对FTART算法的研究及改进

ＦＴＡＲＴ（ｆｉｅｌｄｔｈｅｏｒｙ－ｂａｓｅｄＡＲＴ）算法结合了ＡＲＴ（ａｄａｐｔｉｖｅｒｅｓｏｎａｎｃｅｔｈｅｏｒｙ）算法、ＡＲＴＭＡＰ算法、域理论的思想，以样本在实例空间中出现的概率为启发信息修改学习中生成的分类，采用了不同于其它算法的解决样本间的冲突和动态扩大分类区域的方法．本文在对ＦＴＡＲＴ算法的研究的基础上进行了改进，使算法在学习连续函数的映射时更加有效．同时给出了算法的测试结果和对测试结果的分析，测试表明，ＦＴＡＲＴ算法在模式识别和连续函数映射的学习方面具有比较好的性能.     

关于并行FFT算法

关于并行ＦＦＴ算法魏公毅，蔡中善（中国科学院计算中心）ＯＮＰＡＲＡＬＬＥＬＦＦＴＡＬＧＯＲＩＴＨＭＳ￥ＷｅｉＧｏｎｇ－ｙｉ；ＣａｉＺｈｏｎｇ－ｓｈａｎ（ＣｏｍｐｕｔｉｎｇＣｅｎｔｅｒ．ＡｃａｄｅｍｉａＳｉｎｉｃａ）Ａｂｓｔｒａｃｔ：Ｔｈｅｐａｒａｌｌ...     

基3离散余弦变换快速算法

基３离散余弦变换快速算法曾泳泓（长沙国防科技大学七系）ＲＡＤＩＸ３ＦＡＳＴＡＬＧＯＲＩＴＨＭＳＦＯＲＤＣＴ￥ＺｅｎｇＹｏｎｇｈｏｎｇ（７ｔｈＤｅｐａｒｔｍｅｎｔ，ＮａｔｉｏｎａｌＵｎｉｖｅｒｓｉｔｙｏｆＤｅｆｅｎｓｅＴｅｃｈｎｏｌｏｇｙ）Ａｂｓｔｒａ...     

FTAM网络软件的设计与实现

ＦＴＡＭ（ＦｉｌｅＴｒａｎｓｆｅｒ，ＡｃｅｓｓａｎｄＭａｎａｇｅｍｅｎｔ）是ＯＳＩ网络环境下的文件传输、访问及管理协议标准。本文首先论述了ＦＴＡＭ的基本工作原理，然后介绍ＦＴＳ文件传输系统的总体设计思想，ＶＦＳ的构造原理，以及系统实现技术。     

解决一类遗传算法早熟收敛的混合法及其推广

本文分析了变型标准遗传算法ＶＣＧＡ（ｖａｒｉａｎｔｓｏｆｃａｎｏｎｉｃａｌｇｅｎｅｔｉｃａｌｇｏｒｉｔｈｍｓ）有时会产生早熟收敛的机理，提出了混合法ＨＶＣＳＤＡ（ｈｙｂｒｉｄＶＣＧＡｃｏｍｂｉｎｅｄｗｉｔｈｓｔｅｅｐｅｓｔｄｅｓｃｅｎｔａｐｐｒｏａｃｈ），并进行了推广．该方法可使最优保存的超级个体时间序列离开早熟收敛状态而继续接近全局最优解．仿真实例表明了本文算法的有效性．在３０城市ＴＳＰ（ｔｒａｖｅｌｉｎｇｓａｌｅｓｍａｎｐｒｏｂｌｅｍ）的基准测试问题中，本文得到了路径为６．８２的结果，它好于用新的现代的启发式搜索方法——ＴＡＢＵ搜索法得到的６．９９的结果．     

运输问题的Alphabeta算法的分析

运输问题的Ａｌｐｈａｂｅｔａ算法的分析刘诚，杨承恩（长沙铁道学院）ＡＮＡＮＡＬＹＳＩＳＯＦＴＨＥＡＬＰＨＡＢＥＴＡＡＬＧＯＲＩＴＨＭＦＯＲＴＨＥＴＲＡＮＳＰＯＲＴＡＴＩＯＮＰＲＯＢＬＥＭ￥ＬｉｕＣｈｅｎｇ；ＹａｎｇＣｈｅｎｇ－ｅｎ（ＲｅｓｅａｒｃｈＤ...     

