自组织径向基网络及其混合学习算法

提出了一种自组织径向基人工神经元网络,并赋予该网络非监督子组织和监督续习混合学习算法．该网络既具有非监督自组织功能,又具有监督学习功能．给出了自组织径向基网络应用示例,验证了自组织径向基网络应用示例和自组织径向基网络的函数实现功能及模式分类功能．     

加氢精制神经元网络模型的研究

文章采用径向基函数神经元网络建立了加氢精制反应器数学模型.选用高斯核函数作为其网络核函数,网络中心参数的求取采用K-means方法,网络中心数目的确定采用统计F检验方法,网络输出层权值的求取采用递推最小二乘方法.经过现场实测数据检验证明,建立的RBF神经元网络模型对加氢脱硫率和脱氮率具有良好的预估精度.     

神经网络在手写体字符识别中的应用研究

总结了神经网络被用于手写体字符识别分类中的应用情况，分析了所采用的反向传播神经网络、径向基函数神经网络、自组织神经网络等网络模型及其最新的应用情况，详细介绍了神经网络集成的一些方法,并根据目前的研究现状，指出用于分类器设计的神经网络集成方法和理论研究是未来的重要研究课题.     

加氢精制神经元网络模型的研究

文章采用径向基函数神经元网络建立了加氢精制反应器数学模型。选用高斯核函数作为其网络核函数 ,网络中心参数的求取采用K -means方法 ,网络中心数目的确定采用统计F检验方法 ,网络输出层权值的求取采用递推最小二乘方法。经过现场实测数据检验证明 ,建立的RBF神经元网络模型对加氢脱硫率和脱氮率具有良好的预估精度     

基于模糊聚类的RBF分类器的设计与实现

提出一种RBF网络设计方法,利用模糊c均值聚类算法确定径向基函数的数目、基函数中心及宽度,输出层权值由线性方程组确定.对uci数据集进行分类仿真实验,证明利用该方法设计的RBF网络分类效果良好.     

基于自组织特征映射网络的纹理分类研究

提出了基于自组织特征映射网络（ＳＯＭ）的纹理分类方法。采用了适合纹理分析的纹理谱（ＴＳ）的概念，并在分类过程中引入了纹理谱特征向量，纹理谱向量是ＴＳ经过降维处理得到的。该特征向量反映了空间模式的纹理特征。在学习（训练）与分类识别中，采用了神经元网络模型。与ＴＳ相对应的特征向量重复地送入ＳＯＭ网络的输入端，网络的权向量则逐渐地将样本值聚类到各自的样本中心。计算机模拟实验表明，作者提出了纹理分类方案十     

用神经网络进行雷达辐射源识别研究

为提高雷达辐射源识别系统的识别率，分析了BP神经网络、径向基神经网络和径向基概率神经网络等3种神经网络的结构和性能．用假设的10部雷达参数产生数据进行实验．仿真结果表明，应用径向基概率神经网络能大幅提高雷达辐射源识别的识别率，该网络在雷达辐射源识别中的分类性能明显优于其他2种神经网络．     

用于地物图像分类的神经网络的构造

对神经网络在模式识别中的应用进行了研究 ,针对军用点状地物识别这一具体问题 ,比较了径向基函数网络和多层感知器神经网络 ,提出了一种径向基函数三阶自相关神经网络 ,设计出一种自适应隐层单元个数选取算法 ,并把构造的分类器用于地物图像的分类实验 ,结果表明该算法能很好的自适应控制网络规模 ,网络模型具有任意平移不变性和很快的训练速度 ,且有良好有容错性和较高的识别率     

基于分布式神经网络的焦炭质量预测模型

焦炭质量预测模型是确保焦炭生产顺利的基础．但在生产多种类焦炭时，模型的泛化能力变差．针对此问题，提出了基于分布式神经网络的焦炭质量预测模型，给出了基于粗划分的自组织网络初始权值选取方法，通过对基于遗传算法一反向传播人工神经网络的预测模型(GA-BP)和基于自组织映射网络一径向基函数的分布式神经网络(SOM-RBF)的预测模型比较，发现后比前的预测精度高且稳定，完全满足现场要求。     

用于地物图像分类的神经网络的构造

对神经网络在模式识别中的应用进行了研究,针对军用点状地物识别这一具体问题,比较了径向基函数网络和多层感知器神经网络,提出了一种径向基函数三阶自相关神经网络,设计出一种自适应隐层单元个数选取算法,并把构造的分类器用于地物图像的分类实验,结果表明该算法能很好的自适应控制网络规模,网络模型具有任意平移不变性和很快的训练速度,且有良好的容错性和较高的识别率。     

一种确定染色体图象着丝点位置的方法

在染色体自动识别（或自动核型分析）中,染色体线粒指数为其分类的重要特征,文中给出了求解着丝粒位置的一种算法,并对算法的进行了分析,证明了算法的正确性与有效性。从而有染色体自动识别与分析提供了重要的特征依据。     

径向基网络的模糊逻辑运算性质

对径向基网络的功能进行了研究,并对该网络的神经计算功能与模糊逻辑运算进行了对比分析,得出了以下结论：径向基网络具有模糊逻辑运算的性质,从某种意义讲,径向基网络是一种神经元模糊系统．论文给出了径向基网络求解“蝴蝶”模糊聚类问题的示例,验了理论分析的结果．     

基于小波描述子的染色体自动识别方法研究

提出了一种对染色体图像进行自动分析的方法.首先基于边缘检测的区域生长法从细胞染色体显微图像中分割出单个染色体,然后利用H aar小波描述子刻画单个染色体形状特征,最后再据此对染色体进行配对.实验结果证明:利用该方法完成一张染色体显微照片的分析工作仅需要大约10 min,较人工作业大大提高染色体图像的分析效率,并且在染色体分散良好、不存在交叉染色体的情况下,染色体的正确配对率达到90％以上.     

