士兵职业技能鉴定系统数据库加密研究

针对士兵职业技能鉴定系统数据库,就如何保证系统在高性能、高可用的同时,提升数据的安全性,确保系统不被入侵,关键数据不被泄露或是增删改等问题,提出了一种只针对敏感数据加密的策略,将DES和RSA加密算法结合起来运用到数据加密的不同环节中,确保了系统安全可靠。加密结果表明,加密后的系统数据库能有效地提高系统的安全性能,即便是他人入侵到数据库也束手无策,防止了人为因素,杜绝了体外操作,有效地增强鉴定管理的规范性,提高鉴定的含金量和认可度。     

士兵职业技能鉴定的智能组卷方案研究

针对士兵职业技能鉴定平台在使用过程中发现的试卷质量问题,文章提出了基于改进随机抽取算法的智能组卷方案,实现了快速高效组卷。该算法目前已成功应用于士兵职业技能鉴定平台的考核系统中。     

基于禁忌-并行遗传算法的士兵职业技能个性化学习

目前士兵职业技能教育的学习对象在文化层次、学习能力上有较大差异,而传统的培训方式因师资力量、学习时间、学习资源等多种因素的限制,导致士兵学习积极性不高,学习效果很不理想。基于此,文章提出了基于禁忌-并行遗传算法的士兵职业技能个性化学习,希望士兵在无监督情况下高效自主学习。     

采用调整函数优化梯度的BP算法改进

针对基于梯度下降法的BP算法提出一种改进方法:AF法。即在权值修正中,引入一个调整函数优化梯度。调整函数作用在激活函数的导数上,用于平缓和优化激活函数的导数运算。并就4元校验码和Feigenbaum函数逼近问题进行算法比较。实验显示,应用本方法的单隐层BP网就能迅速有效地解决异或问题和4元校验码问题。     

一种模糊自适应BP算法的研究

本文在人工神经网络中引入模糊集理论，提出一种模糊自适应ＢＰ算法。通过奇偶校验和ＥＥＧ异常波形检测两上实例，验证了新算法在学习速度与性能上都优于传统的ＢＰ和虎法。     

基于BP神经网络的故障诊断仿真研究

介绍了BP(反向传播)神经网络模型,阐述了BP算法的基本原理、权值调整的过程,给出了BP算法一般的编程步骤和流程。在此基础上,应用基本的BP算法进行了系统故障诊断的仿真研究,为提高其实用性,采用VC 与MATLAB混合编程的方法,在VC 环境下制作了应用界面。最后介绍了BP算法在使用中存在的主要问题,并进一步提出了相应的改进方法。     

BP神经网络学习算法的联合优化

针对ＢＰ网络学习速度的缓慢性,本文提出了一种联合优化后的快速学习算法。其改进具体表现在以下方面：（１）采用Ｃａｕｃｈｙ误差估计器代替传统的ＬＭＳ误差估计器,（２）对常规的Ｓｉｇｍｏｉｄ函数引入形态因子;（２）采用非单调线性搜索法实现学习步长的自适应变化。最后,本文以模式分类,函数逼近和数据压缩的典型应用为例分别与标准ＢＰ常规改进算法进行比较,验证了该算法的优越性。     

PSO算法优化BP网络的新方法及仿真实验

 提出一种基于粒子群算法优化BP网络的权值调整新方法.该算法在基本BP算法的误差反传调整权值的基础上,再引入粒子群算法的权值修正,从而建立了基于粒子群算法优化的BP网络新模型.此模型不仅可以克服基本BP算法收敛速度慢和易陷入局部极值的局限,而且模型的精度较高,较好地提高了BP网络学习能力与泛化能力.将新模型应用于4个典型复杂函数的仿真实验,并与基本BP模型、基于遗传算法优化的BP网络模型(GA-BP)和传统的粒子群优化前向BP网络模型(PSO-BP前传)的仿真实验结果进行分析比较.仿真实例表明新PSO-BP优化模型性能尤其是泛化性能优于其它3种BP网络优化模型.     

