基于内容的网页信息挖掘原理和设计

本文提出了一种SOFM(自组织特征映射)与LVQ(学习矢量量化)相结合的分类算法,利用一种新的网页表示方法,形成特征向量并应用于网页分类中.该方法充分利用了SOFM自组织的特点,同时又利用LVQ解决聚类中测试样本的交迭问题.实验表明它不仅具有较高的训练效率,同时有比较好的查全率和查准率.     

基于自组织特征映射神经网络的零件加工尺寸类型识别

 提出一种基于自组织特征映射神经网络（SOFM）的零件加工尺寸类型识别方法.首先从三维CAD软件中获取包含零件特征数据的XML文件,并从文件中提取相应的加工特征及尺寸.然后以零件加工特征作为SOFM的输入层的神经元,经处理后作为SOFM的输入向量,利用SOFM自学习和自组织能力对输入向量进行训练.训练好的网络可以实现对零件加工尺寸类型进行较好的识别.最后通过对某零件的尺寸类型识别,验证了所提方法对平面、内孔、外圆和定位四类典型加工尺寸类型识别的有效性.     

一种基于标签的产品和零部件网页的自组织分类编码方法

针对目前的搜索引擎在大成组技术应用中存在的问题,本文提出了一种基于标签的产品和零部件网页的自组织分类编码方法,有助于提高分类的精确性,提高分类系统的搜全率,提高企业参与网络信息规范化的积极性.     

基于小波奇异熵与SOFM神经网络的电机轴承故障识别

提出一种用小波奇异熵(WSE)和自组织特征映射(SOFM)神经网络进行电机轴承故障识别的建模方法。首先通过对电机驱动端和风扇端采集的故障振动信号的小波奇异熵的计算和比较来识别故障轴承的端位;在此基础上以故障端信号的小波包分解底层各结点能量为特征向量输入建立自组织特征映射神经网络模型来识别故障轴承内部的具体点蚀破坏位置。小波奇异熵和SOFM神经网络的结合实现了故障轴承端位及其内部点蚀位置的联合识别。分别对含有内外圈和滚动体点蚀故障的轴承进行建模和识别试验,结果表明:该模型可以有效地识别电机故障轴承的端位及其内部点蚀破坏位置;与传统支持向量机和BP神经网络识别模型相比,该模型故障识别准确率更高,识别稳定性更好,更适宜于故障识别这样的多分类问题。     

基于AR自相关峰态值的一类轴承故障检测方法

针对轴承故障检测系统中异常样本数据不易收集以及异常样本数据分布不均导致传统分类算法出现过适应现象等现实应用问题,提出了一种基于自回归(AR)模型自相关系数峰态特征的一类故障检测方法.该方法利用正常样本生成AR模型参数,其他样本在该模型的投影形成残差序列,计算残差序列的自相关系数并取其峰态特征作为相似性的度量.实验结果表明该方法能有效地克服以AR模型参数为特征计算复杂度高且检测性能易受样本大小影响的不足.同时,文章给出了单一故障诊断模型并提出基于粒子群优化算法的阈值设定决策方法.实验中将本方法同其他以AR模型为特征的多层感知机(MLP)及自组织映射(SOM)方法进行比较,实验结果验证了本文建议方法的正确性和有效性.     

基于SOFM实例推理系统的结构选型

本文以大跨空间结构和高层建筑结构两类大型复杂结构型式优选为研究内容,建立了基于自组织竞争神经网络(SOFM)检索机制的实例推理系统,并应用于结构选型决策;采用面向对象的设计思想建立方案集,采用自组织竞争神经网络进行实例检索和匹配,形成了一套有效的计算推理体系.最后给出一个高层建筑结构方案生成的算例,说明系统的工作过程.     

基于BP网络和LVQ网络的故障诊断比较的研究

齿轮箱故障诊断是一个复杂的非线性系统,影响因素比较多,很难建立一个理想的故障诊断数学模型。利用BP网络和LVQ网络的原理和工作方法分别对齿轮箱故障进行诊断。这里把齿轮箱分为3种故障模式:无故障、齿根裂纹、断齿。实验表明BP网络和LVQ网络都能有效地进行故障诊断,同时实验证明LVQ网络进行故障诊断更具精确性。     

PSO-SOM分类判别研究及其应用

针对网络初始权矢量选取的不确定性问题,提出了粒子群优化-自组织映射(PSO-SOM)算法,利用PSO算法优化SOM网络的初始权矢量,进而进行分类.将提出的方法用于基因表达数据的分类判别中,使得SOM网络的误差平方和大大下降,提高了网络的分类精度,表明PSO-SOM算法用于数据的分类判别是切实有效的.     

网页过滤中文本内容的抽取技术研究

研究基于文本内容的网页过滤技术,网页过滤的成效依赖于网页分类的精度,网页分类的准确与否依赖于网页文本内容抽取的效果,即通过分析网页内容,得到网页中的能够代表网页语义的文本信息。提出一种在同一网站中寻找相似网页的算法,它可以克服其他网页内容抽取方法中存在的弱点。     

于社会化标签的网页分类

本文提出了一种基于社会化标签构造网页虚拟文档的表示方法。构建对网页局部文本、网页标签和虚拟文档进行分类的模型。通过实验证实了社会化标签对网页分类的作用,基于虚拟文档的分类算法取得了满意的效果。