广告系统的最优控制

本文介绍了在广告定量分析方面较为著名的 Vidale-Wolfe 模型,然后利用某种牌号牙膏在天津市的每月销量与每月广告费用数据对这一模型的参数进行了估计,最后根据得到的模型给出了广告费用在二次目标之下的最优反馈控制规律。     

用于小样本动态系统阶数估计的似然比法

本文提出了一种用于小样本动态系统阶数估计的似然比法(简称 SSLR 法).本法是基于预测拟合优势的概念,即对正态分布的最佳拟合是学生分布,而在小样本下,其拟合优势是更为显蝤的.按照此概念,我们用学生分布构造了似然比来进行小样本动态系统的阶数估计,推导了有关公式.大量仿真结果表明了本法的有效性,文中还讨论了模型的子阶和时滞的检验问题.     

TGSOM:一种用于数据聚类的动态自组织映射神经网络

针对传统Kohonen自组织特征映射（SOFM）神经网络模型结构需预先指定的限制，提出一种新的树形动态自组织映射（TGSOM）神经网络，当用于数据挖掘时该网络以其生成速度快可视性好具有显著优越性。该文详尽描述了该网络模型的生成算法，研究了算法中扩展因子的作用。扩展因子与训练样本数据的维数无关，其作用是控制网络的生长。扩展因子可以反映数据聚类的精度，即扩展因子值的大小与聚类精度的高低成正比。在聚类的不同阶段使用大小不等的扩展因子还可以实现层次聚类。     

基于神经网络文本检索词的语义扩充

在讨论文本数据和文本检索特点的基础上，提出了一种运用神经网络进行检索词语义扩充的基本方法，对其中的检索词欠量化问题提出了一种方法，重点阐述在语义扩充中选择LVQ神经网络的原因、LVQ网络的修正学习算法和有关补充说明，最后给出实证证明神经网络方法进行检索词语义扩充的可行性。     

一种新的支持向量机多类分类方法

分析了目前的支持向量机多类分类方法存在的问题以及缺点．针对以上问题及缺点，提出了基于二叉树的支持向量机的多类分类方法，并在UCI数据库上进行了验证，取得了良好效果．     

基于RBF网络的动力系统Lyapunov指数的计算方法

提出一种基于径向基函数(RBF)神经网络的动力系统Lyapunov指数计算方法，设计了一个RBF网络结构，推导了基于RBF网络的Lyapunov指数计算公式．仿真实验表明，与其它现有方法相比，此方法计算精度较高，收敛速度较快，而且只需要较少的样本数据量．本方法能更准确、更快速地计算动力系统的Lyapunov指数．     

基于模糊决策树的文本分类规则抽取

提出一种合并分枝的模糊决策树文本分类方法对相似文本类进行分类，并可抽取出分类精度较高的模糊分类规则。首先研究改进了的χ²统计量，并根据改进的χ²统计量对文本的特征词条进行聚合，有效地降低了文本向量空间的维数。然后使用一种合并分枝的模糊决策树进行分类，大大减少了抽取的规则数量。从而既保证了决策树分类的精度和速度，又可抽取出可理解的模糊分类规则。     

一种基于CHI值特征选取的粗糙集文本分类规则抽取方法

结合文本分类规则抽取的特点，给出了近似规则的定义。该方法首先利用CHI值进行特征选取并为下一步特征选取提供特征重要性信息，然后使用粗糙集对离散决策表继续进行特征选取，最后用粗糙集抽取出精确规则或近似规则。该方法将CHI值特征选取和粗糙集理论充分结合，避免了用粗糙集对大规模决策表进行特征约简，同时避免了决策表的离散化。该方法提高了文本规则抽取的效率，并使其更趋实用化。实验结果表明了这种方法的有效性和实用性。     

基于文档标引图模型的文本相似度策略

文档标引图是一种基于短语的图结构文本特征表示模型,能更加全面、准确地表达文本特征信息,实现渐增的文本聚类和信息处理。该文基于文档标引图特征模型,提出文档相似度计算加法策略和乘法策略,采用变换函数对文档相似度值进行调整,增强文档之间的可区分性,改进文本聚类和分类等处理的性能,实例证明了策略的有效性。     

基于回归神经网络的非线性时变系统辨识

为克服基于前馈神经网络的非线性系统辨识算法存在需预先估计系统输入输出滞后阶数的缺陷，提出一种基于回归神经网络的非线性时变系统的辨识算法，针对现有的回归网络学习算法大多采用梯度算法，收敛速度缓慢问题，提出一种具有快速收敛性的扩展卡尔曼滤波学习算法，大大提高了学习收敛速度，并推导了一种基于单个神经元的局部化算法，减少了计算量，仿真实例证明，所提出的算法是有效的。