基于SOM神经网络的中国球粒陨石26种元素浓度数值分布的自组织分类

为实现中国球粒陨石按元素浓度数值分布的自组织分类,用SOM神经网络技术,以中国科学院广州地球化学研究所的中国岩矿地球化学数据库（http：／／www．geochem．csdb．cn／）共享的60种中国球粒陨石的26种元素浓度数据为学习和测试样本,训练和检测神经网络对中国球粒陨石的元素浓度数值分布的自组织分类。实验显示：经过1000步的训练,SOM神经网络矩阵映射重复操作归类相同率,在剔除特异结果后达到90％以上。这一结果证实,利用SOM神经网络技术,可以对中国球粒陨石的元素浓度数值分布进行客观分类。     

基于SOM神经网络的静止卫星云图分类

利用FY-2C的红外和可见光自旋扫描辐射器（VISSR）多通道云图数据对云进行分类,提出了一种利用云图红外、可见光谱段数据,基于SOM神经网络的云分类算法。设计并编写了实际云图客观云分类程序,该程序输入为9个从VISSR各通道数据中提取出的特征,将数据分为8种不同的类型,并输出分类后的图像。     

基于灰色关联分析的SOM神经网络在葡萄分类中的应用

随着葡萄酒需求的大量增加,葡萄酒的质量受到了越来越多的关注.一般地,葡萄酒质量采用感官品尝的结果来评定,但是却经常受到多种因素的影响,同时葡萄酒的质量又没有统一的标准,因此葡萄酒的质量评价体系的建立亟待解决,而酿酒葡萄的质量直接决定了葡萄酒的品级.为了得到较好的葡萄酒先要对葡萄进行筛选.基于葡萄的理化指标较多,用灰色关联分析对数据进行初步处理,提取出影响葡萄质量的数个主要理化指标,再运用数据挖掘中的SOM神经网络技术对葡萄进行聚类分析.仿真结果表明:SOM神经网络能够直观准确地将原27类葡萄样品分为7类,且每一类中的葡萄样品均有一定的相似性.     

图像分类方法的对比研究

针对模式识别的主要研究问题,在此采用距离测度、贝叶斯、决策树、神经网络等分类算法,通过两组不同图像数据实验分析,比较分类结果的正确率.为了满足实时性要求,提出了从计算复杂度和运算时间上衡量各种分类算法的策略,并综合比较几种算法的特点以及应用范围,针对不足之处,提出了图像分类的改进思想.     

IP交换中流分类的神经网络方法

本文对IP交换机中流的分类问题进行了探讨。首先对现有的X／Y分类器进行了分析,指出其不足之处,然后总结了进行流判断时应考虑的各种因素。之后提出了一种利用Hopfield神经网络进行流分类的方法,并对其参数的选取进行了讨论。仿真结果表明,神经网络分类器可根据网络中流的具体情况,自动调节分类阈值,保证IP交换机利用的VC数基本稳定。与常规X／Y分类器相比,神经网络分类器可利用更少的VC交换更多的数据包。     

一种基于RBF神经网络的极化SAR图像分类方法

极化SAR图像分类是新体制雷达应用研究的基础前沿问题.文中提出了提出了一种基于径向基函数(Radial Basis Function,RBF)神经网络的极化SAR图像分类方法.在构建包含G0分布最大似然距离和一些常规特征的极化SAR图像分类特征集的基础上,利用样本数据对RBF神经网络进行训练,完成分类器的设计.实测极化SAR图像的分类实验结果表明,该方法具有较好的图像细节保持能力.     

基于小波神经网络方法的心电图分类研究

心电图是诊断心血管疾病的重要依据。提出了基于小波神经网络方法的心电图分类研究，构造了基于小波神经网络的心电图分类器。使用实际数据进行了测试，结果表明：该分类器可以有效、快速地进行心电图分类，为心电图自动化诊断提供了条件。     

一种改进的ECG分类神经网络方法

本文引入信息熵作为惩罚函数，加入到神经网络的代价函数中，经过训练获得了更有组织的隐怪神经元激励模式，每个输入样本仅使隐层少数神经元产生响应，经过本文提出了的裁剪算法的裁剪后，减小了网络的规模，提高了神经网络的泛化能力和计算效率，文中的ＥＣＧ分类也证字这一结果。     

基于神经网络的电子卷宗自动分类方法研究

针对电子卷宗文档图像的自动化识别分类对上下文的逻辑结构考虑不充分的问题,提出一种基于神经网络的电子卷宗识别方法.首先,输入电子卷宗图像;然后,利用卷积神经网络识别图像的静态特征;第三,根据电子卷宗的关键要素及上下文关系,将这些静态特征按特定的版面结构转换为时序信号;第四,利用循环神经网络对时序信号进行处理,识别电子卷宗...     