交错网格的FCT方法

交错网格的ＦＣＴ方法王心正，张新元（西北核技术研究所）ＡＦＣＴＭＥＴＨＯＤＦＯＲＳＴＡＧＧＥＲＥＤＭＥＳＨ￥ＷａｎｇＸｉｎｚｈｅｎｇ；ＺｈａｎｇＸｉｎｙｕａｎ（ＮｏｒｔｈｗｅｓｔＩｎｓｔｉｔｕｔｅｏｆＮｕｃｌｅａｒＴｅｃｈｎｏｌｏｇｙ）Ａｂｓｔｒａｃ...     

高维空间最近点对问题的ε网算法

高维空间最近点对问题的ε网算法王晓东，傅清祥（福州大学）εＮＥＴＡＬＧＯＲＩＴＨＭＦＯＲＴＨＥＯＮ－ＬＩＮＥＣＬＯＳＥＳＴＰＡＩＲＰＲＯＢＬＥＭＳ￥ＷａｎｇＸｉａｏｄｏｎｇ；ＦｕＱｉｎｇｘｉａｎｇ（ＦｕｚｈｏｕＵｎｉｖｅｒｓｉｔｙ）Ａｂｓｔｒａｃｔ：...     

2000年国际会议信息

●２０００年元月１０－１２日,在美国佛罗里达召开《第２届国际农林地学空间信息大会》（ＳｅｃｏｎｄＩｎｔｅｒｎａｔｉｏｎａｌＣｏｕｆｅｒｅｎｃｅｏｎＧｅｏｓｐａｔｉａｌＩｎｆｏｒｍａｔｉｏｎｉｎＡｇｒｉｃｕｔｕｒｅａｎｄＦｏｒｅｓｔｒｙ）联系信息：网址：ｗｗｗ．ｅｒｉｍｉｎｔ．ｃｏｍ／ＣＯＮＦ／ａｇ．ｈｔｍｌ。●２０００年元月２６－２８日,在法国阿苏阿召开《第３届国际地球数字视觉大会》（ＴｈｉｒｄｉｎｔｅｒｎａｔｉｏｎａｌＣｏｎｆｅｒｅｎｃｅ“ＦＵＳＩＯＮＯＦＥＡＲＴＨＤＡＴＡ”）联系信息：网址：…     

基于神经网络和傅氏变换的指纹自动分类系统

本文介绍了一个基于两种傅氏变换进行图谱增强,用概率神经网络进行指纹分类的指纹自动分类系统,又称ＡＦＣＳ（Ａｕｔｏｍａｔｉｃ Ｆｉｎｇｅｒｐｒｉｎｔ Ｃｌａｓｓｉｆｉｃａｔｉｏｎ Ｓｙｓｔｅｍ）。该系统运用了一种新的图谱增强方法及不均匀的特征表示方法,用ＰＮＮ（Ｐｒｏｂａｂｉｌｉｓｔｉｃ Ｎｅｔｗｏｒｋ）进行分类,实现了提纹的自动分类。     

基于域理论的自适应谐振神经网络分类器

提出了一种基于域理论的自适应谐振神经网络模型FTART2(field theory based adaptive resonance theory 2).该模型结合了自适应谐振理论和域理论的优点,学习速度快,归纳能力强,效率高,可以根据输入样本自适应地调整拓扑结构,克服了前馈型网络需要人为设置隐层神经元的缺点.基准测试表明,FTART2在学习精度和速度上都远远优于标准BP算法.     

基于域理论的自适应谐振神经网络研究

提出了一种基于域理论的自适应谐振神经网络算法 FTART,有机结合了自适应谐振理论和域理论的优势 ,以一种独特的方式解决了示例间冲突和分类区域的动态扩展 ,不仅不需要手工设置隐层神经元 ,可以还获得了较快的训练速度和较高的预测精度 .同时还提出了一种可以从训练好的 FTART网络中抽取可理解性好、精度高的符号规则的方法 ,即基于统计的产生测试法 .实验结果表明 ,用该方法抽取的符号规则可以较好地描述FTART的功能.     

