用粗集-模糊神经网络评定空袭目标威胁程度

针对模糊神经网络运算过程中,当模糊规则较多时,网络学习速度慢,方法实时性差的缺点,本文提出采用粗糙集理论对该模型进行优化,该方法利用粗集数据分析方法,通过知识约简从数据中推理逻辑规则,并用约简后规则集作为模糊神经网络的规则将输入映射到输出的子空间上：在这个子空间上用改进的BP算法训练进行逼近。实验结果表明：通过粗集数据挖掘后提取的规则,不仅规则数目减少,且规则是不完全规则,减少了网络输入维数和各层神经元的个数,提高了网络运算速度,满足了系统实时性要求。     

用粗集-模糊神经网络评定空袭目标威胁程度

针对模糊神经网络运算过程中,当模糊规则较多时,网络学习速度慢,方法实时性差的缺点,本文提出采用粗糙集理论对该模型进行优化,该方法利用粗集数据分析方法,通过知识约简从数据中推理逻辑规则,并用约简后规则集作为模糊神经网络的规则将输入映射到输出的子空间上:在这个子空间上用改进的BP算法训练进行逼近.实验结果表明:通过粗集数据挖掘后提取的规则,不仅规则数目减少,且规则是不完全规则,减少了网络输入维数和各层神经元的个数,提高了网络运算速度,满足了系统实时性要求.     

基于文本挖掘的交互式专利分类

将文本挖掘理论应用于专利信息分析,提出了一种基于多分类器融合与主动学习的交互式专利分类算法,旨在实现高效的专利分类.该算法基于训练集,利用支持向量机,针对不同的专利类别分别训练相应的子分类器,然后通过多分类器融合对各子分类器进行有机结合,以获得性能更优的分类器和形成分类决策.在此基础上,利用主动学习选取最有信息的样本进行标引,从而通过人机交互实现分类模型的更新.针对传统批量选择性采样的缺点,还提出了动态批量选择性采样模式,通过确定度传播策略有效降低标引样本冗余度,以进一步提高主动学习的效率.实验结果表明,这种基于多分类器融合与主动学习的交互式专利分类算法的分类性能显著高于其他算法.     

改进型RBF网络在模拟电路故障隔离中的应用

提出了一种最陡下降增量映射学习算法,对RBF网络的训练方法进行改进,并将之运用于模拟电路故障隔离.该算法通过增量映射学习算法对RBF网络的采样基函数进行迭代优选,简化RBF网络结构;采用最陡下降法改进增量映射学习算法,对神经元激励函数的参数进行调节,控制网络规模,提高网络的逼近能力.故障隔离实例显示了其优越性.改进的算法与传统算法相比,具有更快的收敛速度和更高的隔离精度.本算法为RBF网络的训练提供了一种可行的方法,在故障诊断领域有良好的应用前景.     

基于改进ResNet-18网络的电容层析成像图像重建

为求解电容层析成像(ECT)中的非线性病态反问题，提出了一种基于改进ResNet-18网络的ECT图像重建方法。该网络由多个残差块组成，每个残差块被分组，然后通过组内残差连接，以融合更多的特征尺度。通过MATLAB仿真实验平台构建了流型数据集，利用深度残差网络的非线性映射能力，完成训练集的学习与训练，并利用测试集进行训练效果评价。在此基础上进行了静态实验。仿真与静态实验结果均表明：与LBP、Landweber迭代算法及未改进ResNet-18算法相比，该方法的图像重建质量明显提高，并具有良好的泛化能力。     

基于模糊K-均值算法的模糊分类器设计

基于模糊K-均值算法的模糊分类器,就是把目前比较常用的模糊K-均值算法的聚类方法,再一次与模糊分类规则提取相结合而得到的一种分类器。它是一种很有效的模糊分类器,训练样本能正确的分类。在这种方法中,首先用模糊K-均值算法按剖分和覆盖的原则把训练样本分成群,并且每一群的中心和半径都被计算出来。然后,设计一个用模糊规则来表示分类的模糊系统。这样就有效地构建了一个能对训练样本比较准确分类的模糊分类器。用这种方法设计的分类器不需要预定义参数、训练时间较短、方法简单     

基于粗集理论和神经网络的数据融合

提出了一种基于粗集理论和神经网络结合的数据融合方法。利用粗集对输入信息进行约简，剔除冗余信息，简化了神经网络模型，提高了训练速度，进而提高整个融合系统的速度。并通过仿真实验证明了它的可行性。     

