了对比分析.对比结果表明:weibull模型能够很好的预测地基沉降情况,预测精度更高,误差更小.因此,相对于指数模型和双曲线模型来说,Weibull模型的适用范围更广,更适合于作为地基沉降预测模型.     

灰色马尔科夫Verhulst动态模型在滑坡形变预测中的应用

为解决陈旧信息和波动性数据造成的传统灰色Verhulst模型预测精度较低的问题,提出一种利用滑动窗口和马尔科夫模型对原始灰色Verhulst模型改进的方法。通过长度可变的滑动窗口来实现数据的动态更新,使得灰色Verhulst动态模型的预测值更加接近最新的变化趋势。之后利用马尔科夫模型对得到的灰色Verhulst动态模型预测值进行修正,提高了模型的预测精度。实验结果表明,灰色马尔科夫Verhulst动态模型在滑坡形变预测中的预测平均相对误差相比于传统的灰色Verhulst模型降低了69. 6%,均方根差比降低了0. 39,小误差概率提高了0. 166 7。对于波动性较大的滑坡监测数据,灰色马尔科夫Verhulst动态模型预测精度优于传统灰色Verhulst模型。     

快速采样数据建模的最小二乘算法

由于传统的ＡＲ模型不适于快速采样数据的建模，提出了基于增量差分算子建模的递推最小二乘算法，讨论了这种模型与相应连续模型的关系．数据仿真表明这种模型较之于ＡＲ模型有较好的适用性．     

基于BA模型高团聚性网络构造

介绍了复杂网络,指出BA模型在刻画真实网络上的不足,即团簇系数不高.在BA模型的基础上引入加边机制,提出了一种改进模型.数值模拟结果表明：在改进模型中,网络在保持BA模型无标度性质的同时,具有较高的团簇系数;网络的团簇系数C随改进模型中加边概率p的增大而增大,当p=1时,网络的团簇系数比同等规模的BA模型提高了约100倍.     

顾及时间和水位因子的卡尔曼滤波法在大坝变形分析中的应用

建立变形与时间相关关系的变形模型，从中找出变形与时间相关关系的最佳变形模型；再建立变形与水位相关关系的变形模型，从中找出变形与水位相关关系的最佳变形模型；然后以变形与时间相关关系及变形与水位相关关系的最佳变形模型为基础，建立变形与时间、水位相关关系的变形模型，最后将变形与时间、水位相关关系的变形模型的模型参数作为状态向量，用卡尔曼滤波法进行大坝变形分析，实例计算表明这种建模方法效果较好．     

考虑期望间距的全速度差模型及其能耗

基于全速度差(full velocity difference,FVD)模型,通过考虑期望间距,提出了一种推广的车辆跟驰模型,即扩展的全速度差(extended FVD,EFVD)模型;并给出能量耗散的计算公式,对EFVD模型的能耗进行了研究。信号灯车队启动问题的模拟结果表明EFVD模型的启动延时时间和启动波速均在允许的范围内,加速度较优化速度(optimal velocity,OV)模型和FVD模型略小,且加速过程更贴近现实情况。车队刹车问题的仿真结果表明EFVD模型不会产生不切实际的减速度问题。通过车队碰撞问题的模拟,可知EFVD模型模拟的车头距大于车辆长度,避免了车辆的碰撞。车流扰动问题的数值模拟结果表明考虑期望间距的影响可以增强交通流的稳定性,在一定程度上抑制交通阻塞。能耗仿真结果表明,EFVD模型的能耗比FVD模型的能耗小。     

水循环综合模拟系统的降雨产流模型研究

重点阐述国内自主研发的水循环综合模拟系统(HIMS,hydro-infomatic modelling system)降雨产流模型的新发展。HIMS原有产流计算主要是基于降雨动态入渗机制的LCM模型,该产流模型是通过大量野外小流域观测试验提出的经验模型。为进一步揭示其物理机制,HIMS研究团队基于物理机制清晰的Green-Ampt模型,提出了新的GAF模型。从理论上通过GAF模型可以直接推导出LCM模型,以及SCS-CN模型,并证明了LCM模型是GAF模型的高精度幂指数近似,而SCSCN模型是GAF模型的倒数线性近似解简化;通过对GAF模型解析解的深入分析,提出了两参数SCS-CN修正模型,使之包含了雨强的影响。