快速神经网络分类学习算法的研究及其应用

提出了一种快速神经网络分类学习算法FTART2,该算法结合了自适应谐振理论和域理论的优点,学习速度快、归纳能力强、效率高,用UCI机器学习数据库中的两个数据集对FTART2与目前最流行的BP进行比较测试,实验结果表明前者的分类精度与学习速度均优于后者,还将FTART2算法应用于石油地质储层分析领域,取得了很好的效果。     

一种新型自适应神经网络回归估计算法

结合自适应谐振理论和域理论的优点,针对回归估计问题的特性,提出了一种新型神经网络回归估计算法ＦＴＡＲＴ３．该算法学习速度快、归纳能力强,不仅具有增量学习能力,还克服了ＢＰ类算法需要人为设置隐层神经元的缺陷,直线、下弦、二维墨西哥草帽、三维墨西哥草帽等４个实验表明,ＦＴＡＲＴ３在函数近似效果和训练时间代价上都优于目前常用于因归估计问题的ＢＰ类算法。     

基于神经网络的肺癌细胞识别方法的研究

细胞识别是图像处理和模式识别领域的一个研究热点,有着十分广泛的应用前景。本文提出了基于神经网络算法FTART2的肺癌细胞识别方法,讨论了FTART2的网络结构、输入矢量的标准化及分类算法。用513个样本对网络进行训练,再用716个样本组成测试集进行测试,实验结果表明:本文提出的基于FTART2的肺癌细胞分类器与基于标准BP的分类器相比,具有学习速度快、分类精度高的特点。     

混合型多概念获取算法的设计及其抗噪音能力

IHMCAP(incremental hybrid multi-concepts acquisit ion procedure)算法将基于概率论的符号学习与神经网络学习相结合,通过引入FTART(field theory-based adaptive resonance theory)神经网络,成功地解决了符号学习与神经网络 学习精度之间的均衡性问题,实现了两种不同思维层次的靠近.该算法采用一种独特的增量学 习机制,当增加新的实例时,只需进行一遍增量学习,调整原结构,不必重新生成判定树和神经 网络,即可提高学习精度,速度快,效率高.同时,这种增量学习机制还可以降低算法对噪音数 据的敏感度,从而使IHMCAP可以应用于实时在线学习任务.     

Optimized Bayesian adaptive resonance theory mapping model using a rational quadratic kernel and Bayesian quadratic regularization

Applied Intelligence - Bayesian adaptive resonance theory (ART) and ARTMAP-based neural network classifier (known as BAM) are widely used and achieve good classification performance when solving...     

基于神经网络的聚类方法研究

针对常用聚类方法不能有效处理噪声数据的问题,本文结合神经网络具有自适应性的特点,提出基于神经网络的聚类(NN_Cluster)模型,并设计了基于自适应共振理论的神经网络聚类模型(ARTNN_Cluster)和基于自组织特征映射的神经网络聚类模型(SOMNN_Cluster)。标准数据集上的实验结果表明,与传统的K_means聚类方法相比,本文提出的基于神经网络的聚类模型有效地克服了传统方法的噪声问题,得到了较好的聚类效果。     

Incremental clustering of mixed data based on distance hierarchy

Clustering is an important function in data mining. Its typical application includes the analysis of consumer’s materials. Adaptive resonance theory network (ART) is very popular in the unsupervised neural network. Type I adaptive resonance theory network (ART1) deals with the binary numerical data, whereas type II adaptive resonance theory network (ART2) deals with the general numerical data. Several information systems collect the mixing type attitudes, which included numeric attributes and categorical attributes. However, ART1 and ART2 do not deal with mixed data. If the categorical data attributes are transferred to the binary data format, the binary data do not reflect the similar degree. It influences the clustering quality. Therefore, this paper proposes a modified adaptive resonance theory network (M-ART) and the conceptual hierarchy tree to solve similar degrees of mixed data. This paper utilizes artificial simulation materials and collects a piece of actual data about the family income to do experiments. The results show that the M-ART algorithm can process the mixed data and has a great effect on clustering.