基于轻型卷积神经网络的舌苔颜色分类方法

舌象特征的自动分析是中医舌诊客观化的核心内容。舌苔颜色作为舌象最基本的特征,其分类的准确程度决定了后续舌象分析的有效性。因此,提出了基于轻型卷积神经网络架构的舌苔颜色分类方法。考虑到实际采集中舌象样本较少且类别不平衡的特点,对舌象样本中不平衡的舌苔颜色类别进行数据扩充;通过设计轻型卷积神经网络,将特征提取和分类纳入到一个框架中统一进行处理,利用数据驱动学习图像与其属性的映射关系,得到舌苔颜色分类模型,从而实现对舌象样本的苔色分类。实验结果表明,提出的舌苔颜色分类方法可以取得94. 85%的分类准确率,对辅助中医临床诊疗及临床研究具有现实意义。     

中医舌诊系统中智能推理可信度的研究

中医舌诊是一个极其复杂的过程,是以舌症彩色图像的识别为主,并综合考虑脉象和其它临床数据的中医医疗诊断方法.可信度方法是人工智能领域的一种不确定推理方法,它通过量化不确定知识将不确定信息确定化,被广泛用于处理各种随机不确定信息.通过融合模糊逻辑推理、神经网络技术及可拓学方法,研究了一种基于竞争神经网络的中医舌诊智能推理模型,以VC 6.0和SQL Server2000为开发工具,实现了对中医专家诊断推理过程的模拟.并在推理过程中嵌入了可信度的评价体系,对输入模式信息和专家经验信息的关系引入了可信度度量,借鉴贝叶斯理论方法对神经网络的推理结果的可信度进行了研究,从而使诊断准确率大大提高,且系统使用简洁、方便.     

基于径向基神经网络用于中医舌诊诊断的研究

研究基于聚类分析的径向基神经网络用于中医舌诊诊断,构建一个中医舌诊智能诊断的神经网络模型.先对输入样本集进行数据归一化处理,采用K-means聚类算法对样本集进行聚类分析,得到聚类中心的位置和数量,再构建RBF神经网络进行学习、训练.以肝病病证诊断进行仿真.实验结果表明:该中医舌诊智能诊断模型具有诊断能力强、收敛速度快、泛化能力强等特点.因此,基于聚类分析的径向基神经网络用于中医舌诊诊断的研究是可行的、有效的.     

改进的GrabCut方法在舌诊系统中的应用

数字舌象图片的正确分割是实现计算机中医舌诊自动化系统的重要前提,为了高效而准确地分割出舌象,提出了一种基于四叉树与GrabCut的舌象分割方法.该方法首先利用四叉树分解对采集的舌象初分割,然后用相似区域的颜色均值优化GrabCut算法中高斯混合模型参数,最终完成舌象分割.实验结果表明：该算法使得舌象分割效率大大提高,具有很好的实用性.     

基于径向基神经网络用于中医舌诊诊断的研究

研究基于聚类分析的径向基神经网络用于中医舌诊诊断,构建一个中医舌诊智能诊断的神经网络模型。先对输入样本集进行数据归一化处理,采用K—means聚类算法对样本集进行聚类分析,得到聚类中心的位置和数量,再构建RBF神经网络进行学习、训练。以肝病病证诊断进行仿真。实验结果表明：该中医舌诊智能诊断模型具有诊断能力强、收敛速度快、泛化能力强等特点。因此,基于聚类分析的径向基神经网络用于中医舌诊诊断的研究是可行的、有效的。     

基于免疫聚类的RBF神经网络在中医舌诊诊断中的应用

研究基于人工免疫聚类的RBF(Radial-Basis Function)神经网络应用于中医舌诊诊断,构建一个中医舌诊智能诊断的神经网络模型,旨在提高模型的诊断能力和收敛速度.对输入样本集进行数据归一化处理,采用改进的基于免疫聚类的RBF算法进行学习、训练.以肝病病证诊断进行仿真,结果表明:该中医舌诊智能诊断系统具有诊断能力强、收敛速度快,泛化能力强等特点.因此,基于人工免疫聚类的RBF神经网络应用于中医舌诊诊断的研究是可行的,有效的.     

