离群模糊核聚类算法

一般说来,离群点是远离其他数据点的数据,但很可能包含着极其重要的信息.提出了一种新的离群模糊核聚类算法来发现样本集中的离群点.通过Mercer核把原来的数据空间映射到特征空间,并为特征空间的每个向量分配一个动态权值,在经典的FCM模糊聚类算法的基础上得到了一个特征空间内的全新的聚类目标函数,通过对目标函数的优化,最终得到了各个数据的权值,根据权值的大小标识出样本集中的离群点.仿真实验的结果表明了该离群模糊核聚类算法的可行性和有效性.  

方向相似性聚类方法DSCM

针对方向性数据提出了一种鲁棒的基于方向相似性度量的聚类方法DSCM．DSCM首先基于方向性度量构造目标函数，然后通过不动点迭代法对目标函数优化，获得各个样本的最终稳定状态，最后基于样本的最终状态集利用层次聚类技术实现聚类．DSCM的优势在于对方向性数据聚类时不依赖于具体的初始化参数，且能自组织地求解最优聚类划分因而有很好的鲁棒性．通过实验证实了DSCM的有效性以及对已有的两个传统方向性聚类算法的优越性．  

B样条神经网络的构造理论

文中首先讨论了Ｂ样条基函数的特性，在此基础上采用构造性的方法从理论上了Ｂ样条神经网络能够以任意精度逼近任意定义在致密区间上的连续实函数，最后给出了构造性算法，使用此算法，能在满足误差要求的条件下，构造出几乎最小的Ｂ样条基函数。  

鲁棒性的模糊聚类神经网络

针对模糊聚类神经网络FCNN(fuzzy clustering neural network)对例外点(outliers)敏感的缺陷,通过引入Vapnik's ε-不敏感损失函数,重新构造网络的目标函数,并根据拉格朗日优化理论推导出新的鲁棒模糊聚类神经网络及其算法(robust fuzzy clustering neural networks,简称RFCNN).RFCNN有效地克服了FCNN对例外点敏感之缺点并且能得到合理的聚类中心.仿真实验结果表明,RFCNN较之于FCNN有更好的鲁棒性.  

基于图像处理的印刷缺陷计算机自动检测

介绍了基于数字图像处理的印刷品缺陷计算机自动检测系统的设计。该系统从印刷品图像中提取缺陷图像，实现印刷品表面的印后缺陷自动检测。  

基于信息理论的合作聚类算法研究

传统的聚类算法是针对一个独立数据集的学习分类算法，如FCM（Fuzzy-C-Means）聚类算法．在现实生活中，一个数据集独立于其它数据集，而往往通过与别的数据集交换信息与之相互合作．因此在聚类过程中，需要考虑来自其它数据集的影响，从而得到更能反映现实的数据结构．该文提出了一种基于信息理论的信息增益方法来建模并定量分析多个数据集间的合作关系，在此基础上，导出了相应的新合作聚类算法CCA（Cooperative C1ustering Algorithm）．理论分析表明该算法最终收敛，实验结果也进一步表明了该合作聚类算法的可行性与有效性.  

利用动态核的形态联想记忆网络的研究

在文献[1]的基础上，提出了一个基于动态核的形态联想记忆网络方法，特点是同一幅图像，如果其所含的噪声情况不同，则其核也将不同，从而较好地解决了图像含有随机噪声时的联想记忆问题。实验证明，此方法具有良好的性能，双向联想记忆的准确率优于文献[1]中介绍的方法。  

层次径向基神经网络的全局逼近理论

文中提出一种层次径向基神经网络ＨＲＢＦＮ，并且证明了ＨＲＢＦＮ是一个全局逼近器。ＨＲＢＦＮ更适合于具有层次结构的应用领域，因而具有极为重要的理论与应用意义。  

A New Algorithm for Generalized Optimal Discriminant Vectors

A study has been conducted on the algorithm of solving generalized optimal set of discriminant vectors in this paper.This paper proposes an analytical algorithm of solving generalized optimal set of discriminant vectors theoretically for the first time.A lot of computation time can be saved because all the generalized optimal ests of discriminant vectors can be obtained simultaneously with the proposed algorithm,while it needs no iterative operations .The proposed algorithm can yield a much higher recognition rate.Furthermore,the proposed algorithm overcomes the shortcomings of conventional human face recognition algorithms which were effective for small sample size problems only.These statements are supported by the numerical simulation experiments on facial database of ORL.  

具有特征排序功能的鲁棒性模糊聚类方法

提出了一种加权模糊聚类算法, 其优势在于能在实现有效聚类的同时, 对样本噪音进行识别和按样本特征对聚类的贡献程度进行排序. 因此, 本文所提出的方法具有鲁棒性, 并可对所得的特征排序进行特征选择, 实验结果表明了该方法具有上述优势.