模糊聚类分析方法在DNA序列分类中的应用

该文采用模糊聚类分析的方法对DNA序列进行分类.首先从DNA序列中单个碱基分布的“密度”角度出发,提取出DNA序列的特征,然后用模糊聚类分析中常用的方法对DNA序列进行分类.该文运用自行研制开发的集成11种模糊聚类分析算法的模糊聚类分析运算工具,首先对已知的1-20个DNA序列进行模糊聚类分析,根据分类结果的精度,找出了较优的6种聚类分析算法,然后用余下的21-40个DNA序列进行分类;最后,本文一次对所有的1-40个DNA序列进行归类,并综合了所有的分类结果,将难以归类的DNA序列进行了归类.分析结果表明,模糊聚类分析算法具有分类简单且分类结果精度较高的优点.     

SVM结合模糊方法在遥感图像分类中的应用

提出一种支持向量机(SVM)结合模糊方法的遥感图像分类算法。首先介绍了SVM基本算法及其在遥感图像分类中应用情况,然后针对SVM多类判别存在混分和漏分的缺陷,对混分和漏分样本采用模糊方法判决分类。实验证明该方法的分类精度优于单一的SVM方法、模糊方法或神经网络方法。     

模糊聚类分析在文本分类中的应用

文章用模糊聚类分析的方法对文本进行分类,选择了5种语体,即古典白话、古龙武侠、金庸武侠、外国翻译及现代小说等进行实验,获得了较为稳定的结果。     

模糊聚类方法在医学病理图像分类中的应用

图象分割和对象提取是从图象处理到图象分析的关键步骤。本文将经典的模糊C-均值聚类算法和模糊测度和模糊积分结合起来,并将这两种算法应用于医学病理图象的分割。经典的模糊C-均值聚类算法采用欧式距离计算像素之间的相似度,本文中采用模糊测度和模糊积分计算像素之间的相似度,基于模糊测度和模糊积分的特点,这种计算方法可以提高计算的准确度。最后对两种算法的处理结果进行了比较,结果表明改进的模糊C-均值算法对医学病理图像的分割效果比原算法有所改进。     

模糊人工神经网络方法在电路划分问题中的应用

本文把模糊集合论的知识应用于自组织人工神经网络,提出一个模糊人工神经网络算法.新算法克服了一般人工神经网络方法共同面临的学习时间长、对网络参数的敏感性弱点,广泛适用于一般的模式分类问题.对集成电路设计中电路划分问题的应用情况表明,新算法无论在网络学习的速度上还是划分结果上都优于Kohonen的自组织人工神经网络方法.     

信息熵方法及在中文问题分类中的应用

针对中文问题分类方法中布尔模型提取特征信息损失较大的问题,提出了一种新的特征权重计算方法。在提取问题特征时,通过把信息熵算法和医院本体概念模型结合在一起,进行问题的特征模型计算,在此基础上使用支持向量机方法进行中文问题分类。在城域医院问答系统的中文问题集上进行实验,证明了该方法的有效性,大类准确率及小类准确率分别达到89.0%和87.1%,取得了较好的效果。     

模糊聚类分析在乳腺癌图像分类中的应用

研究模糊聚类分析在医学图像数据挖掘中的应用。利用决策树算法对乳腺癌图像数据进行分类,实现了一个基于决策树算法的医学图像分类器,获得了分类的实验结果。该模型系统达到了较高的分类准确率,证明数据挖掘在辅助医疗诊断中有着广泛的应用前景。     

模糊Kohonen网络在烟叶分类中的应用

对于分类问题的处理有很多经典方法，但近年来因为人们对神经网络理论及其应用的重视，使得Kononen网络(KN)趟来越受到普遍关注。该文利用模糊控制策略将模糊。均值算法与经典的Kolloncn算法有机地结合起来，使网络性能到了，很大改善。     

进化模糊分类识别在IDS中的应用

应用进化编程自动产生若干条模糊规则以检测各种攻击。在计算机网络中,难于明确划分各种进攻的界限,因此在入侵检测系统中高误警率一直是一个主要的问题,然而利用模糊逻辑,能够有效降低误警率。同时规则的自动产生,也提高了系统的灵活性,降低了对本地网络的依赖性。论文最后给出了测试结果。     

模糊kNN在文本分类中的应用研究

自动文本分类是根据已经分配好类标签的训练文档集,来对新文档分配类标签.针对模糊kNN算法用于文本分类的性能进行了一系列的实验研究与分析.在中英文两个不同的语料集上,采用四种著名的文本特征选择方法进行特征选择,对改进的模糊kNN方法与经典kNN及目前广泛使用的基于相似度加权的kNN方法进行实验比较.结果表明,在不同的特征选择方法下,该算法均能削弱训练样本分布的不均匀性对分类性能的影响,提高分类精度,并且在一定程度上降低对k值的敏感性.     

