BP神经网络结点数选取的改进方法及其应用

提出一种改进的隐含层神经元个数的选取方法．该方法基于隐含层神经元输出之间的相关关系,估计隐含层结点数,把隐含层结点的改进算法用于物种选取的实例中,通过MATLAB编程实现,并与回归分析做出的结果进行比较．结果表明,该方法对建立BP神经网络结构有一定的借鉴作用．     

基于互信息的特征子集选择

通过互信息的思想提出一个新的评价函数来评价属性之间的相关性,并结合LV算法进行特征子集选择.结果表明,该方法对分类问题效果明显.     

文化创意产业指标体系及评价模型

在国内外创意指数相关研究的基础上,构建了我国文化创意产业指标体系.并在此基础上建立了基于因子分析方法的评价模型,进一步利用该模型对我国七大城市的创意指数进行了测度,最后针对分析结果进行了排名.     

改进的K-means算法

针对传统K-means聚类算法对初始点敏感性问题,根据数据样本分布,采用启发式的方法选取初始聚类中心点,设计了一种均衡化评价函数,由此函数为准则自动生成聚类数目.通过实验验证了该算法的收敛性.     

纺纱过程质量波动预测新方法

依托纺纱过程所产生的海量数据,对纺纱质量特征值波动的成因、规律,以及影响质量特征值的各类不确定因素的产生机制进行了分析,并对不确定因素与质量特征值之间的相互作用机制进行了研究;利用人机环境系统工程学理论,从纺纱质量特征值修正、波动规律表达、人-机-环境脆性模型构建,以及TARCH(1,1)模型对影响因素异常行为辨识4个方面对纺纱质量特征值波动的内在机制进行了建模与设计,进而提出了基于数据的纺纱质量波动预测"四步法"。实验与对比分析结果表明,"四步法"实现了纺纱质量特征值波动过程的可视化,做到了影响因素异常行为的事前预警以及成纱质量的实时在线检测,为构建基于数据的纺纱质量预测与控制提供了新方法。     

毛条加工质量预测技术及其发展趋势

分析了国内外毛条加工质量预测技术的现状，并讨论了其发展趋势。分析表明，使用人工神经网络技术预测毛条加工的质量，比较符合毛条加工过程的特点。     

基于NSCT和混合粒子群算法的红外与可见光图像融合

针对红外与可见光图像融合的特点,提出一种基于非下采样Contourlet变换(NSCT)和混合粒子群算法的红外与可见光图像融合算法。通过NSCT变换对红外图像和可见光源图像进行分解,对低频子图像,采用一种基于区域平均值改进的加权平均法进行邻域融合,对高频子图像的最高层采用区域标准差选大法进行融合;对高频子图像的其他层采用以混合粒子群优化算法选取阈值,基于平均梯度选择的邻域算法进行融合。最后进行NSCT逆变换得到融合图像。实验结果表明该方法可以获得融合效果更佳的融合图像。     

基于Baker映射的自适应樽海鞘群算法

为了克服樽海鞘群算法(Salp Swarm Algorithm,SSA)求解准确性不足和易过早收敛的缺点,提出了一种多策略改进的樽海鞘群算法(MISSA)。引入Baker混沌映射生成樽海鞘群的初始种群,以提高初始个体的均匀性;将T分布策略应用到食物源位置公式中,对原始位置进行随机干扰,引导樽海鞘个体向最优解空间运动;在跟随者位置更新公式中引入不完全Γ函数的自适应权重,以改善算法的局部和全局搜索能力。将改进算法在8个测试函数上进行仿真实验,并与不同的群智能算法进行了比较。结果表明,改进算法具有更好的全局和局部搜索性能以及更高的搜索精度。