基于径向基神经网络的股价预测

借助径向基函数（Radial Basis Function)神经网络对非线性函数的逼近能力，对深能源A股价这个时间列作了连续若干天的一步预测，并与其他预测方法进行了比较。结果表明，用径向基神经网络预测股价是可行的和有效的。     

考虑运输损耗和运输成本的多状态配送网络可靠性评估

在考虑运输损耗和运输成本约束情形下,提出多状态配送网络可靠性评估方法。通过引入损耗因子刻画运输损耗,进而根据需求流量和运输损耗建立流分配策略;基于此分配策略、运输边容量约束以及运输成本约束,提出计算配送网络可靠性的极小容量向量方法。通过实例分析验证了算法的有效性,并从可靠性视角探讨了关键运输边的识别方法,研究成果可为管理者在配送网络运维方面提供决策指导。     

基于RBFNN的FDPSO火灾爆炸波及钻井区概率分析

浮式钻井生产储油轮（FDPSO）是一种具备钻井、采油、储存、外输等多项功能的新型浮式生产装置．FDPSO的功能高度集成和密集布置带来了各模块风险的相互影响问题．针对由此引发的一类突出危险事件,即FDPSO装置上外部设备发生的火灾爆炸波及钻井区,展开事件发生概率研究．在定量风险分析的基础上．引入经改进粒子群算法优化的径向基函数神经网络进行概率预测,并验证了该模型的可用性．研究成果有助于设计人员回避繁琐的定量风险分析过程,快速确定不同布置情况下外部火灾爆炸波及钻井区的概率,从而通过合理设计有效控制该风险．     

利用PCNN实现商标图像检索新方法

 为了解决商标存在尺度缩放、角度旋转和区域局部变化后的难以检索的问题,提出了一种基于脉冲耦合神经网络模型(PCNN,Pulsed Coupled Neural Network)的商标检索新方法.首先通过PCNN图像分割和直方图均衡化技术相结合提出了一种有效的图像预处理算法,以减小颜色对于商标灰度分布差异产生的影响.然后在PCNN模型中提出了边缘时间序列概念,并用于提取商标图像的形状特征,最终实现了商标图像的快速有效检索.在所建立的商标库中进行了计算机仿真,仿真结果表明该方法可有效地检索出待检索商标对应的商标图像,可很好地适应商标颜色变化、角度旋转和局部形状变化,体现了较好的检索性能.     

基于模糊综合评估法的扁平化组织系统效能评估

在一定的条件下,扁平化能够提高组织机构的总体系统效能,运用模糊综合评估法对扁平化组织进行系统效能评估,得到量化的评估结果,该量化结果易于比较和分析.     

基于模糊理论的关键词识别算法

针对关键词发音相似易混淆及反词模型难确定、难训练等问题,提出一种结合模糊理论的方法,利用模糊C均值聚类算法对候选关键词进行2次聚类,同时将新的聚类中心作为反词模型进行最后确认.实验结果表明,这种方法使识别率得到了显著的提高.     

基于网络外部性的厂商兼容性问题研究

研究了在具有网络外部性特征的市场中,新进入厂商和在位厂商的兼容性决策问题。通过产品兼容度将消费者的转移成本内生化,并且创造性地将新进入厂商和在位厂商对对方产品的兼容度分开进行独立讨论。研究发现,兼容度水平不是越高越好,而是存在唯一兼容度使得双方的利润最大化,并且在位厂商的利润随新进入厂商兼容度的提高而降低,然而新进入厂商的利润却随着在位厂商的兼容度的提高而提高。     

基于模板的PCNNs指纹细化算法

针对现行的一些细化方法在细化二值指纹图像时容易产生断裂和毛刺的状况,提出了一种基于正方形模板和三角形模板的脉冲耦合神经网络细化方法,并加入一种方向约束条件来避免经常出现的指纹脊线毛刺。实验结果表明,该算法不但能有效地缩短细化时间,而且细化后的指纹图像不会产生断裂和毛刺现象。此外,将该算法应用到自动指纹识别系统中后,不仅缩短了识别时间,而且识别率也得到了明显提高。     

A BP neural network based information fusion method for urban traffic speed estimation

Obtaining comprehensive and accurate information is very important in intelligent traffic system (ITS). In ITS, the GPS floating car system is an very important approach for traffic data acquisition. However, in this system, the GPS blind areas caused by tall buildings and tunnels could affect the acquisition of traffic information and depress the system performance. Aiming at this problem, we developed a novel method employing a back propagation (BP) neural network to estimate the traffic speed in the GPS blind areas. When the speed of one road section is lost, we can use the speed of its related road sections to estimate its speed. The complete historical data of these road sections are used to train the neural network, using Levenberg-Marquardt learning algorithm. Then, the current speed of the related roads is used by the trained neural network to get the speed of the road section without GPS signal. We compare the speed of the road section estimated by our method with the real speed of this road section, and the experimental results show that the speed of this road section estimated by our method is better.     

基于二元树复小波和SVD不变性的纹理图像分类算法

针对双树复小波变换(DT-CWT)用于图像的纹理特征提取时,不具有旋转和尺度不变性的局限,提出了一种基于DT-CWT和SVD的纹理分类算法.该算法首先利用DT-CWT从图像中提取出纹理特征,然后对纹理特征进行奇异值分解获得具有旋转和尺度不变性的特征向量,采用BP神经网络作为分类器,并提出改进的BP算法训练网络,使得网络很快找到全局最优解.将本方法与其他的分类算法进行比较,实验结果表明,本算法具有较高的分类正确率.