利用模糊感知器解决模糊可分样本的分类问题

针对一类用于解决分类问题的模糊感知器,提出完全随机输入的模糊δ-规则,并给出训练样本模糊可分的定义。实例表明,利用该算法可以有效地解决模糊可分样本的分类问题,在有限步迭代后就达到收敛,即有限步训练后网络能将所有样本正确分类。     

带递归单元的模糊感知器的δ-规则的有限收敛性

针对带递归的模糊感知器,提出模糊δ-规则,其中样本以完全随机顺序输入。证明了若训练样本模糊可分,在一定条件下,算法有限收敛,即有限步训练后网络能将所有样本正确分类,可以准确完成模糊可分样本的分类问题。     

忆阻感知器在逻辑分类中的应用

基于传统感知器在分类中的优势,结合新型的电路元件——忆阻器作突触,提出新型的忆阻感知器。推导了忆导变化与权值更新的关系,构建了单层忆阻感知器和多层忆阻感知器模型,提出了忆阻突触的权值更新规则。通过Matlab仿真,用单层忆阻感知器实现了线性可分逻辑"与"和逻辑"或"分类问题,用多层忆阻感知器实现了线性不可分的逻辑"异或"和"同或"分类问题,从而证实了该方案的有效性。     

基于组合凸线性感知器的文本分类模型

针对文本分类问题,从分片线性学习的角度出发,提出了一种文本分类的组合凸线性感知器模型.首先,对文本样本集进行预处理,包括特征选择、特征项赋权等;然后,分别利用生长支持组合凸线性感知器算法(growing support multiconlitron algorithm,GSMA)和支持组合凸线性感知器算法(support multiconlitron algorithm,SMA)构造组合凸线性感知器,对样本集进行分类.该模型基于支持向量机的最大间隔思想,通过集成线性分类器,实现了对2类数据的划分,具有计算简单、适应能力强的优点.在标准文本数据集上的实验结果表明:该模型所构造的分类器具有良好的文本分类性能,与其他典型文本分类方法的对比也说明了该方法的有效性.     

基于模糊k近邻的样本预选取的支持向量机分类算法

在支持向量机（SVM）方法中采用模糊☆近邻方法进行样本预选取,旨在保留最优分类超平面附近的样本点,去除远处样本点,使训练样本集减小,消除冗余,从而减小所需内存．实验结果表明,该方法无论是训练速度还是分类精度都远远好于单独的SVM分类器．     

基于K-Shape的时间序列模糊分类方法

时间序列分类是数据挖掘中的重要主题,现有的大部分时间序列分类方法较少考虑到序列形状对分类结果的影响。该文提出了一种基于k-shape的时间序列模糊分类方法。该方法通过使用k-shape聚类算法对时间序列训练数据集各类别的成员进行聚类,获得各类别的聚类中心并形成聚类中心群,将每个类别的聚类中心群作为时间序列数据模糊分类的初始聚类中心,根据隶属度最大原则确定测试时间序列数据的类别标签。在30个时间序列公开数据集上的分类实验结果表明,该方法相较于SVM、Bayes、EAIW和TLCS这4种分类算法具有更好的分类性能,对具有扭曲和位移特征的时间序列数据分类有更好的可用性。     

煤炭自燃的模糊分类与识别

本文基于模糊数学理论对煤炭自然概念提出统一而科学的定义分类方法。在此基础上给出了在氧化热量全部消耗在煤温增高的条件下，煤温Ｔ与煤的发火前的时间ｔ关系的热平衡方程及利用标志气体判别自燃程度的数学模型与识别方法。     

多体量子系统中量子可分态的分类

为了研究多体量子系统中量子态的可分性, 利用Bell不等式给出了多体量子可分态的所有分类.这些不等式能分类2⊗2⊗2⊗2⊗2量子系统中所有可能的k-可分量子态, 包括全可分、双可分、三可分、四可分.利用推广的Bell算子和真纠缠分类, 运用Cauchy-Schwarz不等式、线性规划等方法, 给出了Bell算子平均值的绝对值上界, 实现了多体可分态的分类.     