人工神经网络在舌诊近红外光谱中的应用研究

为了能客观地反映中医舌诊所蕴涵的病理信息,首次采用近红外光谱和神经网络对疾病进行诊断。分别采用了BP网络、广义回归神经网络(GRNN)、主成分分析和广义回归神经网络(PCA-GRNN)结合的三种模型在舌诊光谱法中的分析预测,首先对三种建模方法进行了分析,再用采集的健康人和糖尿病患者舌诊光谱数据进行校正模型的建立,两类舌诊光谱样本各39例,共计78例样本,在神经网络学习中,将其分成训练集样本60例和预测集样本18例,分别利用所建的三种模型对舌诊光谱样本进行训练和预测。实验结果是三种模型中PCA-GRNN相结合的方法平均绝对误差最小为13.2%、训练时间最短为0.072255s,以相对偏差在0.5以内为正确的情况下,其正确率为100%。说明用PCA-GRNN模型可以应用于舌诊光谱法的分析,并取得较好的分析结果,这对中医舌诊的客观化起到了一定的推动作用。     

基于改进的BP神经网络的中医舌诊诊断研究

研究人工神经网络方法应用于中医舌诊诊断,通过分析传统BP算法的不足之处,提出了改进的方法,并采用改进的BP算法构建中医舌诊智能诊断的神经网络模型.实验结果表明:该中医舌诊智能诊断模型具有诊断能力较强、收敛速度较快,泛化能力较强等特点.     

AdaBoost算法在中医舌诊图像分区识别中的研究

舌诊是中医传统诊断的一个重要方式.本文以模式识别、图像处理和中医舌诊理论为研究基础,结合中医诊断规则,提出舌象的分区训练识别方法,并采用一种新的基于集成学习的AdaBoost算法,构建出一套完整的、符合中医诊断体系规范的舌象分类识别算法.通过实验验证,该方法对中医舌诊分类识别是有效的.     

基于人工神经网络的彩色校正方法研究

中医舌象的物理特性主要反映在舌体的颜色上 ,而如何进行颜色的测量以及如何在不同设备间保持色彩的一致性和重复性 ,即彩色校正是研制中医舌象分析仪必须解决的难题 .该文简要介绍了中医舌象分析仪的系统结构 ,同时讨论了照明光源的选择和设计 ,最后提出了采用神经网络进行彩色校正的方法     

An improved differential evolution trained neural network scheme for nonlinear system identification

This paper presents an improved nonlinear system identification scheme using di？erential evolution （DE）, neural network （NN） and Levenberg Marquardt algorithm （LM）. With a view to achieve better convergence of NN weights optimization during the training, the DE and LM are used in a combined framework to train the NN. We present the convergence analysis of the DE and demonstrate the efficacy of the proposed improved system identification algorithm by exploiting the combined DE and LM training of the NN and suitably implementing it together with other system identification methods, namely NN and DE＋NN on a number of examples including a practical case study. The identification results obtained through a series of simulation studies of these methods on different nonlinear systems demonstrate that the proposed DE and LM trained NN approach to nonlinear system identification can yield better identification results in terms of time of convergence and less identification error.     

EINN最近邻居查询索引遍历算法改进

最近邻居查询是时空数据库的关键技术。目前，基于R-TREE系列索引结构的EINN最近邻居查询遍历算法具有访问最少数据块找到最近邻居的优势，但存在时空运算冗余的不足 。鉴于此，通过一定的内存资源代价，减少最近邻居查询索引遍历过程中的时空运算次数，对算法EINN进行改进。实验证明，在保证数据块访问数量不变的情况下。     

基于RBF神经网络的热电偶信号处理新方法

针对热电偶信号处理中的非线性校正和冷端补偿等突出问题,利用径向基函数(RBF)神经网络构造双输入单输出的网络模型,并采用遗传算法对网络结构和参数进行优化训练,同时完成了热电偶测温中的非线性校正和冷端补偿。经仿真实验证明:该方法的测量误差减小至0.095%,在较大范围内提高了热电偶温度测量的精度。     

基于一种新的基因操作策略的改进遗传算法

提出一种新的基因操作策略,该策略利用单纯形法的思想产生新样本,将遗传算法寻优的随机性与传统算法寻优的方向性有机地结合在一起.仿真结果表明,将改进的遗传算法用于训练神经网络辨识器,可提高收敛速度和模型拟合精度.     

