基于熵聚类模糊神经网络味觉信号识别系统的研究

提出了一种基于熵聚类的模糊神经网络味觉信号识别系统模型，该模型利用聚类方法实现模糊输入空间划分和模糊IF-THEN规则提取，并使用梯度下降法对系统参数进行精炼，系统兼具有良好的可解释性和学习能力，对11种矿泉水味觉信号的识别实验结果表明了该系统的可行性和有效性。     

基于粒子群算法求解多目标优化问题

粒子群优化算法自提出以来，由于其容易理解、易于实现，所以发展很快，在很多领域得到了应用．通过对粒子群算法全局极值和个体极值选取方式的改进，提出了一种用于求解多目标优化问题的算法，实现了对多目标优化问题的非劣最优解集的搜索，实验结果证明了算法的有效性．     

模糊离散粒子群优化算法求解旅行商问题

粒子群优化算法已经成功地应用于求解连续域问题，但是对于离散域问题特别是路由问题的求解研究还很少．本文提出了一种改进的粒子群优化算法，用于求解旅行商问题．采用模糊矩阵来表示粒子的位置和速度，并重新定义其更新公式，最后对TSPLIB中的具体算例进行测试，实验结果表明该算法能够得到较好的结果．     

快速发现关联规则挖掘算法的并行化方法

分析挖掘关联规则主要并行算法及性能.针对算法中负载平衡和时间响应问题,提出一种高效可行的挖掘关联规则的NA(Ntransactionalgorithms)并行算法,给出了NA算法的策略.通过前期实验结果表明,这种快速发现关联规则的并行算法在计算大项集过程中不需要同步和交换数据,在任意情况下,可独立计算局部大项集.     

简约支持向量聚类

针对传统支持向量聚类(support vector clustering, SVC)的高耗费和低性能弊端,提出了简约支持向量聚类算法(reduced support vector clustering, RSVC).RSVC的核心是简约策略和新的簇划分方法.前者是基于薛定谔方程而设计,提取对模型生成有重要意义的数据构成简约子集,并在此子集之上完成优化过程.后者提出并证明了高斯核函数特征空间的几何性质,并以此设计方法完成对数据簇的辨识任务.理论分析和实验结果表明,和同类算法相比,RSVC可更有效地解决两个弊端,在实际应用中取得良好的聚类效果.     

一种基于BP网络的人体肤色模型

人脸识别已在出入安全检查、视频编码、视频监测与跟踪,基于内容的检索等方面都有着极其重要的应用。皮肤检测是人脸识别和跟踪的关键步骤。其中基于颜色的皮肤检测具有简单、快速、直观,不受物体形状变化、视点改变等影响的优点。提出了一种使用BP人工神经网络建立的人体肤色模型。该模型在不同的颜色的光照下有很好的鲁棒性。     

单板机在表面粗糙度测试中的应用

本文介绍了用TP-801单板机为核心构造的测试工业制品表面粗糙度的系统,详细地叙述了系统的工作原理以及接口电路和软件的设计。     

程序控制放大器在数据采集系统中的应用

<正> 程控放大器可由程序控制改变放大器的倍率值,且具有线性度好,稳定可靠,控制方便等优点,特别适用于计算机控制的数据采集系统中。     

基于信念的多Agent模型解决多目标优化问题

提出了基于信念的多Agent模型解决多目标优化问题.在这个模型中,Agent通过在解空间中移动来进行搜索,使用信念指导移动.每个Agent都有独立的信念,信念由3部分组成:Agent对每个目标的偏好、移动向量和对此向量的评价.Agent在优化的过程中会根据目标函数的值调整移动向量和对应的评价.Agent也会和相邻的Agent交互信念,从而获得更好的性能.最后用模型解决了几个简单的多目标函数优化问题,实验结果证明了算法的有效性.     

动态优化环境下的群核进化粒子群优化方法

粒子群优化方法是由Kennedy和Eberhart于1995年提出的一种基于群体智能（swarm intelligence）的进化计算技术．定义了“群核”（swarm—core）的概念，并在此基础上，提出了基于群核进化的粒子群优化方法（swarm—core evolutionary particle swarm optimization，SCEPSO），在SCEPSO方法中，为增强群体的优化能力，把群体分成了3个子群体，并且每个子群体有各自不同的“分工”．同时研究了SCEPSO方法对连续变化的最优点的动态跟踪能力，在3种动态优化模型下进行了实验．实验结果表明，与传统PSO方法相比，SCEPSO方法能够可靠并精确地跟踪连续变化的全局最优解．