模糊遗传算法在敏感词分类优化中的应用

针对以往敏感词分类优化的不足,提出一种基于模糊遗传算法的敏感词分类优化方法,该方法把模糊逻辑理论用于遗传算法,模拟生物进化过程和机制来求解实际的敏感词定性结构优化问题。研究表明,对于敏感词词性以及结构的变化有很好的分类优化效果,从而保证了整体的分类质量、快速的分类效率、鲁棒和可靠的分类性能。     

粒子群模糊聚类方法在病理图像分类中的应用

结合模糊C均值(FCM)算法局部搜索的特点,将PSO优化聚类结果作为后续FCM算法的初始值,使算法有很强的全局搜索能力.同时,采用Markov随机场与模糊聚类的耦合策略计算适应度函数,利用新的分类中心调整粒子位置,产生新的聚类中心,并将该方法应用于病理图像的分割.与传统的处理方法进行了比较,结果表明,该聚类更为准确且对病理图像的分割效果比原算法效果更好,但对于如何减少算法的运算量仍需作深入研究.     

模糊聚类分析在Web页面分类中的应用研究

过对Web页面中关键词汇的记录和对Web页面特征抽取建立Web页面的信息情况,运用模糊数学方法建立相应的模糊相似矩阵,而后根据模糊相似矩阵的编网法进行聚类分析,从而实现了对Web页面的聚类。这给互联网信息的管理提供了一种有效的自动聚类方法。     

改进型模糊神经网络在顾客分类中的应用研究

随着电子商务的不断发展,顾客信息的管理和分析对B2C电子商务网站来说越来越重要,因此需要一个行之有效的方法来收集顾客信息,并深入挖掘其中所蕴涵的有价值信息。在本文中,我们提出了一种可以根据消费者的网页访问记录和网上交易记录来动态地对顾客进行分类的方法,主要是利用了改进型的FuzzyART神经网络对顾客在网站上的行为模型进行分类,从而得到顾客的分类信息。其结果可以作为提供个性化服务、确定产品的市场定位等方面的基础和依据。文章通过实验证明了上述方法的有效性和正确性,并对其应用进行了进一步的展望。     

模糊ARTMAP神经网络在TM影像分类中的应用

阐述了模糊ARTMAP网络结构及其采用的算法，提出一种引入遥感图像判读结果的警戒系数自动调整算法，能够解决人为选择警戒参数效率低、难以取得合适数值的问题．仿真结果表明，具有警戒系数调整功能的模糊ARTMAP神经网络能够有效地对向海自然保护区的TM影像进行分类，它与最大似然法和传统的模糊ARTMAP神经网络相比，对样本的依赖程度较低，分类精度较高．     

基于模糊分类的模糊神经网络辨识方法及应用

基于改进的T-S模型，提出一种自适应模糊神经网络模型(AFNN)，给出了网络的连接结构和学习算法。基于竞争学习算法的模糊分类器确定系统的模糊空间和模糊规则数，并得出每个样本对每条规则的适用程度。利用卡尔曼滤波算法在线辨识删的后件参数。AFNN结构简洁，逼近能力强，能够显著提高辨识精度，并且在线辨识的模糊模型简单有效。将该AFNN用于非线性系统的模糊辨识和化工过程连续搅拌反应器(CSTR)的建模中，仿真结果验证了该方法的有效性，表明该网络能够实现复杂非线性系统的建模，而且建模精度高、收敛速度快。可当作复杂系统建模的一种有效手段。     

机器学习方法在文本分类中的应用

文本分类在文本信息处理过程中有关键作用,能帮助人们提取有用信息,有效组织文本信息。本文主要介绍了文本分类的背景、国内外的研究现状以及利用机器学习方法解决文本分类问题的一般步骤。文章第二部分对中文分词、特征向量提取、分类器训练和评估原理做了重点介绍,包括了自然语言处理的统计语言模型,机器学习的KNN、SVM、神经网络算法。     

最优约简在分类问题中的应用

在机器学习和人工智能中,粗糙集是进行属性维约简的重要理论与方法。但是,对于给定的信息系统,可能存在多个不同的约简,而不同的约简将会导致产生不同的知识。因此,选择最适合的约简成为一个关键的问题。以此为研究目标,通过在信息系统上增加额外的信息-偏序关系,利用此关系指导属性约简的过程,求出该偏序关系下的最优约简,并运用该最优约简对原信息系统进行维约简。通过对相关工作进行比较分析,详细设计并证明了求取该最优约简的算法,并将最优约简运用于分类问题,得到了良好的效果。     

一种模糊神经网络在故障分类中的应用研究

针对故障分类中的非线性映射问题,提出了一种基于模糊逻辑作为激活函数的人工神经网络。该网络容易由硬件实现,同时增加基于IF-THEN规则的神经网络的解释性,提高了模糊神经网络作为分类器进行实时识别和分类的可行性。将所提出模糊神经网络分类器用于高压输电线路故障分类,仿真实验结果表明,该分类器对故障类型有较强的识别能力,适合于在线故障识别系统。