基于SOM工程项目评标模型的研究与实现

针对建筑工程这一企业对象中复杂指标的评标问题,首先对样本数据进行预处理,得到数据的规范化形式,然后利用这些样本输入SOM神经网络模型,并对其进行训练,构造出一个具有一定决策能力的综合评估模型.实验结果表明,利用该模型在得到可视化决策结果的同时,还可得到高达84.6%的测试精度,具有一定的应用价值.     

基于SOM-PNN的信贷风险预警模型研究

信贷对现代市场经济非常重要，同时又会带来风险．以人工智能的思想为指导，将SOM与PNN网络相结合．提出并建立了一种基于SOM-PNN的信贷风险预警模型；结合统计理论方法对输入样本进行预处理，解决了网络训练中样本选用的问题；并利用因素分析方法对预警结果进行了解释．实验表明，利用该模型在得到可视化预测结果的同时，还可得到较高的预警精度．     

基于改进的SOM网络模型的VoIP QoS应用研究

VoIP的服务质量（QoS,Quality of Service）评估可以采用一系列可度量的参数来描述：业务可用性、吞吐量、延迟、抖动、分组丢失率等。现有的感知语音质量评价（PESQ）很难对不同环境下的网络结构进行实时和恰当的语音等级质量分类。为了能够综合考虑几种QoS相关因素,在给出改进的自组织映射神经网络模型（ESOMNN）的基础上,利用ESOM能够对高维输入数据有效分类的特点,提出了将端到端延迟、丢包率、抖动、语音编码以及测试系统标识作为ESOMNN的输入数据,在对采样数据进行训练后可自动完成语音质量评价和映射,并能根据得到的实时变量有效地评价包含多种相关因素的QoS级别。     

Kohonen自组织特征映射模型的推广

基于拓扑特征保持的观点,对Kohonen自组织特征映射模型进行了推广和理论分析.实验结果表明,采用推广后的模型,能够使自组织特征映射更好地保持特征空间的拓扑性质,从而达到更好的应用效果.     

基于数据挖掘的财务预警模型设计与实现

利用决策树算法在筛选属性方面的优势,对传统ID3算法进行了改进,建立了一个精简的财务指标体系。然后,利用人工神经网络在建立财务预警模型方面优于其他线性和回归模型的特点,基于B-P模型构建了一个新的混合财务预警模型。最后,本文利用测试集中样本,将该模型与经典的Z计分模型的预警能力从第一错误率和第二错误率两个角度加以比较。通过实际样本的分析对本文建立的财务预警模型的预警能力进行了很好的验证。     

基于SOM的入侵检测方法研究

针对现有入侵检测系统识别率低、误报率高的问题,将SOM神经网络应用到入侵检测系统。自组织特征映射神经网络SOM(Self Organizing Feature Maps)作为一种优良的聚类工具,具有无需监督,能自动对输入模式进行聚类的优点。为验证检测方法的有效性,采用KDDCup99的训练集与测试集进行实验。     

广义SOM及其在人脸性别识别中的应用

将适用于欧氏空间的经典SOM模型,借助于黎曼指数及对数映射,推广至一般黎曼流形空间中,得到了广义SOM模型(G-SOM),给出了G-SOM模型的序列及批量学习算法.G-SOM能够在输出空间中保持模式在输入空间中的内蕴拓扑邻域特性,因此,当输入空间为非线性流形时,G- SOM的性能理论上将优于SOM.FERET人脸图像库...     

基于SOM的市场细分研究

本文应用数据挖掘技术对市场细分的研究包括:如何利用SOM聚类技术解决市场细分问题;如何将SOM聚类的市场细分结构结果可视地呈现给市场决策人员的问题。这两部分研究整合为企业市场战略集成一个研究途径,包括:偏好数据的收集与前处理步骤、偏好数据聚类步骤、偏好数据的可视化步骤。实验结果表明,本文提出的研究途径成功发现了人工数据集中预设的聚类模式,与通常研究途径相比具有明显的优点。在实际市场数据分析中,获得了与事实相符的结论并提供了有价值的决策支持信息。     