船舶协同设计团队模型及智力资源评价方法研究

协同设计已经成为现代设计发展的趋势.为了满足船舶设计行业的需求,论述了船舶协同设计团队构成及其组织结构,建立了基于矩阵式管理和合同网并具有学习能力的协同设计团队组织模型,在团队的组建过程中,智力资源的正确评价与选择是建立高效团队的先决条件.影响资源评价与选择的因素很多,选取了9个较重要的影响因素,采用层次分析法(AHP)对要进入团队的智力资源从多个方面进行综合评价,通过该方法可以对候选智力资源进行排序,根据排序结果择优选择.此方法为智力资源的选择提供了一种定量研究方法,使船舶协同设计团队能够得到合适的智力资源,提高了团队的整体工作效率和设计能力.     

通用回归神经网络及其用于渣油裂解建模

为建立准确的渣油裂解装置经验模型,采用了一种特殊的径向基函数网络--通用回归神经网络(general regression neural network, GRNN).GRNN具有明确的概率意义,结构和连接权均完全确定,克服了一般径向基网(RBFN)设计和训练上的困难.在分析了平滑因子对GRNN性能的影响后,设计了改进的进化规划算法(MEP)以优选平滑因子,并建立MEP-GRNN模型.该模型用于渣油裂解建模时,其预报精度和稳定性比RBF-PLS等方法均有所提高,表现了MEP-GRNN为非线性过程建模的优势.     

基于遗传算法和粒子滤波器的非刚性目标跟踪

基于目标颜色特征，将遗传算法和粒子滤波器相结合进行非刚性目标的实时跟 踪：一般情况下，采用遗传算法跟踪目标，以最优个体作为目标状态；当发生较严重遮挡时，最优个体不一定是目标的真实状态，利用粒子滤波器的思想，以各个体的加权平均作为跟踪结果来克服遮挡影响.实验结果表明该混合算法具有较强的鲁棒性，能有效实现复杂场景下的目标跟踪.     

Structural choice based on knowledge discovery system

0　ＩＮＴＲＯＤＵＣＴＩＯＮＳｔｒｕｃｔｕｒａｌｃｈｏｉｃｅｉｓａｎｉｍｐｏｒｔａｎｔｐｈａｓｅｏｆｔｈｅｌａｒｇｅｓｃａｌｅｅｎｇｉｎｅｅｒｉｎｇｐｒｏｊｅｃｔｗｈｉｃｈｉｎｃｌｕｄｅｓｅｓｔａｂｌｉｓｈｍｅｎｔｏｆｔｈｅｅｎｇｉｎｅｅｒｉｎｇｐｒｏｊｅｃｔ,ｆｅａｓｉｂｉｌｉｔｙａｎａｌｙｓｉｓ ,ｇｌｏｂａｌａｌｌｏｃａ ｔｉｏｎ ,ｓｔｒｕｃｔｕｒａｌｃｈｏｉｃｅ ,ｇｌｏｂａｌｓｙｓｔｅｍｏｐｔｉｍｉｚａｔｉｏｎ ,ｏｐｔｉ ｍａｌｓｔｒｕｃｔｕｒａｌｄｅｓｉｇｎ ,ｃｏｎｓｔｒｕｃｔｉｏｎ ,ｍａｉ…     

基于遗传算法和粒子滤波器的非刚性目标跟踪

基于目标颜色特征，将遗传算法和粒子滤波器相结合进行非刚性目标的实时跟踪：一般情况下，采用遗传算法跟踪目标，以最优个体作为目标状态；当发生较严重遮挡时，最优个体不一定是目标的真实状态，利用粒子滤波器的思想，以各个体的加权平均作为跟踪结果来克服遮挡影响。实验结果表明该混合算法具有较强的鲁棒性，能有效实现复杂场景下的目标跟踪。     

基于混合神经网络的ECG数据压缩

提出了一种基于神经网络自适应模板匹配（ＮＮＡＴＭ）的ＥＣＧ压缩方法,利用Ｋｏｈｏｎｅｎ的自组织特征映射（ＳＯＦＭ）对ＥＣＧ波形进行分类,然后根据分类结果将心搏波形送往相应的前馈网络压缩,并生成一匹配模板,最后用ＳＡＰＡ３算法对残差信号进行处理。对以２５０Ｈｚ和１１ｂｉｔ量化的ＭＩＴ／ＢＩＨ心电波型的实验表明,该方法压缩效果好于ＳＡＰＡ３算法。     

前馈神经网络模式分类器的推广能力

研究了前馈神经网络模式分类器的推广能力．从几何和概率两个方面分析了前馈网络用于模式识别的分类机理，在前人证明的基于误差最小的有导师（１和０）前馈网络输出端输出为模式样本后验概率估计结论的基础上，给出了径向基函数网络推广的核函数定理；对于两层感知器网络，提出使用加性噪声的样本来增加网络的推广能力．最后使用实测的五种飞机目标一维距离（纵向）象实验数据进行了模拟实验．