基于网格和密度的聚类神经网络结构优化

针对聚类神经网络初始权值与样本分类数的设定问题,提出一种基于网格和密度的聚类神经网络结构优化算法.以网格和密度为工具提取聚类样本的聚类中心,并由此确定样本分类数,从而对聚类神经网络结构进行优化,可以有效地提高神经网络的聚类效果,缩短样本聚类时间.     

美国智能运输系统（ITS）研究进展

智能交通系统即Intelligent Transportation System，简写为ITS，最早也叫IVHS（Intelligent Vehicle Highway Systern）。ITS的中心思想方法是利用最先进的计算机、通讯、监视、控制等科学技术，使交通运输达到人-车-路综合协调的新境界，提高道路的使用效率，节约能源，保护环境。[编者按]     

模糊正规命题概率空间及其应用

本文定义了一种新的逻辑结构—模糊正规命题逻辑。用它来描述客观事物,既和事物的本来面目比较接近,又可在现行的电子计算机上实现。本文还讨论了这种逻辑结构的一些性质,并建立了一个模糊正规命题概率空间。本文最后给出在海事判案决策上的应用。     

基于模糊聚类分析的模糊神经网络结构的优化

该文讨论了模糊聚类分析在模糊神经网络结构的确定中的应用。通过将模糊C－均值算法、有效性函数和模糊指数相结合,给出了模糊神经网络结构确定的方法,并且给出了应用该算法具体的模糊神经网络模型。     

一种改进的基于密度聚类模糊支持向量机

为了提高模糊支持向量机在数据集上的训练效率,提出一种改进的基于密度聚类（DBSCAN）的模糊支持向最机算法。运用DBSCAN算法对原始数据进行预处理,去除对分类贡献小的中心样本,用剩余的边缘样本集合完成模糊支持向量机的训练工作。实验表明,该方法形成的聚类边缘样本较好地保持了原样本的分布情况,在保证分类精度的同时,大大缩短了训练时间,提高了工作效率。     

一种基于改进神经网络的高效模糊聚类算法

针对利用自组织特征映射(SOFM)神经网络进行模糊聚类时出现的一些问题,提出改进结构的神经网络,采用自适应的聚类初值,能够实现高维数据和任意形状族的聚类,与具有同样聚类效果的其他算法相比,具有较低的时间复杂度。仿真实验结果表明,该聚类算法比单个的神经网络聚类算法和同类其他算法更有效。     

恶劣气象条件下高速公路NN控制系统的研究

各种恶劣气象条件下的高速公路的交通流控制是目前急需要解决的重要问题。就此问题,利用Markos Papageorgiou的高速公路交通流模型对各种气象条件进行分析,使用神经网络方法,建立了一套适合各种气象条件的交通流模型和匝道入口控制系统,有效地控制恶劣气象条件下的高速公路交通事故。其次,利用BP神经网络的算法进行了仿真,对其中的参数进行辩识。仿真的结果与实际情况能很好地吻合,为在恶劣气象条件下控制高速公路的交通流奠定了理论和实践基础。     

基于神经网络的创造性计算模型的构建*

根据神经网络和思维科学的理论,研究了逻辑、直觉以及创造性思维的模拟方法。逻辑思维采用了神经网络的BP算法来实现,直觉思维采用了Hopfield神经网络以及交叉变异等实现方法,论述了变异联想在直觉产生中的重要作用,并且建立了模拟直觉的计算模型。采用直觉与逻辑互补构成创造性思维的观点,构建了创造性思维的认知与计算模型,给出了创造性思维模型的计算实例。     

大数据浪潮中犯罪防控系统分析及应用

对犯罪问题的深入具体研究,有助于客观评估犯罪的实际状况,合理制定打击犯罪的专项政策和措施,从而降低犯罪训练场。介绍大数据的研究现状和发展趋势,以及利用大数据知识对各种主题下的犯罪类型进行预测的方法。综合分析复杂可变的犯罪因素,预测潜在案件发生的趋势及属性,并对发展情况进行预测分析,有助于提前布警布控,使犯罪防控技术更为完善。     

Fuzzy群的同态和Fuzzy阿贝尔群

1965年,L.A.Zadeh在他开创性的工作中,提出了Fuzzy集的概念。1971年,A.Rosenfeld将它应用于群中,提出了Fuzzy群的概念,十年来,在这方面的工作有一定的进展,如文献[3]—[10]都从不同角度讨论了Fuzzy群和Fuzzy拓扑群。本文在[2]、[3]的基础上,提出了Fuzzy同态核的概念,并证明了Fuzzy群的几个同构定理,给出Fuzzy阿贝尔群的定义,得出阿贝尔群的所有拟群是幂等阿贝尔半群的结果。从而,对Fuzzy群的研究有了进一步的展开。