基于神经网络的自组织传感器网络设计

多传感器目标跟踪是信息融合的一个重要研究内容。尽管已经有许多的融合算法,但目前对跟踪传感器的配置问题研究还很少,而这对于设计一个成功的UGS网络系统是必要的。本文设计了一种神经元阈值可调的自适应Hopfield网络,可以自组织地从整个网络中选取合适数目的传感器组成跟踪器,使整个系统的精度足够高,而使用的传感器数目尽可能少。仿真显示了算法的有效性。     

一种基于自组织神经网络的语音识别系统

建立了一种基于自组织神经网络的语音识别系统。对语音信号进行了预处理,提取了语音信号的线性预测系数、线性预测倒谱系数和Mel倒谱特征系数,建立了基于自组织神经网络的识别判决模型。深入分析和改进了自组织神经网络的分类聚类能力,通过加强训练和设定阈值函数的方法,有效地确定了边界神经元的归属,划分出了合理的输出模式类。验证了自组织神经网络适合于处理孤立词语音识别,并具有快速性和结构简单等特征。MATLAB仿真实验表明,语音识别率达到96%。     

基于核Batch SOM聚类优化的语义Web服务发现机制研究

如何快速、准确和高效地发现满足用户需求的Web服务已成为制约服务发展的瓶颈之一。该文针对现有Web服务发现机制中存在的效率低下和查准率不高的两个主要问题,提出了一个基于核Batch SOM神经网络聚类优化的语义Web服务发现框架。该框架分别在服务表示阶段引入WordNet和隐含语义索引技术对Web服务进行语义扩展和概念语义空间降维;在服务分类阶段利用核机学习理论改进一类适用于Web服务分类的核Batch SOM神经网络算法;在服务匹配阶段提出一种基于核余弦相似性测度的Web服务匹配算法。最后,真实Web服务数据集上的实验结果验证了所提出方法的可行性。     

基于BP神经网络的产品寿命分布类型选择

产品寿命分布类型选择问题,是可靠性工程中的一个重要问题。在分析了几种可靠性寿命分布类型识别方法的基础上,设计了一种基于BP神经网络的可靠性寿命分布类型选择方法,并进行了计算机模拟验证。结果表明,该方法原理简单,算法易以实现,便于工程应用。     

基于深度卷积神经网络的多节点间链路预测方法

目前,链路预测的研究主要针对拓扑结构变化缓慢的社交网络,集中在单节点对的链路预测.本文针对拓扑变化频繁的机会网络,提出一种基于模式分类的多节点间链路预测方法.该方法基于混沌时间序列理论确定机会网络的切片时间,采用状态图表征网络的拓扑结构,借助深度卷积神经网络在特征提取上的优势,从状态图的演化过程中提取机会网络的结构特征,根据当前特征推断未来链路的演化模式,实现多节点间的链路预测.在ITC（Imote-Traces-Cambridge）真实数据集上的实验结果表明,相比于基于CN（Common Neighbor）、AA（Adamic-Adar）、Katz等预测方法,本文方法具有更好的精度和稳定性.     

电子地图色域映射的SOM神经网络方法

颜色的设备相关性导致电子地图在跨媒介再现时容易出现色彩变形以及地理信息错误传输等问题.本文分析了电子地图色域的特征,提出了一种基于SOM(Self-Organizing Maps)神经网络的色域映射方法.针对神经网络方法没有顾及电子地图色域映射过程中的色彩空间权重以及神经网络中邻域函数的各向同性假设不适用于地图色域这两个问题,提出了改进方法.将本文方法与ICC(International Color Consortium)感知再现、绝对色度再现色域映射方法进行了对比,结果表明本文方法能够很好的保持地图整体色差,能够提高电子地图颜色复制精度.     

基于一维自组织神经网络的图像数据融合算法研究

多传感器数据融合技术最近在图像处理领域得到广泛的重视和应用.传统图像处理是典型的二维信号处理,图像数据融合也属此范畴.为了融合来自同一景物的多幅带有不同噪声的图像,本文提出了一种基于一维自组织特征映射神经网络的图像融合算法,利用等灰度图法来确定自组织映射神经网络的聚类数,并用一维的像素特征量直接进行二维图像信号处理. 仿真试验给出的详细结果表明了该图像融合算法的有效性.