基于模糊神经网络的粗糙集在股市预测中的应用

提出在模糊神经网络中使用粗糙集理论进行网络的设计.在模糊神经网络中引入粗糙集理论,不仅可以去除模糊神经网络中输入层的冗余神经元而且可以确定隐含层神经元的数目,从而使模糊神经网络具有更准确的逼近收敛能力和较高的精度.最后应用于股票市场,在股票买卖时机预测中取得了良好的效果.     

3-gated：WLAN中基于负载自适应的动态调度机制

本文针对实时业务在网络负载增加情况下的特点,改进了文[3]的结果,提出了一种新的无线网络MAC层动态调度机制:3-gated调度算法.该机制实现简单,并且可以在不改变现有协议构架甚至不增加开销的基础上较好解决实时业务在网络负载加大环境下用户时延QoS不能得到满足的问题.运用嵌入式马尔可夫链理论和多维概率母函数的方法对该算法进行建模,得到了改进后网络队列缓存的平均排队队长和信息分组平均时延理论解析式.通过仿真验证了理论分析的有效性,表明3-gated算法性能十分接近对称业务最优算法--完全服务调度算法,并避免了后者公平性差的弊端.     

谱聚类算法综述

谱聚类算法是近年来国际上机器学习领域的一个新的研究热点.谱聚类算法建立在谱图理论基础上,与传统的聚类算法相比,它具有能在任意形状的样本空间上聚类且收敛于全局最优解的优点.本文首先介绍了图论方法用于聚类的基本理论,然后根据图划分准则对谱聚类算法进行分类,着重阐述了各类中的典型算法,并对算法进行了比较分析,最后进行总结并提出了几个有价值的研究方向.     

基于威胁度的动态报警管理研究

IDS目前的主要问题之一是过高的误报率,这一方面给管理员增加了繁重的工作负担,从而使其可能忽视了系统中真正需要处理的关键攻击事件;另一方面,过高的误报率使得自动入侵响应,比如与防火墙联动,不能很好地执行下去.针对这个问题,提出了基于威胁度的动态报警管理TDAM模型,它通过对系统环境的感知分析报警信息,确定其威胁度.通过实验,可以得出TDAM框架能够比较好地进行报警评价、管理.     

小波域中的自适应模糊阈值图像去噪

对小波阈值去噪中的常用阈值和阈值函数进行分析,提出一种自适应的模糊阈值去噪算法,该算法在BayesShrink阈值基础上,通过增加一个修正因子,并结合模糊理论,自适应地对图像进行模糊阈值函数处理。实验表明该算法与BayesSbrink软阈值函数去噪算法相比,去噪后图像的峰值信噪比PSNR和最小均方误差MSE均有所提高,并且图像也更清晰,具有较好的去噪效果。     

基于EA／QFT的飞行控制律设计及其稳定性评估

提出特征结构配置和定量反馈理论相结合的鲁俸控制设计方法,并应用该方法对某型飞机横侧向进行控制律设计,然后通过μ分忻对控制律进行稳定性评估。仿真结果表明：该方法使某飞机不仅具有良好解耦效果和动态响应,而且具有较强的鲁棒性。     

基于博弈理论的无线传感器网络融合路由

主要研究了无线传感器网络路由路径的链路质量及节点剩余能量对网络整体可靠性及能效的影响,提出了无线传感器网络数据融合可靠路由的博弈论模型。该模型的求解属于NP问题,论文还提出了一种基于节点效用进行路由选择的分布式实现算法。仿真结果表明该算法能提高网络路由路径的可靠度和能效性。     

基于模糊集理论的医学图像分割的应用

图像分割是医学图像处理、分析、研究的基础。由于人的视觉特性和数字图像本身所具有的模糊性,使得图像分割问题是典型的结构不良问题。而模糊集合论具有描述不良问题的能力,模糊集理论应用于图像分割是针对图像模糊性非常有效的方法。对近年来基于模糊集理论的医学图像分割技术的应用和发展进行了综述和讨论,展望了基于模糊集理论的医学图像分割技术的前景和面临的挑战。     

基于各点异性理论的基础矩阵鲁棒估计

针对基础矩阵常用算法对噪声过于敏感、抗干扰能力差等缺点,基于误差与变量相关（Errors-in—Variables,EIV）模型提出1种新的鲁棒性基础矩阵估计算法．该算法采用各点异性回归技术,建立EIV模型,依据数据矢量观测集合最优地估计EIV模型参数和数据矢量真值集合．实验结果表明,在存在较大噪声干扰的条件下,此算法仍能较为准确地估计基础矩阵,具有良好的鲁棒性和较快的运算速度.     

Pearson x^2检验在计算机自适应化测验中的应用研究

计算机化自应用测验（CAT）使用项目反应理论（IRT）,通过观察被试在项目上的反应,将能力和项目参数的关系用数学模型表达出来。如何有效地估计被试的能力,是计算机化自适应测验的一个关键问题。本文首先论述了Berkson的最小化x^2方法,但使用该方法的前提是已知被试的能力,且运用了Pearson x^2检验的思想。接着指出该方法中存在的缺陷,进而提出了一种新的解决方案,该新方案可弥补Berkson的最小化x^2方法的不足之处,可以作为该方法的一个改进。本文的研究表明,新的方案比Berkson的最小化x^2方法具有更加科学的解释能力。