基于神经网络和遗传算法的移动机器人路径规划*

提出一种基于神经网络和遗传算法的路径规划算法.采用神经网络模型对机器人的环境信息进行描述,利用神经网络的输出建立遗传算法的适应度函数;然后使用遗传算法优化路径.在该算法中将需规划路径的二维编码简化成一维编码.仿真结果表明提出的路径规划方法是正确和有效的.     

A co-evolving memetic wrapper for prediction of patient outcomes in TCM informatics

Traditional Chinese medicine (TCM) relies on the combined effects of herbs within prescribed formulae. However, given the combinatorial explosion due to the vast number of herbs available for treatment, the study of these combined effects can become computationally intractable. Thus feature selection has become increasingly crucial as a pre-processing step prior to the study of combined effects in TCM informatics. In accord with this goal, a new feature selection algorithm known as a co-evolving memetic wrapper (COW) is proposed in this paper. COW takes advantage of recent research in genetic algorithms (GAs) and memetic algorithms (MAs) by evolving appropriate feature subsets for a given domain. Our empirical experiments have demonstrated that COW is capable of selecting subsets of herbs from a TCM insomnia dataset that shows signs of combined effects on the prediction of patient outcomes measured in terms of classification accuracy. We compare the proposed algorithm with results from statistical analysis including main effects and up to three way interaction terms and show that COW is capable of correctly identifying the herbs and herb by herb effects that are significantly associated to patient outcome prediction.     

遗传禁忌算法优化BP网络用于入侵检测

针对入侵检测系统存在的高漏报率和误报率,提出一种基于遗传禁忌神经网络的入侵检测模型。该模型基于遗传禁忌算法的全局搜索和BP网络局部精确搜索的特性,将遗传禁忌算法和BP算法有机结合,利用遗传禁忌算法优化BP网络初始权重,同时引入小生境技术改进遗传禁忌算法。实验表明,改进的遗传禁忌算法优化BP网络用于入侵检测能提高入侵检测的效率,降低误警率,可在一定程度上提高入侵检测系统的准确率。     

基于Sanger神经网络的TDDM-BOC信号组合码序列盲估计

针对低信噪比（SNR）下时分数据调制二进制偏移载波调制信号（TDDM-BOC）的组合码序列盲估计问题,提出一种基于Sanger神经网络（Sanger NN）的新方法。首先将已分段的信号作为输入信号并利用Sanger NN提取各主分量的权值向量;然后通过其多次输入反复训练权值向量,直至权值向量达到收敛;最终利用各个权值向量的符号函数重建信号的组合码序列,实现TDDM-BOC组合码序列的盲估计。此外,采用最优变步长的方法来提高收敛速度。理论分析和仿真实验表明,Sanger NN可以实现-20.9~0 dB信噪比下TDDM-BOC信号组合码序列的盲估计,且其复杂度明显低于传统奇异值分解（SVD）法和自适应特征提取的在线无监督学习神经网络（LEAP）;尽管Sanger NN收敛所需数据组数大于LEAP,但收敛时间明显少于LEAP算法。     

人工鱼群神经网络速度辨识器及应用

为实现无速度传感器直接转矩控制,有时采用神经网络转速辨识器,但前馈神经网络结构难以确定,运用BP算法时又极易陷入局部解.将人工鱼群算法和BP算法结合,采用人工鱼群算法优化神经网络的结构及网络初始权值,再利用BP算法对网络权值进行精确调节;将人工鱼群算法与BP算法相结合的AFSA BP算法,实现了人工鱼群算法的全局搜索能力与BP算法的局部寻优性能的互补结合.将所设计的神经网络转速辨识器运用到直接转矩控制系统当中.利用MAT-LAB/SIMULINk实现无速度传感器控制系统的仿真实验结果表明,该算法具有良好辨识效果.     

基于蛛网结构的改进遗传算法研究

针对遗传算法对搜索空间变化的适应能力差,提出一种改进的遗传算法。根据蜘蛛在蜘蛛网上快速抓捕猎物的行为进行深入研究,并将其与GA模型相结合。通过改进遗传算法的初始化方式和适应度的评估方式,增强遗传算法对搜索空间变化的适应能力。对复杂函数的寻优实验验证改进后的遗传算法的有效性,并通过与传统SGA的实际计算结果相对比,更进一步说明算法的改进效果。