基于贝叶斯优化与改进LeNet-5的滚动轴承故障诊断

考虑到卷积神经网络在滚动轴承故障诊断中存在网络结构难以确定、训练次数过多、时间过长等问题,设计了一种贝叶斯优化改进LeNet-5算法,以及采用该算法构建的轴承故障诊断模型。采用贝叶斯优化训练过程中学习率等超参数,多种故障轴承的振动信号直接作为改进LeNet-5网络的输入,对池化输出采用批归一化处理和改进池化层激活函数防止过拟合,利用全局平均池化层替代全连接层提高改进LeNet-5网络的泛化能力,用Softmax分类器实现滚动轴承故障的分类。通过轴承数据库开展实验,实验表明,该算法构建的轴承故障诊断模型在训练集上准确率为99.94%,验证集上的准确率为99.89%,测试集准确率也达到99.65%,与一维卷积神经网络和二维卷积神经网络对比分析,基于贝叶斯优化改进LeNet-5算法构建的轴承故障诊断模型在滚动轴承的故障诊断模型具有更高的准确率,更少的训练次数和训练时间。     

3UCVD SiGe工艺的神经网络模型

介绍了用于生长SiGe材料的3UCVD设备的简要情况。对3UCVD工艺系统构建了神经网络模型；基于误差反向传播（BP）学习算法设计了一种自动调整网络结构和训练精度的网络训练方法；利用3UCVD工艺实验的数据样本编制程序，对数据样本进行了训练拟合；并利用训练后的网络进行了工艺预测，网络预测的结果和实验结果符合良好。     

基于卷积神经网络级联的蒙面人脸检测算法

精确地检测蒙面人脸是鉴别和追踪罪犯或者恐怖分子的重要手段,因此,一个高效的蒙面人脸检测算法这对于打击犯罪,维护社会治安稳定有重要意义。然而,由于面具遮挡导致的人脸信息缺失,传统的人脸检测算法很难取得令人满意的结果。针对这一问题,在本论文中,我们提出了一种适用于蒙面人脸检测的卷积神经网络级联算法。该级联网络共有三级,在训练时,第一级采用整个训练样本集进行训练,之后逐级对前一级训练中分类错误的样本进行训练,以获得更强的辨别能力。这一策略也能避免第一级网络的过度拟合。为了进一步保证算法的检测精度,我们采用迁移学习的方法,利用大型的通用人脸数据集和蒙面人脸数据集来训练和微调分类网络模型。此外,我们还优化了每一级的网络结构,从而提高了计算效率。我们在蒙面人脸的测试数据集上对算法进行测试。实验结果表明,我们在87. 8%的召回率下取得了86. 6%的精确率。并且,相比于传统的卷积神经网络算法,我们的方法具有较高的检测精度和检测效率。     

基于粗糙集理论的模糊神经网络及其在化纤生产过程中的应用

提出一种基于粗糙集理论的模糊神经网络系统,首先运用粗糙集理论来发现大量样本数据中的概略化的规则,然后根据这些规则来设计神经网络的结构模型,并利用神经网络技术对模型进行训练。化纤工业中抽丝冷却侧吹风过程的模拟仿真实验,证明了该方法的有效性和可行性。     

模糊中心聚类的模式识别学习方法

基于一个约束条件下的非线性规划问题的优化计算思想，把模糊中心聚类中计算输入矢量与中心的距离来实现聚类作为一种优化计算问题，证明了模糊中心聚类方法，取一个适当的属函数，其聚类中心vi为模糊聚类中心价值函数的极小值，推导出了基于模糊中心聚类的模式识别的无导师递推学习方法，提出了模糊中心聚类模式分类神经网络结构，该网络可以实现并行数据处理和模式分类的软划分和硬划分。     

一种基于软计算的转子故障诊断方法

提出了一种基于软计算的转子故障诊断方法。该方法充分利用软计算中的模糊集合理论,人工神经网 络,粗糙集理论和遗传算法等计算方法优势,弥补它们相互的不足,进行故障诊断。首先利用粗糙集理论对样本数据进 行初步规则获取,并计算规则的依赖度和条件覆盖度,然后根据这些规则进行网络设计,其中,网络隐层节点的数目等于 规则的数目,初始网络权重由规则的依赖度和条件覆盖度确定,最后用遗传算法对模糊神经网络参数进行优化。使用该 网络对转子类常见故障进行诊断。实验表明,和一般模糊神经网络相比,这种基于软计算的诊断方法具有训练时间短、 诊断准确率高的特点。     

