优先排序神经网络K网覆盖分类研究

从高维空间特征点覆盖的角度,讨论了优先度排序神经网络(PONN)算法,提出了非各向同性的K网覆盖算法(KPA)算法,最后给出标准测试集和应用测试集的比较结果,并对其与各向同性覆盖中心适配选择算法（CASA）进行了分析与比较,实验结果表明KPA算法在样本连续性构造方面优于CASA算法。     

基于知识规则的构造性优先排序神经网络算法

从高维空间样本点覆盖的角度,讨论了基于知识规则的构造性优先排序神经网络(PONN)算法的原理,提出了网络构造过程的一般算法以及基于随机取样规则和重心点规则的两个实例算法。实例算法对螺旋线识别和语种识别进行了仿真。实验结果证明了算法的有效性。语种识别实验结果也表明基于重心规则的PONN算法在一定条件下优于SVM。     

基于构造性形态学神经网络的一种提升算法

构造性形态学神经网络算法（CMNN）是一种数学形态学与传统的神经网络模型相结合的一种非线性神经网络,有较强的实用性。其训练算法根据形态学联想记忆而来,在测试过程中采用形态学算子将测试样本归类于训练得到的超盒之中。由于其测试过程无法正确地将落在超盒外的样本进行分类,后有人提出了一种基于模糊格的形态学神经网络（FL-CMNN）,该算法用样本与超盒的隶属度判断提高了原CMNN算法的分类效果,但增加了算法的复杂程度且分类效果不稳定。这里提出一种基于构造性形态学神经网络算法的提升算法（LCMNN）,该算法继承了原有的形态学算子运算速度快的优点且能够将落在超盒之外的样本进行准确地归类。数值实验表明,基于构造性形态学神经网络算法的提升算法（LCMNN）与其他几种算法相比,能够达到最好的分类效果,而且简单易行,计算时间少。     

基于混沌和遗传算法的优化测试生成算法

基于组合电路测试生成的Hopfield神经网络模型,讨论分析了利用混沌神经网络的全局搜索能力进行测试生成的有效算法和基于遗传算法的自适应测试生成.基于混沌神经网络的算法利用混沌所表现出的遍历性与内随机性进行全局搜索;而遗传算法不同于传统的方法,它不需要故障传播、回退等过程,并具有并行计算的能力.计算机仿真结果表明了这两种测试生成算法的可行性与高效性.     

基于混沌和遗传算法的优化测试生成算法

基于组合电路测试生成的Hopfield神经网络模型,讨论分析了利用混沌神经网络的全局搜索能力进行测试生成的有效算法和基于遗传算法的自适应测试生成。基于混沌神经网络的算法利用混沌所表现出的遍历性与内随机性进行全局搜索;而遗传算法不同于传统的方法,它不需要故障传播、回退等过程,并具有并行计算的能力。计算机仿真结果表明了这两种测试生成算法的可行性与高效性。     

基于粒子群优化的BP神经网络图像复原方法

针对BP神经网络易陷入局部最小、收敛速度慢的问题,研究了基于粒子群优化的学习算法,给出了具体的算法方案设计,并将其应用于图像复原。首先用高斯噪声对无噪图像进行模糊处理;然后将结果和原图像组成训练对,用于训练优化后的神经网络;最后利用训练好的神经网络对测试图像进行复原,从而达到去除噪声的目的。仿真结果表明,与BP神经网络相比,PSO-BP算法收敛速度快,迭代次数少,复原的图像在归一化均方误差（NMSE）和峰值信噪比（PSNR）的效果更好。     

神经网络在结构分析中的应用研究

讨论了神经网络技术在结构（桁架）分析中的应用问题，提出一个应用模式，对ＢＰ算法进行了改进与数值实验。     

基于FOA优化GRNN的船用柴油机涡轮增压系统故障诊断

为了及时有效的发现并排除船用柴油机涡轮增压系统的故障,文中采用果蝇优化算法（FOA）对广义回归神经网络（GRNN）的分布密度SPREAD进行优化选取,提出了一种果蝇优化算法和广义回归神经网络相结合的故障诊断新方法。收集某型号船用柴油机的样本集,采用相同的训练样本分别对FOA优化GRNN和RBF神经网络进行训练,并用相同的测试样本对以上两种模型进行验证。结果表明,与RBF神经网络故障诊断方法相比,FOA优化GRNN对柴油机涡轮增压系统故障模式的识别准确率更高。     

椭球基函数神经网络的指纹识别方法

椭球基函数（Ellipsoidal Basis Function,EBF）使网络划分输入空间成为封闭有界的局部作用的空间,与径向基函数（Radial Basis Function,RBF）神经网络的高斯函数相比,它对空间的划分更明确。因此,它的模式识别能力将有所提高。提出了一种基于EBF神经网络的指纹识别方法。首先,利用小波变换（Wavelet Transform,WT）直接从二值化指纹图像中提取细节特征,简化了复杂的预处理步骤,极大地减少了计算量,提高了识别的速度。同时利用EBF神经网络进行分类识别,有效提高了识别精度。该算法在FVC2000（国际指纹竞赛数据库）上作了测试。并与文献[9]中的WT-RBF算法进行比较。实验结果表明,提出的算法获取了较高的识别率,并且缩短了识别时间。     

