ART-2及其改进方法综述*

ART-2是一种基于自适应谐振理论的自组织神经网络,广泛应用于模式聚类与识别等方面.本文介绍原始的ART-2的结构和运算过程,分析它的训练算法,探讨其固有局限性.归纳总结各主要改进ART-2的背景、目标和实现,评述它们的特征及适应场合.最后指出进一步改进ART-2的一些思路,在解决具体问题运用各方法的一些参考原则和ART-2的理论应用价值.     

基于改进的ART-2神经网络的IDS的设计

提出了一种基于改进的ART-2神经网络的入侵检测系统,采用新的非线性变换函数和竞争层学习算法克服了ART-2神经网络的“预处理信号畸变”和“同相位不可分”问题,使之更适用于入侵检测,提高了检测的准确率和对未知入侵的自适应识别能力。     

改进的局部保持投影算法的多模型软测量

针对化工生产过程中软测量模型估计精度的问题,提出一种基于改进的局部保持投影算法的多模型建模方法。该方法通过有监督自适应权值的局部保持投影算法对输入数据空间进行特征提取,并结合最近邻分类器算法进行输入空间的划分,最后融合支持向量机实现多模型建模。仿真应用结果表明:将改进的局部保持投影算法应用在UCI数据库的Iris数据集的分类中,其分类精度高于基本的局部保持投影算法的分类精度;同时将改进的局部保持投影算法的多模型建模方法应用于双酚A生产的软测量多模型建模中,该方法能够有效的进行输入空间地划分,构建回归模型的数据更加合理,使得模型估计精度得到了提高,并具有更强的泛化能力。     

改进的混合高斯背景建模算法

针对传统的混合高斯背景建模算法实时性差及对光照等引起的环境突变适应性差的问题,提出一种改进算法。通过定义模型生存时间、连续匹配次数等参数定量约束模型的生存时间,改进传统算法中固定模型数量的限制,提高背景建模速度;通过定义突变因子、突变持续时间,检测光照突变。仿真实验表明,改进算法实现了模型数量的自适应增减,提高了建模效率,对由传统建模算法实时性差造成的误检及光照突变引起的误检能较好的解决,具有较强的鲁棒性。     

基于改进“自适应转弯”模型的机动目标跟踪算法

提出了多模型(交互多模型)跟踪机动目标的一种有效算法。对机动目标跟踪的自适应转弯模型建模方法进行了深入研究,对通过计算转弯率而建立跟踪模型方法进行了总结,指出了相关文献中的自适应转弯模型在实际应用中存在的不足,由此提出了两种采用平均转弯率的建模的方法,即在算法中引入α和β参数调整转弯率的粗糙度,使用平均值的方法估计转弯率。通过仿真试验说明了改进算法的必要性和新建模型的有效性。     

多视点识别三维运动目标新方法

本文讨论了从多视点识别三维运动目标问题．该方案基于对连续输入的二维图像聚类,构成 三维目标的特征视图和转移矩阵,利用极 对数坐标变换（LPM）和离散付立叶变换（DFT） 提取出与目标二维特征视图的位置、比例和旋转无关的特征向量．ART-2模型作为目标特征 信息的存储器和分类器．实验中对ART-2神经网络进行了改进,取得了满意的结果．     

多视点识别三维运动目标新方法

本文讨论了从多视点识别三维运动目标问题。该方案基于对连续输入的二维图像聚类,构成的三维目标的特征视图和转移矩阵。利用极-对数坐标变换(LPM)和离散付立叶变换(DFT)提取出与目标二维特征视图的位置、比例和旋转无关的特征向量。ART-2模型用于目标特征信息的存储器和分类器。实验中对ART-2神经网络进行了改进,取得了满意的结果。     

一种发动机动力系统的非线性建模方法

为了提高发动机动力系统建模的性能,提出了一种支持向量机与克隆选择算法相集成的发动机动力系统建模新方法;该方法采用支持向量机构建发动机动力系统的多输入单输出非线性回归模型,模型的参数向量由改进的克隆选择算法和训练样本集平均绝对误差最小的准则进行自适应整定;实验结果验证了该方法的有效性,模型的精度与稳健性明显优于常规神经网络方法及改进神经网络方法,对发动机动力系统建模与预测研究具有较好参考价值。     

一种基于Kalman滤波器的自适应背景建模改进算法

基于传统Kalman滤波器理论的背景建模方法,不能很好地解决目标缓慢运动导致背景模型出现拖影的问题。针对该问题,提出了一种结合Kalman滤波器理论与动态区域重构的自适应背景建模改进算法,介绍了Kalman滤波器理论主要思想和改进算法的方法流程与效果。与传统的Kalman背景建模相比,该方法在增加少量计算复杂度的前提下,较好地解决了目标缓慢运动导致背景模型出现拖影的问题,同时也能较好地消除背景噪声。通过对图像序列的仿真实验证明:该方法具有很好的实用性与鲁棒性。     

污水处理过程聚类多模型建模与应用

针对污水生化处理过程单模型建模存在计算量大和精度差等的问题,提出一种改进的有监督的k-means聚类算法的ARX多模型建模方法。该方法引A．CCIA算法初始化聚类中心的思想,对样本数据进行聚类及二次聚类划分,并对各类数据分别建立ARX子模型,系统模型通过子模型加权合成。将该方法应用于污水处理过程中氨氮浓度模型辨识,仿真结果和实际污水处理厂实践结果表明,该建模方法具有较高的精度,能准确拟合系统的非线性特性。     

