基于改进CS-BPNN的松茸发酵过程软测量建模

针对松茸发酵过程中关键参量难以实时在线检测的难题,提出了一种基于改进布谷鸟算法（CS）与改进BP神经网络（BPNN）相结合的松茸菌丝生物量软测量建模方法。首先采用两阶段动态发现概率法对传统CS进行改进,平衡CS的全局搜索与局部搜索能力;然后引入附加动量和动态调整学习率对BPNN进行改进,提高BPNN参量的修正精度;最后,通过CS算法获取BPNN的初始权值和阈值,并由权值修正公式（附加动量与动态学习率相结合）对权值进行动态修正。仿真结果表明,改进的CS-BPNN软测量模型在预测精度提高了6%以上,能够实现松茸发酵过程实时在线测量的需求。     

一种单个粒子自适应修正的粒子群算法

在各类优化问题的解决过程中,群智能优化算法的局部搜索与全局搜索性能都起着重要的作用。在粒子群优化算法中,惯性权值的引入对粒子群算法的收敛性与稳定性都具有一定的影响。因此,在分析现有权值递减策略的基础上,提出一种基于单个粒子适应值的权值修正策略,区别对待同次迭代中适应值好与差的粒子,通过不同的权值赋值策略,以充分发挥各粒子的优势,以增强全局搜索和跳出局部最优的能力。通过对标准测试函数所做的对比实验,该策略可以使粒子在搜索初期获得更好的多样性,使粒子具有更强的摆脱陷入局部极值点的能力;在搜索末期可以加快粒子收敛速度以提高粒子群优化算法的快速性能。改进算法有效减少了早熟的发生,提高了粒子的收敛性能,取得了比较满意的仿真结果。     

前馈神经网络的一种新的学习算法

本文将变尺度法引入到神经网络的学习中。在修改权值时，引入串行修正权值的思想。基于以上两点提出的算法具有收敛速度快、学习精度高等特点。     

一种基于加权处理和误差修正的DV-Hop定位算法研究

针对传统的DV-Hop算法在定位过程中出现的容易引起误差的问题,提出了一种综合考虑所有信标节点的平均跳距并引入权值修正,将信标节点当作未知节点计算误差进而优化精度的距离估计算法,使网络平均跳距和节点位置估计值更加准确。通过相关仿真实验表明:改进算法优化了原算法的定位精度和定位稳定性,达到了预期目标。     

基于改进的LSSVM辨识动态非线性时变系统

针对非线性时变系统难以辨识的问题,提出了一种基于改进最小二乘支持向量机的辨识新方法。该方法在加权最小二乘支持向量机的基础上,引入用矢量基学习和自适应迭代相结合的方式得到一个小的支持向量,同时采用加权方法确定权值系数以减小训练样本中非高斯噪声的影响。通过对动态非线性时变系统的仿真,结果表明该算法具有较好的鲁棒性、支持向量稀疏性和动态建模实时性。     

基于改进模糊聚类和支持向量机的模拟电路故障诊断

为解决神经网络训练需要大量的样本,且容易陷入局部最优,收敛速度慢等缺点,采用改进模糊聚类(IFC)和支持向量机(SVM)相结合的模拟电路故障诊断方法.利用小波分解技术提取待诊断电路的测试信息作为故障特征,在模糊聚类算法中为消除孤立点和噪声的影响,对不同样本点引入权值以提高聚类效果,结合改进的模糊聚类算法进一步降低故障特征的维数,将其作为支持向量机的输入量,进行模型训练并预测模拟电路的故障.仿真结果表明,此方法应用于电路故障诊断有效削减计算复杂度并提高了诊断精度.     