基于CMM的隐患治理能力成熟度模型研究与应用

为提升企业自身的隐患治理能力,借鉴软件能力成熟度模型,提出了隐患治理能力成熟度的概念,建立隐患治理能力成熟度五级模型,构建评估指标体系,基于专家评估法和自组织特征映射神经网络提出组合评估方法。实验结果表明,所提出的模型与方法可实现智能化评估企业隐患治理能力,并为强化隐患排查治理长效机制提供参考依据。     

基于混合AIS/SOM的入侵检测模型

针对异常检测信息获取不足的缺点,提出基于混合人工免疫系统(AIS)/自组织映射(SOM)的入侵检测模型。该模型采用人工免疫系统检测网络异常,对检测到的异常连接用自组织映射进行分类,应用KDDCUP99实验数据集进行仿真。结果表明该检测方法是有效的,能够将检测到的异常连接分类并给出异常连接的更多信息,检测和分类效率较高、误报率低。     

一种基于SVM的多变量企业财务预警模型

本文将支撑向量机这一通用学习机器引入企业财务预警中，克服了以往应用统计分析方法中需要大量样本的缺点，提出了一种在小量样本情况下，实现企业财务数据与企业的运营状况映射关系的方法，还探讨了支撑向量机在企业财务预警中应用的优势和发展潜力，并给出了实验设计和验证。     

基于SOM的MRO物料采购模式选择及仿真研究

MRO物料是生产过程中的间接材料,具有品种规格多、需求量较小、采购成本高等特征,针对其特征建立了MRO采购决策模型,即在分析两类MRO采购模式的成本的基础上,采用SOM神经网络对MRO物料进行聚类,从而确定不同种类的MRO物料的采购模式。最后,通过实例对采购决策模型进行了验证。     

基于燃气安全风险的大数据预警模型分析

随着社会经济的快速发展,燃气在人们生活中得到了广泛的应用,在这一过程中,如何做好燃气安全管理显得尤为重要。这一过程中,可以利用大数据预警模型,对燃气安全风险进行分析和把握,从而针对性地做好防范,降低燃气安全风险隐患。笔者在利用大数据预警模型对燃气安全风险问题处置过程中,采用了怀卡托智能分析环境,对数据分析预警的流程进行了把握,从而对原始数据进行有效获取,并通过数据分析对燃气安全风险进行把握,从而做好风险防范,以确保燃气使用的安全性和可靠性。     

基于神经网络算法的企业财务预警模型构建

本文详细介绍了基于神经网络算法的企业财务预警模型构建思路,明确提出了财务预警机制中的各项指标,在财务预警基本模型的基础上通过人工神经网络实施了进一步的优化,解决了常规反向误差传播算法收敛速度过慢的问题.     

基于支持向量回归机的油田生产预警模型研究

传统的油田开发动态生产预警采用独立性指标阈值判别方法,从而带来预警结果不准确、异常事件发生时报警而不是预警等问题。本课题提出一种油田生产预警模型,该方法将支持向量回归机(Support Vector Regression,SVR)用于油田生产预警中,通过分析历史生产动态数据,找到它们的变化规律,总结出生产异常警报形成模式,在油田异常事件的初期给出预警信号,提前分析处理潜在隐患,以便保证油田采收效率的稳定性。实验结果证明模型对于油田生产中发生的异常情况具有较高的预测准确性。     

驾驶员模型汽车防撞雷达安全预警算法

根据汽车主动避撞雷达系统中保障安全和及时预警两方面的实际要求,比较了各种报警算法,在结合汽车制动过程运动学分析的基础上,引入了一种安全性更高,且不同于普通安全距离模型的基于驾驶员模型安全报警算法的多级安全预警模式,并进行了仿真分析,结果表明,该算法快速、准确,可靠性高。     

基于GIS技术的旅游景区生态预警系统研究

摘要：以GIS和生态学理论为依据,对旅游景区生态预警系统做了需求分析,规划了景区预警系统的体系结构,运用GIS技术和空间数据库技术,设计了旅游景区生态预警系统的评估指标体系和功能模块,实现了景区生态信息的实时收集、警情调度、信息发布和输出功能。