基于MPSO-BP算法的四电极电化学气体传感器温度补偿研究

针对四电极电化学气体传感器的测量精度极易受环境温度影响的问题,提出一种基于粒子群优化-BP神经网络算法（PSO-BP）的温度补偿方法。利用改进的PSO算法（MPSO）对BP神经网络的权值和阈值进行优化,构造四电极电化学气体传感器的温度补偿模型,并设计了气体传感器测试系统。实验结果表明,MPSO-BP算法可有效提高BP神经网络的收敛速度和泛化能力;基于MPSO-BP算法的四电极气体传感器温度补偿模型,可将其温度补偿误差控制在0.1%以内。     

优先排序覆盖神经网络原理及分析

从高维空间特征点覆盖的角度,讨论了优先度排序神经网络空间覆盖理论,从理论上阐明了运用神经网络构造方法实现空间特征覆盖的意义,最后给出了2维螺旋线识别的测试用例。     

结合优先度排序神经网络的样本点分块拟合研究

样本点拟合是动态构造神经网络应用的重要研究领域。从输入输出映射的角度,依赖输出样本点优先关系,结合优先度排序神经网络把输入样本集合划分为不同子集,动态构造优先度排序神经网络对各个子样本集进行映射,对样本点进行分块并行神经网络构造,提高神经网络的训练速度。最后,通过对不同类型样本集进行测试,实验结果表明该算法能有效地减少拟合误差。     

一种基于并行覆盖前馈优先神经网络的说话人识别方法

为实现对说话人特征空间多聚类区的有效识别,提出一种基于并行覆盖前馈优先级网络(PcPONN)的说话人识别方法.该方法以LBG算法生成每个说话人特征空间初始的聚类中心,对本类样本按聚类中心分类后,用前馈优先级神经网络(PONN)对每个聚类区进行并行覆盖.相关实验证明,PCPONN符合说话人特征空间点的分布特点,得到更好的稳定性和更高的识别率.     

结合有限相邻关键点的空间覆盖研究

从高维空间特征点覆盖的角度,定义空间点的局域特征,提出共享近邻点的覆盖算法,在空间局部区域构造各向同性覆盖,在整个区域体现了各向异性。介绍了相关共享局部覆盖算法,给出了模拟试验和标准测试集。试验结果表明,由该算法构造的分类器适合于安全性较高的应用场合。     

混杂系统的存在与研究

混杂系统（HDS）是由连续变量动态系统（CVDS）与离散事件动态系统（DEDS）共同组成的大型动态系统。随着CIMS的兴起与发展，人们应该关注HDS的建模、分析与优化运行。本文通过分析实例介绍了HDS的存在、特征与研究前景。     

A clustering-based approach for the identification of a class of temporally switched linear systems

The behaviours of hybrid dynamic systems (HDS) are determined by combining continuous variables with discrete switching logic. The identification of a HDS aims to find an accurate model of the system’s dynamics based on its past inputs and outputs. In pattern recognition (PR) methods, each mode is represented by a set of similar patterns that form restricted regions in the feature space. These sets of patterns are called classes. A pattern is a vector built from past inputs and outputs. HDS identification is a challenging problem since it involves the estimation of different sets of parameters without knowing in advance which sections of the measured data correspond to the different modes of the system. Therefore, HDS identification can be achieved by combining two steps: clustering and parameter estimation. In the clustering step, the number of discrete modes (i.e., the classes that input-output data points belong) is estimated. The parameter estimation step finds the parameters of the models that govern the continuous dynamics in each mode. In this paper, an unsupervised PR method is proposed to achieve the clustering step of the identification of temporally switched linear HDS. The determination of the number of modes does not require prior information about the modes or their number.     

基于不变集的一类混合系统的稳定性

利用混合Ｐｅｔｒｉ网为混合系统建模,探讨了基于不变集混合系统在Ｌｙａｐｕｎｏｖ意义下关于恢复半径的稳定性概念,并给出利用Ｌｙａｐｕｎｏｖ函数法判定混合系统稳定性、一致稳定和渐近稳定的充分条件。     

Iterative design method for an image filter to improve the bit error rate in holographic data storage systems

An image filter design method is proposed to improve the bit error rate (BER) in holographic data storage (HDS). In previous image restoration methods for HDS, a highly precise point spread function (PSF) was used as the deconvolution filter, so performance was strongly dependent on the accuracy of the PSF. In the proposed method, in contrast, the image filter is designed without using PSF information, due to the similar spatial frequency distributions of HDS data pages. A simple iteration algorithm was developed to obtain an optimized image-filter shape, and the performance of the designed image filter was verified by both simulation and experimentation. The experimental results demonstrated that the BER improved sixfold and greater than tenfold for a Nyquist factor of 1.1 and 1.2, respectively. Additionally, an improvement of >30 % in storage density was projected using the proposed filter, compared with conventional HDS systems.