一种改进的模糊ART神经网络学习算法

对模糊ART神经网络模型中的类别选择方法进行改进,并在权值向量的修改规则中引入隶属度,得到一种改进的Fuzzy ART学习算法。IRIS数据分类结果证明了新方法的可行性。     

前馈神经网络的一种新的学习算法

本文将变尺度法引入到神经网络的学习中。在修改权值时，引入串行修正权值的思想。基于以上两点提出的算法具有收敛速度快、实习精度高等特点。     

一种新型高精度非线性滤波算法研究

针对非线性、非高斯系统状态的在线估计问题,提出了一种新的高精度粒子滤波算法。该算法通过引入积分修正因子,对积分卡尔曼滤波器的积分点进行在线修正,并采用修正后的积分卡尔曼滤波产生优选的建议分布函数,由于高精度地融入最新量测信息,一定程度上克服了权值退化问题。仿真实验表明,新算法具有较高的滤波精度,是一种有效的非线性滤波算法。     

利用矢量基学习和自适应迭代算法改进LSSVR

针对最小二乘支持向量回归缺乏传统SVR的稀疏性和鲁棒性等问题,综合矢量基学习和自适应迭代算法的优势,提出了一种改进的加权最小二乘支持向量回归算法（LSSVR）。该算法通过引入用矢量基学习和自适应迭代相结合的方式得到一个小的支持向量集,可以避免递推时可能出现的误差积累问题,有效提高算法的稀疏性和稳定性;同时采用加权方法确定权值系数以减小训练样本中非高斯噪声的影响。实验结果表明,改进的LSSVR具有较好的鲁棒性、支持向量稀疏性和动态建模实时性。     

A real-time neural system for color constancy

A neural network approach to the problem of color constancy is presented. Various algorithms based on Land's retinex theory are discussed with respect to neurobiological parallels, computational efficiency, and suitability for VLSI implementation. The efficiency of one algorithm is improved by the application of resistive grids and is tested in computer simulations; the simulations make clear the strengths and weaknesses of the algorithm. A novel extension to the algorithm is developed to address its weaknesses. An electronic system that is based on the original algorithm and that operates at video rates was built using subthreshold analog CMOS VLSI resistive grids. The system displays color constancy abilities and qualitatively mimics aspects of human color perception.     

Dynamic load distribution using anti-tasks and load state vectors

Polling-based load distribution (LD) algorithms suffer from two weaknesses: (i) load information exchanged during a polling session is confined to the two negotiating nodes only; (ii) as the distributed system grows in size (in terms of the number of constituent nodes), a larger number of polling sessions, and thus a higher amount of network bandwidth consumption and CPU overhead, are needed. We propose a new LD algorithm which is based on anti-tasks and load state vectors. This new algorithm avoids the above weaknesses of polling-based LD algorithms. Anti-tasks are composite agents which travel around a distributed system to facilitate the pairing up of task senders and receivers, as well as the collection and dissemination of load information. Time-stamped load information of processing nodes is stored in load state vectors which, when used together with anti-tasks, encourage mutual sharing of load information among processing nodes. Anti-tasks, which make use of load state vectors to decide their traveling paths, are spontaneously directed towards processing nodes having high transient workload, thus allowing their surplus workload to be relocated quickly. Using simulations, we evaluate the performance of our new algorithm by comparing its performance with a number of well-known polling-based load distribution algorithms. We found that our algorithm provides significant reduction of mean task response time over a large range of system sizes. The cost of achieving this performance gain in terms of CPU overhead and channel bandwidth consumption is generally comparable to the other algorithms we studied. © 1998 John Wiley & Sons, Ltd.     

一种电影个性化推荐系统的研究与实现

在协作过滤算法研究的基础上,考虑到相似项目之间评分的相似性,将此因素加入过滤算法得到改进的协助过滤算法,提高了算法的准确度。综合内容和协作过滤的优缺点,提出一种具有自适应调节的混合过滤算法,提高了过滤性能和准确度。根据改进的算法,针对电影领域进行实验,证明了其可行性。     

一种改进的主动规则的系统执行模型

主动规则及规则处理机制一直是主动数据库研究的薄弱环节,主要表现为:(1) 语义不够丰富;(2) 缺乏基础语义;(3) 缺乏对规则处理的层次化和结构化的描述.为弥补上述不足,对规则处理机制赋予了丰富的规则延伸语义,根据语义的要求,用规则处理树层次化和结构化地描述规则处理过程对系统状态的影响.新的系统执行模型和扩展后的事务使我们能够提出一种支持丰富语义的规则处理算法.与其他规则处理算法相比,该算法实现了新语义,并利用了递归技术,能更好地吻合规则处理过程.     

