基于粗糙集的神经网络缺陷分类方法的研究

目的减小BP网络的维数，提高网络的训练速度与精度．方法采用粗糙集软计算方法对墙地砖的原始特征进行优化，去除冗余特征，并采用BP网络对测试样本中随机选取的样本进行测试．结果通过对该算法的仿真，证明了该算法具有良好的识别精度．结论采用粗糙集理论对原始数据进行特性约简，除去了冗余特征，完成预处理的过程，缩短了神经网络分类器训练时间，提高了分类精度，在一定程度上提高了系统实时性     

基于计算智能技术融合的故障识别方法

为了提高复杂系统故障识别的精度和降低误报率,利用粗糙集理论、遗传算法、神经网络等计算智能方法的优势,提出一种基于计算智能技术融合的故障识别方法.针对原始样本数据的不确定性和不完备性,利用粗糙集对原始样本数据进行数据归一化、离散化、属性约简等预处理,求得能够覆盖原始数据特征的具有最大完备度的最小规则集.利用具有全局搜索能力的遗传算法直接训练反向传播神经网络的权值,将规则集作为网络输入,形成优化网络模型.采用该模型对预处理的各种状态故障特征向量进行分类决策,实现故障识别.通过电机轴承故障识别实验表明,该方法能够优化网络结构,提高故障识别速度和准确率.     

基于粗糙集-神经网络的产业集群生命周期识别

将粗糙集理论与神经网络相结合,构建了基于粗糙集-径向基(RBF)神经网络集成的产业集群生命周期识别模型.该模型运用基于MDV(maximum discernibility value)函数与信息熵的模糊聚类算法进行连续属性离散化处理,采用粗糙集理论约简出重要指标体系,将训练样本输入RBF神经网络进行学习和训练,进而对检验样本的生命周期阶段进行判断.对我国138组产业集群样本数据的分析结果表明:基于MDV函数与信息熵的模糊聚类算法能够有效改善离散化效果,且该模型对检验样本的总体预测精度达到82.61%,从而证实了该识别模型的有效性和实用性.     

胶合板缺陷识别方法比较研究

结合胶合板缺陷检测分类,通过对比研究了几种有效、实用的模式分类方法,讨论了该方法的优势和局限性,提出了一种基于粗糙集和神经网络的模式分类方法.利用粗糙集处理图像特征中冗余的或较差的属性特征,有效地减小了网络规模,将该特性和神经网络的非线性映射能力和很强的抗干扰性相结合,能够进一步提高分类精度和收敛速度.在胶合板缺陷识别的实际应用中,其识别精度达到了90 93%,循环次数较粗糙集预处理前平均下降了1000余次.研究结果表明粗糙集神经网络模式识别方法适于胶合板缺陷分类.     

一种多属性约简支持向量机混合分类方法

针对属性特别多仅用一种属性约简方法难以实现有效约简的情况,提出了基于双重属性约简的混合支持向量机分类方法.通过引入贡献率和正确率两个概念,首先采用主成分分析算法计算各个条件属性的贡献率,根据贡献率大小和给定的阈值去掉条件属性中贡献率小的成分,提取信息量最大的主要成分;然后再基于粗糙集的属性约简理论,计算这些主要成分对决策变量的正确率,对这些属性进行第二次约简;该方法采用定性定量相结合的方式,可以最大程度地去除属性集中冗余的或不重要的属性,保证将最简的属性样本集输入支持向量机进行建模预测.最后的仿真试验验证了我们所提方法的有效性和正确性.     

RS与FNN集成在焊接缺陷识别中应用

针对焊接图像缺陷识别中提取的特征受噪声干扰比较严重,以及现有的识别算法准确率低的问题,提出了一种粗糙集(RS)和模糊神经网络(FNN)集成的缺陷识别算法.首先使用模糊C-均值聚类算法对样本属性离散化,然后使用RS对离散化后的样本数据进行属性约简得到决策规则,并使用π函数根据聚类的中心和半径对属性进行模糊化,克服RS对噪声敏感问题;根据得到的精简模糊决策规则和模糊逻辑推理确定FNN的结构,使用依赖度和规则的条件覆盖度确定网络的初始参数,考虑到样本中数据的可信度问题,用加权代价函数调整模型参数.仿真实验表明,本算法解决了分类过程中样本数据受到噪声干扰引起的不确定性、FNN结构难以确定的问题,能有效地提高焊缝图像缺陷的识别能力.     

