神经网络在缺陷识别中的应用

为了准确、快速地进行缺陷识别，介绍了一种新型的前馈神经网络模型，即径向基概率神经网络。与以往的算法相比，该方法具有分类识别精度高且速度快的优点。仿真获得了很好的结果。     

The Continuous Interpolating Self-organizing Map

The self-organizing map (SOM) [5] provides a general data approximation method which is suitable for several application domains. The topology preservation is an important feature in data-analysis and may also be advantageous for the evaluation of the data in a function approximation or regression task. For this reason the interpolated self-organizing map (I-SOM) adds an output layer to the SOM architecture which computes a real valued output vector. This paper presents an extension of I-SOM towards a continuous interpolation. It is compared to RBF and to the parametrized self-organizing map.     

Two-tier architecture for unconstrained handwritten character recognition

In this paper, we propose an approach that combines the unsupervised and supervised learning techniques for unconstrained handwritten numeral recognition. This approach uses the Kohonen self-organizing neural network for data classification in the first stage and the learning vector quantization (LVQ) model in the second stage to improve classification accuracy. The combined architecture performs better than the Kohonen self-organizing map alone. In the proposed approach, the collection of centroids at different phases of training plays a vital role in the performance of the recognition system. Four experiments have been conducted and experimental results show that the collection of centroids in the middle of the training gives high performance in terms of speed and accuracy. The systems developed also resolve the confusion between handwritten numerals.     

基于基尼系数的Web社区稳定性度量

Web社区是互联网中自组织程度较高的部分,它不是一个孤立系统,而是一个耗散系统,很多时候涨落无法耗散摔,导致社区运行不稳定.基尼系数可以用来衡量Web社区稳定性,通过基尼系数的简易计算公式计算社区内部成员积分或者其它参数,可以得出Web社区稳定性的度量.该度量对于研究和利用Web社区具有重要参考意义.     

基于SOM和引力场聚类的金融数据可视化

平行坐标技术是信息可视化中重要的分析手段,可以实现多维数据在二维空间上的可视化.为了给用户提供一种快捷、方便的金融数据可视化及分析工具,提出一种基于引力场聚类的金融数据可视化方法.首先利用自组织映射(SOM)对初始金融数据进行分类,使每类数据都含有特定的经济意义;然后进行视觉聚类,利用引力场原理对每个类中的折线进行聚拢,对类与类之间进行排斥,再通过设置不透明度以及交互操作等手段对可视化结果进行增强.实验结果表明,该方法可以形成清晰的可视化聚类结果,便于发现数据的变化规律.     

5G时代下的移动自组织网络探讨

移动自组织网络在高带宽低延时的5G下,赋予更多的技术优势,使其综合性、应用性以及系统性都得到有效的提高,本文从基于5G移动自组织网络展开探讨,论述移动自组织mesh的网络架构技术及其应用前景和未来趋势。     

局部拥挤条件下单点自组织信号控制方法研究

针对已有交通信号控制方法难以有效疏导拥挤交通流的现状,以感应线圈检测器采集到的实时数据为拥挤识别的基础,以拥挤流向放行车辆数最大为目标,提出了一种无信号周期、无固定相位相序限制的单个交叉口自组织信号控制的基本原理,研究了候选信号相位集、各流向权重、等待时间上限的确定方法,设计了局部拥挤条件下单个交叉口的自组织信号配时方法,并以VISSIM为工具进行了模拟验证和对比分析。结果表明,所提出的方法能够改善局部交通拥挤的疏导效果。     

基于SOFM和BP短期负荷预测方法

基于以自组织特征映射神经网络(Self-organizing feature map,SOFM)先聚类、神经网络再预测的模型以往多用在对疾病、天气方面的预测,由此提出了一种以SOFM与误差反向传播算法的神经网络(Back Propagation,BP)相组合应用为基本原理的短期电力负荷预测的组合模型。该模型主要基于SOFM网络的主要特性聚类,预先将训练样本集采取聚类分析,对其分为具有相似数据的若干子类,再根据每一子类构造一个BP网络模型。利用内蒙古自治区某市的实际日平均负荷数据进行仿真,证明了本文方法的有效性。     

基于不可信近邻的位置隐私保护方法

基于位置的服务给人们生活带来极大便利的同时也使人们的位置隐私面临着严重的威胁。目前典型的位置隐私保护方法主要是基于中心服务器的k-匿名方法和P2 P自组织网络方法,但是当有很多用户同时发起服务请求时,中心匿名器往往成为系统性能的瓶颈,同时在P2 P自组织网络中通常假设用户之间是相互信任的,这在实际应用中是不安全的。提出一种新的位置隐私保护方法UNNC,在P2P网络中用户之间相互不信任的前提下通过引入第三方验证机构实现位置隐私保护。模拟实验表明,UNNC方法在不假设用户之间相互可信的前提下达到了k-匿名的效果,并保证了匿名系统的整体性能。