SOM神经网络算法的研究与进展

自组织映射(Self-organizing Maps，SOM)算法是一种无导师学习方法，具有良好的自组织、可视化等特性，已经得到了广泛的应用和研究。该文系统地介绍了SOM算法的产生背景、基本算法。同时对SOM算法的参数设置和其不足进行了分析。重点归纳了其发展过程中的各种改进算法，并对其研究热点及应用领域作了简要的综述，最后展望了该算法的发展方向。     

模糊认知图在股票市场预测中的应用研究

复杂系统中存在着大量的过程依赖、自组织，并且一直是进化的，用传统的方法对其建模十分困难。模糊认知图作为一种模糊逻辑和神经网络相结合的产物，为复杂系统建模提供了一种有效工具。文中根据模糊认知图的特点，提出了用遗传学习算法建立系统的模糊认知图方法，为复杂系统分析及预测提供了一种解决方案。最后，以股票市场的数据为例进行了分析和预测模拟，结果表明，该方法是有效的。     

基于可编程图形硬件的实时阴影算法及实现

阴影在增强三维场景真实感方面起着非常重要的作用。随着计算机图形硬件的发展，利用可编程图形硬件加速并提高渲染效果已经成为主要发展趋势。基于当前可编程图形硬件技术，针对目前shadow maps算法存在的问题，提出了一种根据场景特征程序自动生成合适偏移量的实时的阴影生成算法，该算法很好的改善了阴影渲染效果，防止了走样。最后给出了算法基于GLSL着色语言的实现代码。     

基于Z曲线的SARS冠状病毒特征的研究

刺突（Spike）蛋白是SARS（Severe Acute Respiratory Syndmme）冠状病毒表面最重要的膜蛋白，它通过与被感染细胞的受体结合来作为感染的媒介。受此启发，该文利用Z曲线方法，对S蛋白及SARS受体序列进行探究，捕捉到一种SARS病毒的可视化特征。大量序列比对的结果证明该特征是SARS病毒所特有的。将这种特征图谱应用到SARS病毒的检测中，可以提供一种非标准的、简单、直观的检验方法，能够诊断一些利用标准方法难以判断的SARS病例。由此可见，Z曲线作为一种基因序列的几何学研究途径是一种有效的研究方法。     

Anomaly Detection Using Real-Valued Negative Selection

This paper describes a real-valued representation for the negative selection algorithm and its applications to anomaly detection. In many anomaly detection applications, only positive (normal) samples are available for training purpose. However, conventional classification algorithms need samples for all classes (e.g. normal and abnormal) during the training phase. This approach uses only normal samples to generate abnormal samples, which are used as input to a classification algorithm. This hybrid approach is compared against an anomaly detection technique that uses self-organizing maps to cluster the normal data sets (samples). Experiments are performed with different data sets and some results are reported.     

Promoting Software Reuse Using Self Organizing Maps

Reusability of software, regardless of its utilizing technique, is widely believed to be a promising means for improving software productivity and reliability. However it is not practiced adequately due to the lack of techniques that facilitate the locating of reusable components that are functionally close. In this paper we apply Kohonen's Self-Organizing Maps to develop an approach for promoting Software Reuse. We look at the details of how Self-Organization can arrange and regularize data from the original pattern space into a topology preserving map. We describe a practical implementation of the SOM methodology for Software Reuse using a database of UNIX commands. And finally we briefly present our proposed Software Reuse Methodology.     

C上全纯自映射的完全不变域

设ｆ（ｚ）是Ｃ上全纯自映射，０和是它的本性奇点，其中本文讨论ｆ（ｚ）的完全不变域的性质，证明了如果Ｄ是ｆ（ｚ）的完全不变域，那么Ｄ一定是二连通的且Ｄ包含了的奇异值集；此外，如果ｆ（ｚ）是有限型的，则Ｄ＝Ｆ（ｆ）．由此结论可以推出ｆ（ｚ）最多只有一个完全不变域在Ｆ（ｆ）中     

边际函数的绝对连续性

本文给出边际函数的绝对连续性性质．     

一般化的灰SOM模型及其性能评估

自组织特征映射是Kohonen提出的一种人工神经网络模型，它能把高维的信息数据以有序方式映射到低维空间上，形成一种拓扑意义上的有序图，但其权值的调整仅考虑了学习率及输入模式与获胜神经元及其邻域，却忽略了输入模式分量与全体参与竞争的神经元权值向量间的某种相关关系。Hu等人利用灰关系系数(GRC)的描述方法显式地刻画这种关系。尽管如此，但GRC仍忽略了输入模式与所有参与竞争的神经元权值间的整体描述关系。该文通过在GRC中引入该整体关系，提出了一个一般化的灰关系模型G^2SOM，并将GSOM作为其特例，进而侧重就三种特殊的函数关系进行了性能评估，最后，通过实验验证了G^2SOM的有效性与可行性。     

地形图点状虚线的自动矢量化研究与实现

虚线的矢量化一直是地形图自动识别的难点之一。文章通过人眼对虚线视觉感知特性的分析，提出了基于点与点之间相互作用的视觉组织模型。根据感知的类似性对地图图像进行形态滤波，然后运用有界深度优先搜索法生成初始种子段，提出可变形模型迭代算法实现对虚线的自动跟踪矢量化。从理论分析及实验结果得出，本算法是行之有效的，具有稳定性好、易于实现的特点。