一种基于粗糙集的模糊信息融合方法及应用

将粗糙集理论和模糊逻辑技术结合起来，提出了一种基于粗糙集数据处理的模糊信息融合方法。运用粗糙集的基本理论和简约计算方法，从大量原始数据中发现精简的、概略化的规则，结合模糊逻辑推理建立一致粗糙模糊模型，并提出了对模型进行扩充与完备化的概念。脉动真空灭菌温度控制过程的仿真试验研究结果表明了所提方法的有效性和可行性。     

一种模糊Rough决策方法

利用模糊集理论和粗糙集理论在处理不确定性和不精确性问题方面侧重点的差异性，构造一种组合决策模型。该模型从问题领域内的部分不精确信息出发利用模糊聚类方法构造一个决策信息系统，利用粗糙集理论关于决策规则的约简方法从决策信息系统中提取（挖掘）决策规则，使之适用于问题的整个领域。     

基于Rough集理论的模糊神经网络构造方法

提出了在模糊神经网络中使用Rough集理论进行网络结构设计的方法。由于Rough集理论有强大的数值分析能力,而模糊神经网络具有准确的逼近收敛能力和较高的精度,所以通过两者的结合,可以得到一种可理解性好、计算简单、收敛速度快的神经网络模型。这种网络构造方法的主要过程为：首先,利用Rough集理论对给定数据集进行规则获取;然后,根据这些规则构造模糊神经网络各层的神经元个数及相关参数初始值;最后,用BP算法迭代求出网络的各种参数,完成网络的设计。给出了一个二维非线性函数拟合的实例,进一步验证了方法的正确性。     

优势变精度粗糙集构建采矿方案评价体系的研究

影响采矿方案的因素错综复杂,为了建立科学合理的采矿方案评价体系,首先将影响因素进行分级,利用模糊数学确定各级影响因素的权重.由于噪声数据的存在,采用优势变精度粗糙集构建采矿方案评价体系,可以辨识规则间的不相容性,对条件属性进行约简,并生成最少偏好规则集,分类质量为100%.然后利用灰色关联度理论对约简后的属性进行优势分析,得到各属性对于方案的重要程度,完善采矿方案评价体系.研究结果表明：优势变精度粗糙集相对于经典粗糙集更具规则性,构建采矿方案评价体系是科学有效的.     

基于模糊神经网络的液体火箭发动机振动检测

液体火箭发动机振动检测涉及部件振动数据的收集、振动特征的抽取与度量以及度量结果的决策。基于模糊神经网络提出了一种发动机振动故障检测的基本系统。这种技术的吸引力在于：神经网络采用可变模糊集代表发动机工作模式，自然地提供了反映故障程度的有用信息；神经网络的离线学习算法可以从训练样本中提取振动知识；神经网络的监测算法不仅能正确预报故障，同时也能对新的振动信息进行在线学习。实验研究结果表明：模糊神经网络可以成功地用于泵压式液体火箭发动机热试车的振动故障检测。     

规则库自提取和简化的模糊系统

介绍了一种新的规则自提取和简化的模糊模型算法，该算法由3个步骤组成：首先，通过构造一个模糊软划分判别准则对输入输出空间进行模糊划分，得到最佳分类数，从而得到了最佳的规则数；其次，根据最佳规则数和神经网络来构造初始的模糊模型；第三，通过运用模糊相似分析法，可以得到计算2个模糊集相似度的方程，从而根据事先确定的阈值来合并相似的模糊集。这样就得到了一个既满足对精度的要求又简单且具有可解释性的模糊系统。最后，用该算法对我国全要素生产力进行了模糊规则的提取。     

Fuzzy rules extraction using a hybrid of base‐n‐number‐coded GA and SVD‐QR

Abstract

A hybrid of a base‐n‐number‐coded genetic algorithm (base‐n‐number‐coded GA) and an SVD‐QR is proposed to construct a fuzzy system directly from some gathered input‐output data of the identified system. Each individual in the base‐n‐number‐coded GA is applied to determine the fuzzy sets in each input variable. However, the grid‐type fuzzy partition by the fuzzy sets associated with each input variable may generate some redundant fuzzy subspaces. Therefore, an SVD‐QR method is applied to remove the redundant fuzzy subspaces to efficiently describe the behavior of the identified system so that the premise part of the fuzzy system is determined. Then, the recursive least‐squares method is used to determine the consequent part of the fuzzy system. Subsequently, a fitness function is defined such that it can guide the search procedure to select an appropriate fuzzy system that not only maintains a good performance but also has relevant fuzzy rules. Finally, two nonlinear system identification problems are used to illustrate the efficiency of the proposed method.