基于粗糙集理论的肺癌细胞图像识别

肺癌细胞的早期诊断相当困难，肺癌细胞的特征选择依据难以把握．提出根据肺癌细胞的每个特征属性对粗糙集下、上近似集的影响程度作为属性约简的依据，根据约简的结果，再采用扩展的相近关系粗糙集对肺癌细胞进行识别诊断．利用下近似集中的结果进行判断可以提高识别的准确率，利用上近似集中的结果进行判断可以降低肺癌细胞识别的漏诊率．从识别的结果来看，方法行之有效．     

一种粗糙模糊神经网络识别器及其应用

结合粗糙集和模糊神经网络提出了一种粗糙模糊神经网络识别器的模型.该模型根据粗糙集理论对训练样本进行建立决策表、离散决策表、约简决策表、提取分类规则等推理过程设计.粗糙模糊神经网络识别器的输入层、两个隐含层、输出层的神经元个数分别根据决策表的约简结果、离散结果和分类规则、决策属性决定.将该识别器用于车牌字符识别,实验表明:该方法比粗糙集规则匹配识别方法识别率提高了18%,比BP神经网络识别方法识别率提高了2.7%.     

粗糙集神经网络在图像分割中的应用

提出了粗糙集神经网络用于图像分割的方法.该方法利用粗糙集约简理论对分割后的图像区域特征进行约简,以降低特征向量维数,抽取出规则,然后根据这些规则构造神经网络隐含层的神经元个数,从而确定粗糙集神经网络的结构.粗糙集神经网络中每个神经单元的输入为区域值,输出为决策分类值,此时权值预设为各规则粗糙隶属度值,然后用BP算法迭代,最终实现图像的分割.试验证明,该方法大大缩短了训练时间,提高了精度,并且得到优于常规的分割图像以及满足图像处理的实时性要求.     

一种智能化的数据分类、分级及保护模型

结合本体和粗糙集理论,提出了一种数据分类分级及保护模型.从业务流程的角度出发对数据进行分类,建立分类数据本体;利用粗糙集理论对数据进行属性约简,并利用规则对约简后的数据进行智能分级,进而对不同等级的数据采取不同的保护措施;还利用粗糙集理论从历史数据中挖掘规则,进行本体学习.以某省电力系统为例进行实验.结果表明,该模型能按照不同单位的特点对数据进行合理分类分级.     

粗糙集-神经网络集成的WSN节点故障诊断

提出一种粗糙集-神经网络集成的无线传感器网络(WSN)节点故障诊断新方法。根据无线传感器网络的应用环境和故障特征得到诊断决策表,利用改进的粗糙集中的归纳属性约简算法对诊断决策表进行属性约简,用Hamming网络建立一套故障分类的方法。仿真实验结果显示,该诊断算法在进行WSN节点故障诊断时,诊断准确性高,通信代价小,能耗低,鲁棒性高。     

非电起爆网路无线监测系统的研究

利用分布式采集方式采集工程爆破中非电起爆网路的起爆信息,经过STC89LE52单片机控制技术处理,采用JF24D-B通过无线通信技术,传输信息至监控中心,由单片机分析信息后将数据通过通用串行总线传输到上位机进行处理。实现非电起爆网路的无线监测。     

基于双谱识别和人工免疫网络的智能故障检测

针对故障诊断中人为评估振动谱图而导致诊断结果不稳定的情况,提出基于振动谱图模式识别的故障诊断方法,利用Hilbert包络分析和双谱分析的组合方法来提取振动信号的故障频率特征,进而采用双谱图的灰度共生矩阵（GLCM）及其特征统计量来表征故障特征.改进了人工免疫网络（AIN）分类算法,将特征统计量作为抗原,通过对抗原的学习训练,形成记忆抗体集;通过判断待检验抗原与记忆抗体的匹配程度,实现故障分类识别.滚动轴承故障诊断实践证明,人工免疫网络分类方法具有良好的适应性,取得了较BP神经网络更好的检测准确率.     