一种基于空间变换的核Fisher鉴别分析

引入空间变换的思相想，提出了一种基于空间变换的核Fisher鉴别分析，与KFDA不同的是，该方法只需在一个较低维的空间内执行，从而较大幅度地降低了求解最优鉴别矢量集的计算量，提高了计算速度，在ORL标准人脸库上的试验结果验证了所提方法的有效性。     

An enhanced possibilistic C-Means clustering algorithm EPCM

The possibility based clustering algorithm PCM was first proposed by Krishnapuram and Keller to overcome the noise sensitivity of algorithm FCM (Fuzzy C-Means). However, PCM still suffers from the following weaknesses: (1) the clustering results are strongly dependent on parameter selection and/or initialization; (2) the clustering accuracy is often deteriorated due to its coincident clustering problem; (3) outliers can not be well labeled, which will weaken its clustering performances in real applications. In this study, in order to effectively avoid the above weaknesses, a novel enhanced PCM version (EPCM) is presented. Here, at first a novel strategy of flexible hyperspheric dichotomy is proposed which may partition a dataset into two parts: the main cluster and auxiliary cluster, and is then utilized to construct the objective function of EPCM with some novel constraints. Finally, EPCM is realized by using an alternative optimization approach. The main advantage of EPCM lies in the fact that it can not only avoid the coincident cluster problem by using the novel constraint in its objective function, but also has less noise sensitivity and higher clustering accuracy due to the introduction of the strategy of flexible hyperspheric dichotomy. Our experimental results about simulated and real datasets confirm the above conclusions.     

改进的Otsu方法的双边滤波边缘检测算法

Canny边缘检测是一种比较新的边缘检测算子,具有良好的边缘检测性能,得到了广泛运用。然而经典Canny边缘检测算法在去除噪声和门限确定上还有很大的局限,针对以上弱点,提出了基于改进的双边滤波的自适应边缘检测算法。用改进的双边滤波方法代替传统的高斯滤波平滑图像,这样在更好地去除噪声的同时保留了边缘信息;在门限确定上,用类间方差与类内方差之比最大的方法确定高门限,该方法具有较强的自适应能力。理论推导和实验证明该算法具有很好的准确性和实用性。     

基于产品分类的协同过滤算法应用研究

为了解决稀疏性问题和可扩展性问题,提高推荐的质量,在传统协同过滤算法的基础上,引入产品分类技术与Web使用挖掘技术.在详细阐述算法的基础上,通过实验数据验证该算法的推荐性能.实验结果表明,引入产品分类和Web使用挖掘技术后,协同过滤算法的性能有了显著的提高,很好地改善了其稀疏性问题和可扩展性问题.     

多物理并行数值模拟中的两层紧耦合联接算法

复杂物理现象通常由多类复杂的物理过程紧耦合构成，其数值模拟也通常由适用不同物理过程的多类并行应用程序紧耦合完成．如何设计这些物理过程之间的联接算法，既要保证程序之间数据传递的高效，又要保证程序各自运行和总体模拟的高效，还要保证程序各自开发的独立，是一个值得研究的课题．该文基于广泛应用于高温高压多物理研究中的辐射流体力学和中子输运多物理并行数值模拟，在非结构网格上，提出了两种联接算法：完全松散联接算法和两层紧耦合联接算法，前者侧重于实现程序各自运行的高效和开发的独立，后者在前者的基础上，还权衡了数据传递和总体模拟的高效．在两台并行机的数百个处理机上，通信复杂度分析和数值实验结果表明两个算法均是有效的，可推广适用于辐射或中子输运与其他流体力学的多物理并行数值模拟应用中．特别地，两层紧耦合联接算法是高效可扩展的，取得了近似最优的并行性能．     

多层前向网络的研究——遗传BP算法和结构优化策略

分析了引起BP算法局部收敛现象的原因,探讨了解决的途径.通过对遗传算法中 的基因群体的实数化,并将其与BP算法有机地集成起来,提出了遗传BP算法.此外,在借鉴 网络剪枝法思想的基础上,重新定义网络结构复杂度函数,并以遗传算法直接求解网络结构 优化问题,给出了网络结构优化策略.仿真结果和实际应用均表明了上述研究的成效.