一种基于多层感知机的无监督异常检测方法

为了解决入侵检测系统应用过程中需要大量有导师数据进行训练的问题,提出了一种采用多层感知机进行无监督异常检测的方法,网络能够实现编码和还原的功能,从而在最小均方误差原则下学习样本的主要特征,给出了具体的学习算法.依据这些算法构建的系统经过仿真实验取得了较好的结果,验证了基于多层感知机的无监督异常检测方法能够在无需大量有导师信号的情况下检测出入侵,有利于入侵检测系统的推广和应用.     

旋转机械故障诊断的模糊神经网络方法

本文给出了一种模糊神经网络方法 ,并将其应用于旋转机械故障诊断。文中针对旋转机械几种典型故障的诊断 ,将模糊神经网络方法与传统 BP网络方法和模糊分类方法进行了比较。结果证明 ,模糊神经网络方法具有更好的诊断效果 ,特别是在处理多故障情况时更为有效     

Reduced-reference image quality assessment based on fuzzy classification

Image quality assessment is an important branch in the fields of image processing. It would be employed for calibrating image processing system or algorithms, and be applied for algorithm optimizing and parameter setting. Reduced-reference image quality assessment (RR-IQA) has become to be one of the focuses in image processing fields. Inspired by the fuzzy human evaluation, an efficient RR-IQA framework is proposed in this paper. In the framework, the images are allocated into several fuzzy sets with their degrees of memberships. The natural scene statistics (NSS) in wavelet domain is used for extracting features. After that, a multi-class fuzzy classifier is training for assigning image features into fuzzy sets with their corresponding degrees of memberships. Contrast to the typical RR-IQA methods, the proposed one relates well with the human evaluations and has low computational complexity. The experimental results demonstrate that the proposed framework outperforms the state-of-the-art reduced-reference methods.     

基于模糊聚类分析的战场目标分类研究

目标分类是确定各类武器作战任务的基础,也是各类武器确定目标打击顺序的前提。采用模糊聚类分析方法,结合具体实例,围绕目标重要性、打击紧迫性、目标易损性、目标通视性、情报可靠性、任务一致性等指标,对战场目标进行了分类。     

基于模糊评价的雷达站模拟训练考核评估方法

客观反映雷达站模拟训练系统的训练效果,提高雷达兵部队模拟训练水平,是实现部队训练向实战靠拢的要求。针对雷达站模拟训练考核评估问题,依据雷达站专业人员类别和模拟训练科目的区别,提出了基于模糊评价法的雷达站模拟训练考核评估方法。以某雷达站为评估对象,对该方法进行应用分析,验证了方法的可行性。这为雷达站模拟训练考核评估提供了科学的依据,也为雷达站模拟训练考核评估软件的设计奠定了基础。     

压气机特性的高斯变换多层感知器预测方法

使用BP( back propagation)神经网络进行压气机特性预测时,容易出现外插精度低和系统稳定性差的问题.根据压气机特性图中等转速线线形分布特点,提出一种新型的多层感知器神经网络,利用高斯函数对数据样本进行变换,提取特性图中各条等转速线间的相似度关系.分析结果表明,该神经网络在预测精度、网络稳定性和逼近能力等方面优于BP神经网络.利用该神经网络对某型压气机特性进行预测,结果表明该神经网络对于样本数据内插值和外插值预测都有比较理想的精度.     

基于模糊神经网络的系统模糊建模方法

提出了一种基于模糊聚类和模糊神经网络的模糊建模方法,该方法首先利用模糊聚类技术来确定系统的模糊空间和模糊规则数,然后利用模糊神经来调整模型的前件参数和后件参数,给出了详细的算法,并对仿真实例进行了研究,仿真实例表明,采用聚类技术能够获得好的初始值,使得计算加快,能够取得满意的结果。     

基于模糊BP神经网络的抑郁症分诊系统

基于模糊逻辑和BP神经网络相结合的方式,提出了一种抑郁症的早期自动诊断方法,研究了抑郁症的分诊指标和分级标准的确定和模糊处理方法,把模糊量化的数据作为BP神经网络的输入,构建了合适的3层BP神经网络。仿真结果显示,综合运用模糊算法和BP神经网络的方法能达到优势互补的效果,构建的模糊神经网络用于抑郁症的诊断是可行的。