基于ART-2神经网络及不变矩特征的图像模式识别

将图像进行预处理并提取图像的特征,计算出图像的不变矩,利用ART-2神经网络完成了对图像的模式识别。通过实验证明ART-2神经网络具有较高的识别率,并很好地解决了神经网络在模式识别中面对识别对象出现新模式时,网络的可塑性与稳定性的矛盾。     

一种SOM和GRNN结合的模式全自动分类新方法

非监督学习算法的分类精度通常很难令人满意,而监督的学习算法需要人工选取训练样本,这有时很难得到,并且其分类精度直接依赖于所选取的学习样本。针对这些缺陷,提出一种非监督自组织神经网络(SOMNN)和监督的广义回归网络(GRNN)结合的全自动模式分类新方法。新方法首先通过SOMNN将原始数据进行自动聚类,再用所得的聚类中心以及中心邻近数据点训练GRNN,然后根据GRNN的分类结果重新计算聚类中心,再根据新的聚类中心和中心邻近点训练GRNN,如此反复,直至得到稳定的中心为止。Iris数据,Wine数据的实验结果都验证了新方法的可行性。     

一种基于改进ART-2的入侵检测方法

指出了直接把标准ART-2网络应用于入侵检测时存在的两个问胚：对基本相似、仅有个别分量差别较大的向量不能正确分类；输入向量特征丢失。并根据入侵检测的特定应用，相应地提出在首先对输入向量进行规范化处理．然后用新引入的一种具有更严格测试准则ART-2网络对其进行处理的方法，以期提高入侵检测系统的检测率和误检率。     

A Bayesian Diagnostic Algorithm for Student Modeling and its Evaluation

In this paper, we present a new approach to diagnosis in student modeling based on the use of Bayesian Networks and Computer Adaptive Tests. A new integrated Bayesian student model is defined and then combined with an Adaptive Testing algorithm. The structural model defined has the advantage that it measures students' abilities at different levels of granularity, allows substantial simplifications when specifying the parameters (conditional probabilities) needed to construct the Bayesian Network that describes the student model, and supports the Adaptive Diagnosis algorithm. The validity of the approach has been tested intensively by using simulated students. The results obtained show that the Bayesian student model has excellent performance in terms of accuracy, and that the introduction of adaptive question selection methods improves its behavior both in terms of accuracy and efficiency.     

Hybrid system of ART and RBF neural networks for online clustering

An online clustering task is considered for machine state monitoring purpose. In the previous authors’ researches a classical ART-2 network was tested for online classification of operational states in the context of a wind turbine monitoring. Some drawbacks, however, were found when a data stream size had been increased. This case is investigated in this paper. Classical ART-2 network can cluster data incorrectly when data points are compared by using Euclidean distance. Furthermore, ART-2 network can lose accuracy when data stream is processed for long time. The way of improving the ART-2 network is considered and two main steps of that are taken. At first, the stereographic projection is implemented. At the second step, a new type of hybrid neural system which consists of ART-2 and RBF networks with data processed by using the stereographic projection is introduced. Tests contained elementary scenarios for low-dimensional cases as well as higher dimensional real data from wind turbine monitoring. All the tests implied that an efficient system for online clustering had been found.     

基于Petri网的Web服务BPEL4WS建模与分析

描述了Web服务业务流程执行语言(BPEL4WS或BPEL)的Petri网建模方法，利用网结构描述基于Web服务业务流程的行为特性。在对BPEL4WS的结构性活动和故障补偿处理机制进行逐层分析的基础上，提出了一个利用Petri网的逐步求精技术对流程进行建模的算法。然后结合具体实例阐述了利用该算法建模的详细过程，并对所生成的Petri网模型进行了完整性（soundness)验证     

Style-based modeling and refinement of service-oriented architectures

Service-oriented architectures (SOA) provide a flexible and dynamic platform for implementing business solutions. In this paper, we address the modeling of such architectures by refining business-oriented architectures, which abstract from technology aspects, into service-oriented ones, focusing on the ability of dynamic reconfiguration (binding to new services at run-time) typical for SOA.The refinement is based on conceptual models of the platforms involved as architectural styles, formalized by graph transformation systems. Based on a refinement relation between abstract and platform-specific styles we investigate how to realize business-specific scenarios on the SOA platform by automatically deriving refined, SOA-specific reconfiguration scenarios.Research partially supported by the European Research Training Network SegraVis (on Syntactic and Semantic Integration of Visual Modelling Techniques)     

网吧管理软件密码算法分析与探讨

本文对当前应用广泛的网吧管理软件密码算法系统地进行了分析,指出了以“美萍安全卫士”为代表的一系列国产网吧管理软件加密算法的不足,提出了改进的加密算法,这样将使网络更为安全．     

Fragmented skull modeling using heat kernels

We develop a geometric reassembly algorithm that composes a 3D model from its fragments. One important application of this work is skull completion and modeling in archeology and forensics. Our reassembly algorithm employs a scale-space representation of shape based on the heat kernel, which only depends on the intrinsic geometry of the surfaces. Partial matching can then be conducted effectively. The entire assembly pipeline has three steps: (1) fragment-template matching based on heat-kernel; (2) matching refinement based on RANSAC and assembly computation; (3) assembly refinement using least square transformation error (LSTE) of break-curves. The main contribution of this paper is presenting novel algorithms for the first two steps. Experimental results on scanned skull fragments demonstrate the efficacy and robustness of our algorithm.