一种基于模糊神经网络的自适应模糊辨识方法

基于改进的T-S模型，提出一种自适应模糊神经网络模型(AFNN)。首先，基于模糊竞争学习算法确定系统的模糊空间和模糊规则数，并得出每个样本对每条规则的适用程度。其次，利用卡尔曼滤波算法在线辨识AFNN的后件参数。AFNN具有结构简洁，逼近能力强，能够显著提高辨识精度，并且辨识的模糊模型简单有效。最后，将该AFNN用于非线性系统的模糊辨识，仿真结果验证了该方法的有效性。     

AC=BD在微分方程中的应用

利用AC＝BD的思想，将变系数广义KdV方程约化成常微分方程，求出了KdV方程的Lax对。     

滩海区精细地震采集技术攻关试验

针对滩海区特殊的地震地质条件,提出了提高地震资料品质的技术思路,并通过大港南部滩海区小面元三维精细地震采集试验,总结了滩海区精细采集的主要技术方法。     

基于MDA实现前台控制器模式的Web安全

基于前台控制器的模式原理，讨论了采用MDA方式实现该模式的Web安全问题，介绍了2个Web安全集成的元模型：Accessor和SecureUML。     

Word中邮件合并的实用性探讨

本文针对计算机日常应用中输出数据时出现的数据内容不同,而主文档内容相同的工作效率问题,重点阐述了Word中邮件合并的作用,通过实例具体论述了灵活运用邮件合并,能高效率地完成各种批量作业。     

Discovering Frequent Subtrees from XML Data Using Neural Networks

By rapid progress of network and storage technologies, a huge amount of electronic data such as Web pages and XML has been available on Internet. In this paper, we study a data-mining problem of discovering frequent ordered sub-trees in a large collection of XML data, where both of the patterns and the data are modeled by labeled ordered trees. We present an efficient algorithm of Ordered Subtree Miner （OSTMiner） based on two- layer neural networks with Hebb rule, that computes all ordered sub-trees appearing in a collection of XML trees with frequent above a user-specified threshold using a special structure EM-tree. In this algo- rithm, EM-tree is used as an extended merging tree to supply scheme information for efficient pruning and mining frequent sub-trees. Experiments results showed that OSTMiner has good response time and scales well.     

应用统计预测理论研究吉林省海外游客消费结构

在旅游经济学研究与实践中应用统计预测理论,以定量的研究方法代替以往定性的方法,以吉林省入境旅游流为切入点,综合运用主成份分析及回归分析等数理统计分析方法,结合大量的市场调研收集到的相关数据资料,研究了吉林省海外游客消费结构问题.     

用于图像目标识别的神经网络方法

本文提出了一种全局最优的神经网络（ＦｕｌｌＤｏｍａｉｎＯｐｔｉｍｕｍＮｅｕｒａｌＮｅｔｗｏｒｋ）模型用于目标识别。通常所设计的神经网络不能保证全局最优，使得网络不一定收敛到期望样本点上。本文的模型采用了先设计稳定点、再构造吸引域的方法，提高了网络的识别正确率及速度。针对图像识别中矢量维数大的实际，提出了一种不变性方法，使得样本维数下降而分类距离保持不变。同时又证明了网络的收敛性、收敛速度及映射保距等。计算机模拟结果表明，网络对噪声或缺损图均能正确识别。