基于改进BP算法的数字字符识别

本文利用BP神经网络算法，在MATLAB环境下，分别用理想字符信号和含噪声字符信号对同一网络进行了训练，使系统具有较强的容错性。最后用实际扫描的不同字体字符进行了识别实验。实验结果证明了系统在实际应用中的可行性。     

基于头脑风暴优化算法的BP神经网络模糊图像复原

该文提出一种基于头脑风暴智能优化算法的BP神经网络模糊图像复原方法(OBSO-BP)。该方法在聚类和变异两方面优化了头脑风暴智能算法,利用头脑风暴优化算法易于解决多峰高维函数问题的特点,自动搜寻BP神经网络更佳的初始权值和阈值,以减少BP网络对其初始权值和阈值的敏感性,避免网络陷入局部最优解,增加网络的收敛速度,减小网络误差,提高图像还原质量。该文采用20张不同的图像,对其模糊图像分别进行维纳滤波复原(Wiener)、基于头脑风暴算法的维纳滤波复原(Wiener-BSO)、BP神经网络复原以及基于头脑风暴算法的BP神经网络(BSO-BP)图像复原实验。实验结果表明,该方法能够取得更好的图像复原效果。     

基于遗传算法的BP网络学习算法研究

介绍了遗传算法和标准BP算法及其改进形式,指出遗传算法和BP算法各自的优缺点.利用遗传算法全局寻优和BP神经网络局部寻优相结合的方法,提高了传统BP神经网络的计算精度和收敛速度.最后进行了仿真实验,结果表明,该方法不仅收敛速度快,而且易达到最优解,具有很高的实用价值.     

基于误差反向传播算法的OFDM系统频域均衡

提出用一种基于神经网络的均衡方法,并用误差反向传播(BP)算法对多层前馈网络进行训练.分析和数值仿真结果表明,基于BP网络的频域均衡方法有较好的均衡效果,并且复杂度不高.     

Optimization Research of Decision Support System Based on Data Mining Algorithm

Wireless Personal Communications - In order to analyze and make use of data and information more accurately and efficiently, the clustering algorithm is further studied to a certain extent,...     

一种最优意义下的数字水印算法

基于统计最优的意义下,提出了一种非对称鲁棒性数字图像水印算法.算法将水印嵌入到最少受图像操作的亚空间,使得嵌入的水印受到因图像操作带来的误差均方意义下最小;此外,通过对公钥的构造,从而实现误差无偏.同时,由于嵌入水印的矩阵(密钥)与提取水印的矩阵(公钥)不同,我们可以公开除了密钥外所有其它的信息.算法具有高的检测概率和安全性,低的虚警概率.通过各种攻击实验,表明了算法具有好的鲁棒性.     

基于GA的BP神经网络在多目标优化中的应用

针对传统多目标优化的求解方法通常存在目标权值主观性大,优化目标仅为各目标加权和以及在求解过程中各目标优化的不可操作性等问题,文中提出了一种新颖的多目标优化算法,其将改进后的遗传算法与BP神经网络融合,提出了基于遗传算法的BP神经网络融合算法。该算法将遗传算法与BP神经网络算法相结合,充分发挥遗传算法的全局搜索能力优势和BP算法的局部搜索能力特点,使得多目标优化问题得以求解,加快收敛速度,从而提高了收敛精度。     

基于联想记忆神经网络模型的BP算法

提出一种改进神经网络BP算法的识别训练系统。实验结果表明，基于联想记忆神经网络模型的BP算法，大大降低样本可变系统的网络训练次数。该系统有效降低样本可变系统的网络训练时间，为BP算法应用于对实时性要求高的场合提供算法基础。     

基于BP神经网络辅助的车载组合导航算法研究

针对INS/GPS组合导航系统在GPS信号被遮挡时,GPS接收机失锁导致导航精度迅速下降的问题,提出了基于BP神经网络辅助的组合导航算法。即在GPS信号锁定的时候,采用卡尔曼滤波对INS/GPS信号进行数据融合得到实时的精确位置,同时利用组合导航输出信息对BP神经网络进行实时在线训练;一旦GPS失锁,利用之前训练好的神经网络对INS系统进行误差补偿,解决精度迅速下降问题。通过跑车实验证明,速度精度在0.2m/s以内,位置精度为25m以内,该算法对INS/GPS组合导航系统有效。     

基于人工智能算法的印刷电路板测试与诊断系统研究

针对传统故障字典进行印刷电路板故障诊断中存在的故障数据量大,分析困难,及故障诊断较多依赖人工参与的特点,将小波分析、信息融合、数据挖掘和神经网络等人工智能技术引入印刷电路板故障诊断领域,研究这四种新技术在该领域的应用方案,设计并实现一种将上述四种技术集成到一起的印刷电路板人工智能故障诊断系统。该系统能利用小波分析技术有效地自动提取故障数据集的关键特征,利用数据挖掘和神经网络等技术准确识别注入的全部故障。实际电路板测试实验表明系统识别的有效性。     

基于深亚微米下时钟树算法优化的研究

介绍了一种新的时钟树优化策略.通过减小时钟树子节点的负载,从而减少整时钟树线长,使时钟树性能得到了提高.