共查询到18条相似文献,搜索用时 93 毫秒
1.
基于ART2神经网络与动态聚类的分类器 总被引:4,自引:0,他引:4
针对ART2神经网络用于模式分类时具有很好的聚类特性,但只用到相位信息而丢失了幅度信息,以及动态聚类用距离作为样本问的相似性测量,没有充分利用相位信息的问题,提出了一种结合ART2神经网络和动态聚类的方法。该方法利用了ART2神经网络和动态聚类的优点,克服了它们各自的缺点,使输入向量的信息得到充分的利用。时随机数和临床数据进行了分类仿真,结果表明该方法分类结果更准确,适应范围更广。 相似文献
2.
ART2(自适应谐振理论2)算法是神经网络中一种可以对模拟输入信号或二值信号进行无监督聚类的算法,所以ART2算法能够降低数据挖掘中原始数据的预处理的复杂度,提高挖掘效率。针对ART2算法中出现的聚类中心偏移的缺点,采用ART2算法与K-均值算法相结合的方法来抑制ART2中聚类中心偏移的现象。通过仿真对该方法进行了验证。 相似文献
3.
基于ART2神经网络的车辆感应波形识别的方法 总被引:1,自引:0,他引:1
在智能交通系统中,无论是在交通监控领域还是在不停车收费系统方面,对车辆进行自动分类都十分重要;环形线圈车辆检测器以其良好的适应性、稳定性和高效性在车辆监测方面得到了广泛的应用,同时利用同类型或同种车辆经过环形线圈产生轮廓相似的电磁感应波形这一特点也可以进行车型识别;对波形进行预处理,以波形轮廓的抽样、量化值作为特征向量,将特征向量作为ART2神经网络的输入向量,经ART2神经网络的自动聚类最终实现车辆感应波形的聚类与识别。 相似文献
4.
5.
ART—2网络学习算法的改进 总被引:5,自引:1,他引:4
详细介绍了ART-2网络的算法,通过一个渐变输入模式序列揭示了ART-2网络潜在的模式漂移现象,由此导出ρ^0〉ρ^0的矛盾,并改进了网络的学习算法,使其适用于对大规模的呈集群分布的输入模式序列的识别。 相似文献
6.
基于ART2神经网络算法改进的研究 总被引:1,自引:0,他引:1
ART2神经网络是按照自适应谐振理论建立的一种自组织、无监督的人工神经网络.通过分析经典自适应谐振神经网络聚类过程,针对传统ART2神经网络模型对分类的不确定性和网络权值模式漂移等不足,提出了基于算法改进的ART2神经网络模型.最后对改进的ART2神经网络进行了仿真,并与经典神经网络所做仿真的结果比较,验证了改进的ART2神经网络结构大大提高了分类的正确率,有效改善了模式漂移现象.降低了空间存储消耗. 相似文献
7.
本文对数据聚类进行了研究,提出了一种利用ART1人工神经网络的数据聚类方法的结构和算法。 相似文献
8.
9.
10.
基于ART2的网络入侵检测算法 总被引:1,自引:0,他引:1
基于ART2的网络入侵检测算法是在自适应共振理论的基础上改进而来的。该算法对接收到的网络数据以及系统状态数据进行分析判断,实现入侵方式的自动分类,并且能够对新产生的入侵方式进行分类与记忆,实现了入侵检测系统的自适应性。该算法应用到入侵检测系统中能够解决入侵检测系统中可能出现的预分类不完全的问题,这对于检测新出现的入侵类型无疑具有很大的使用价值。 相似文献
11.
针对无线传感器网络节点能耗的限制以及通信数据的隐私问题,提出一种基于分簇技术的数据融合算法(Data Fusion Algorithm based on Clustering Technology, DFACT)。算法通过分簇技术解决通信数据的时延,簇内利用算法选择合适簇头,并构造数据融合树结构进行数据融合,减少数据通信量,保护数据隐私;簇间采用基于移动代理模型选择最佳路径提高通信效率。实验结果表明,DFACT算法可以有效地降低大规模无线传感器网络节点耗能,提高数据的安全性,延长网络生命周期。 相似文献
12.
13.
针对电子装备故障诊断中单一类型故障特征量和诊断方法无法完成诊断任务,导致故障诊断率不高的问题,将多传感器数据融合技术应用于多注速调管发射机装备故障诊断。构建故障诊断模型,提出把故障诊断过程分为两个层次。首先,借助不同的神经网络实现多输入信号的函数变换的功能,获得各种故障基本概率分配值;然后,在决策层利用D-S证据理论的合成法则将各神经网络诊断结果融合起来统一判决,得到最终综合诊断结果,通过实例仿真,并与初步诊断结果进行比较,结果表明早期故障识别率大大提高。 相似文献
14.
针对基于改进模糊聚类的数据融合算法存在融合不精确、融合可信度较低等不足,为了解决多个同质传感器在无先验知识的情况下对同一个目标的某一特征进行测量的数据融合问题,提出了一种自适应模糊[C]均值聚类的数据融合算法,主要是把自适应模糊[C]均值聚类应用到数据融合中。该算法首先在改进的模糊聚类中通过引入自适应系数以发现不同形状和大小的聚类子集,使得融合结果更精确;其次将卡尔曼滤波原理和基于多层感知机的神经网络预测法应用到误差协方差估计中,提高了融合可信度。实验结果表明,与7种经典数据融合算法进行对比,该算法在4个模拟数据集与真实数据集上融合结果较好,特别在判别函数与融合误差方面优势更为明显。 相似文献
15.
本文提出了一种基于RBF神经网络和证据理论的两级数据融合方法。利用RBF神经网络实现特征层数据融合,建立基本信任分配函数,具有最佳一致逼近特性,同时解决了D-S证据理论确定基本信任分配函数困难的问题。基于D-S证据理论的传感器故障诊断方法的研究,可有效地判断工业现场传感器的工作状态。实验结果表明该方法可正确定位并准确分离出木材含水率检测系统中失效传感器。 相似文献
16.
应用模糊数据融合实现电子电路的故障诊断 总被引:21,自引:0,他引:21
本针模糊数据融合技术引入电子电路故障诊断之中,通过测试电子电路中的被诊断元件的工作温度和工作电压两个物理量,得出两传感器对各待诊断元件的故障隶属度,在对隶属度值进行数据融合的基础上,确定故障元件,并通过单传感器诊断结果与融合诊断结果比较,说明多传器融合的优越性。 相似文献
17.
18.
多传感器的多源异构数据融合处理时,大量的冗余数据及复杂的非线性可分空间导致能耗较大,为此,提出了BP神经网络和支持向量机的多源异构数据融合算法。以数据关系构建约束条件,利用BP神经网络算法建立数据清洗模型,判定节点变量的活跃程度,优化数据输入;建立数据集合,提取数据特征向量;利用支持向量机泛化能力强、凸优化的特点,获取特征的最优分类超平面,获得非线性可分多源数据集转化为高维线性可分空间的最优决策值,输出结果。实验结果表明,该算法融合多源异构数据的能量消耗小、延迟低,融合效果好。 相似文献