处理旋转运动图象模糊问题的一种算法

提出了处理旋转体图象运动模糊现象的一种算法。该算法取决于图象退化过程的先验知识。在先求出匀速直线运动模糊处理算法的基础上,推导出匀速旋转体的运动模糊处理算法。实验结果表明,该算法较好地解决了图象运动模糊问题。     

人工神经网—遗传算法在水泥强度预测中的应用

针对水泥２８ｄ抗压强度预测的多变量、非线性、大时滞特点,提出了一种以人工神经网与特殊的十进制数编码的遗传算法相结合的水泥２８ｄ抗压强度预测方法,并对两组不同标号的水泥进行了预测试验,所得结果证明此种方法具有一定的可行性。     

基于保守自适应K-最近邻算法的维数约简

针对传统的k-最近邻算法存在不能根据样本密度进行自适应选择近邻点数目的缺陷,提出一种改进型的保守自适应k-最近邻算法。该算法首先对每个样本点选择m个近邻点,m取一个比较小的正整数,以保证不存在某个样本点无近邻点;其次把每个样本点的第m+1个最小的欧式距离作为最小值,最小值的α倍作为寻找近邻点的阈值;最后应用经典MDS算法计算。swiss-roll数据集上的降维实验结果表明,降维后的数据能很好地保持原有数据的邻域特性,能有效快捷地寻找近邻点。     

基于多表达式编程的汇率预测的研究

由于汇率预测(Exchange Rate Prediction)是一种不确定、非线性、非平稳的时间序列预测问题,传统的方法往往难以得到满意的结果.多表达式编程(Multi Expression Programming,MEP)是一种新型的线性编码的遗传编程(Genetic Programming)的变种.提出一种克隆选择算法优化的多表达式编程模型对国际上3种重要的汇率数据进行了建模和预测,实验结果表明,该模型克服了传统进化算法优化的遗传编程及人工神经网络早收敛、难以找到全局最优解的缺点,取得了令人满意的结果.     

Classification of Cancer Cells Using Neural Networks in Combination with Expert Experience

ＣｌａｓｓｉｆｉｃａｔｉｏｎｏｆＣａｎｃｅｒＣｅｌｓＵｓｉｎｇＮｅｕｒａｌＮｅｔｗｏｒｋｓｉｎＣｏｍｂｉｎａｔｉｏｎｗｉｔｈＥｘｐｅｒｔＥｘｐｅｒｉｅｎｃｅＳｈｉＫｕｉｆａｎ（史奎凡），ＣｈｅｎＹｕｅｈｕｉ（陈月辉），ＤｏｎｇＪｉｗｅｎ（董吉文）Ｄｅ...     

一种改进的遗传算法

给出一种使适合度函数参数,交叉概率和突变概率随搜索精度自适应调整的遗传算法,并以直接从输入输出数据中提取模糊规则为例与常规遗传算法进行了仿真比较,该算法明显优于常规算法。     

利用遗传编程的符号表达式逼近任意非线性函数

在非线性系统的输入输出关系未知的情况下,以其输入输出数据作为训练样本,利用遗传编程算法,随机优化出一个能够完全拟合这批数据的符号表达式,该符号表达式完全反映了非线性系统的内部规律性。模拟实验表明,该算法精度高、可推广性强。此外,该算法可用于非线性系统的建模、预测和控制。     

基于EDP算法的股票价格预测

股票价格预测一直是金融分析领域的一个重点和难题．目前，运用智能系统对股票市场进行预测的方法已经被广泛确立．本文提出了用基于贝叶斯网络的EDP算法进行股票预测的模型，相对于传统的预测方法，具有收敛速度快的特点，根据实验的仿真结果显示，该模型对于股票价格预测效果较好．     

蛋白质亚细胞定位预测研究进展

蛋白质的功能与其在细胞中的定位有着密切的联系,新合成的蛋白质必须处于适当的亚细胞位置才能正确的行使其功能．预测蛋白质的亚细胞定位,在确定一个未知蛋白质的功能,了解蛋白质相互作用等方面有着重要的意义．机器学习方法在蛋白质亚细胞定位研究中扮演着一个重要的角色．笔者从数据集的构建、蛋白质序列特征提取方法、蛋白质亚细胞定位预测算法以及预测算法的性能评估等四方面总结了过去十几年间机器学习方法在蛋白质亚细胞定位研究中的应用情况,系统阐述了蛋白质亚细胞定位预测研究的进展．     

基于组合特征集成的蛋白质相互作用位点预测

运用RBF神经网络预测蛋白质相互作用位点.首先提取序列谱、保守权重、熵值、复合物可及表面积和序列变化率等一系列蛋白质相互作用位点的关键特征.然后应用RBF神经网络以及它们的集成来对这些样本集进行训练与测试.使用10次交叉验证进行训练与测试,创建了4组具有对比性的蛋白质相互作用特征组合.实验中每加入一种新的特征时正确预测率都会相应的提高,特别是加入可及表面积和序列变化率特征时正确率提高幅度更大,表明利用多特征组合,结合RBF神经网络算法进行预测蛋白质相互作用位点的方法是正确有效的.