下一代网络终端管理系统体系结构及流程实现

为了实现下一代网络中大量异构终端网络和设备的远程集中监控和自助管理,满足用户终端网络与公众通信网络共同管理模式下的终端管理需求,提出下一代网络终端管理系统体系结构,详细分析了体系结构中的构成组件和相关功能. 该体系架构支持终端网络和设备的运行状态监控和业务保障,基于上下文管理和策略管理技术实现用户在异构终端环境下的自由通信,支持用户进行终端网络和设备的远程管理,并与公众通信网络运营支撑系统协作,实现用户终端网络和公众通信网络的统一管理. 通过业务使用和业务无缝接续场景说明了该终端管理系统的业务流程实现.     

基于径向基函数神经网络的自适应滤波器

自适应滤波器在信号检测、信号恢复、数字通信等领域中被广泛应用。传统的自适应滤波器主要在时域中实现。通常采用算法简单、稳健性好的自适应LMS算法。但LMS算法对输入信号的自相关矩阵具有很强的依赖性,因而自适应率不高。本文提出利用RBF神经网络实现的自适应滤波,并将其用于语音除噪和脉象信号的除噪。仿真结果表明该方法具有良好的非线性噪声抑制能力。     

基于分级结构的分簇算法在试验场机动通信组网中的应用研究

针对国防科研试验对机动通信网的要求，提出基于分级结构的改进型自适应权值分簇算法，并对该算法各性能指标进行仿真分析，结果表明：将该算法应用于分级结构的机动通信组网中，能实现对现有通信网的有效补充和合理延伸。     

基于GSM模块的无线抄表终端设计

为克服现有抄表方法的缺陷,以GSM通信模块为核心开发了远程无线抄表终端系统,介绍了其软硬件构成和设计方法.抄表终端通过RS485总线读取电能表数据,并遵循我国电力行业通讯规约标准,然后通过GSM网络与抄表中心进行数据、命令传输,最后实现无线远程抄表.该方案成本低、实时性好.     

基于B/S模式的远程实时监控系统的实现

经过对B/S模式及RS-485串口通信原理的分析,提出了在工业控制领域中,使用广域网技术,通过Web对远程生产系统实现实时监控方法,并针对这一模型结合实时系统特点提出了一种新的解决方案,实现了485串口通信、数据的存取访问和远程命令控制.     

基于轴向积分双谱与灰色关联分类器的通信辐射源识别

针对现有技术对通信辐射源个体识别率低、占据计算资源的问题, 进行了无线通信辐射源特征提取和分类以及物理层认证的相关研究, 提出了一种基于轴向积分双谱(AIB)和灰色关联分类器(GRC)的通信辐射源个体识别模型。首先将预处理的辐射源无线信号进行双谱变换, 提取二维双谱特征, 然后以AIB和主成分分析(PCA)理论进行一维特征映射及降维, 最后通过GRC实现无线通信辐射源的物理层识别。该模型具备认证速度快、计算复杂度低、多系统易移植等特点, 且无需考虑各种通信协议及编码设定。     

通讯连接在多用户文件共享系统中的应用

分析了分布式文件共享系统的现状，提出了一种基于对等技术实现的通讯连接方法，并将此方法应用在多用户分布式文件共享系统中.系统以共享名为主，服务器只拥有共享名列表，共享文件和共享文件目录分布在远端计算机中，实现客户端和客户端直接互访.共享信息不通过服务器，避免了共享信息的不合理公开，降低了服务器的信息流量，减小了服务器的工作负担，充分利用了客户端的处理能力，将网络终端分散的资源进行了合理的组织.