自组织神经网络在模糊聚类中的应用研究

聚类是按照事物的某些属性，把事物分类，使类间的相似性尽量小，类内的相似性尽量大。将事物通过适当聚类，才能便于研究事物的内部规律，但客观世界中存在着大量界线不分明的问题，研究模糊聚类的方法正是为了解决这类问题。在对常规模糊聚类方法分析的基础上，提出了一种将自组织竞争神经网络技术运用于模糊聚类的一种方法，并以100种动物分类为例，进行了模拟试验，仿真结果证明这种方法进行模糊聚类的思想正确，方法可行，效果较好。     

模糊ISODATA聚类的BP神经网络及其应用

提出了一种基于改进的模糊ISODATA聚类的BP神经网络算法,增强了其处理大样本的分类能力,可以很好地解决大样本情况引起的网络结构复杂、收敛性和泛化能力差等神经网络的固有问题。将其应用于消费者个人信用评估中,通过实验对比表明该算法精度较高,容错性好。     

自组织神经网络在模糊聚类中的应用研究

聚类是按照事物的某些属性,把事物分类,使类间的相似性尽量小,类内的相似性尽量大.将事物通过适当聚类,才能便于研究事物的内部规律,但客观世界中存在着大量界线不分明的问题,研究模糊聚类的方法正是为了解决这类问题.在对常规模糊聚类方法分析的基础上,提出了一种将自组织竞争神经网络技术运用于模糊聚类的一种方法,并以100种动物分类为例,进行了模拟试验,仿真结果证明这种方法进行模糊聚类的思想正确,方法可行,效果较好.     

基于聚类的模糊神经网络预测系统

本文在Ｔａｋａｇｉ提出的神经网络驱动的模糊推理基础上,提出了基于聚类的新模糊神经网络的和学习算法。     

Max-Product型模糊Hopfield网络稳定性及其聚类方法研究

本文将模糊逻辑和神经网络相结合,提出了Ｍａｘ－Ｐｒｏｄｕｃｔ型Ｈｏｐｆｉｅｌｄ人工神经网络,给出了它的网络结构和形式化描述,证明了ＦｕｚｚｙＨＮ的稳定性,最后通过理论和数值实验对基于Ｍａｘ－Ｐｒｏｄｕｃｔ型Ｈｏｐｆｉｅｌｄ网络的动态聚类过程和有关性质进行了研究。     

基于模糊聚类的神经网络故障诊断方法

提出基于模糊聚类的BP神经网络（Fuzzy Clustering BP Neural Network,简称FCBPNN）故障诊断的理论和方法,即利用模糊聚类准则对样本数据进行预处理.通过仿真比较FCBPNN与简单BPNN两种方法在抽风机组的故障诊断中的应用,证明了该方法的有效性.     

基于模糊聚类的模糊神经网络控制

对于复杂的非线性离散系统,提出将模糊聚类算法同神经网络相结合,使用衡量聚类有效性的S函数确定模糊规则数目,进而确定模糊神经网络的结构;控制器的设计应用LMI方法。以典型的非线性系统二级倒立摆为例,在Matlab中进行仿真实验,结果表明,基于聚类算法的神经网络控制能够在较大范围的初始状态下使系统获得稳定。     

一种新的模糊聚类神经网络及其在语音信号系统辨识中的应用

主要解决语音信号模型的系统辨识问题.针对过去的模糊聚类算法进行系统辨识时逼近性能不理想的问题,提出了一种新的模糊聚类神经网络(FCNN).该方法以模糊系统模型为基础,将每个状态看作一个模糊系统,用连续的若干序列作为系统的输入,利用改进的模糊聚类辨识算法构成一种新型的模糊聚类神经网络,对系统的输出进行预测.通过语音信号系统辨识的实验,验证了本网络的有效性.     

基于模糊聚类的神经网络集成

针对差异性是集成学习的一个重要条件,研究基于模糊聚类技术提高神经网络集成差异性的方法。提取大量弱分类器的权值和阈值并作为模糊聚类的数据对象,然后将聚类结果作为集成网络中个体网络的权值和阈值,最后在标准数据集上进行仿真实验,证实方法的有效性。     

一种新聚类算法在模糊神经网络中的应用

本文介绍一种新的聚类方法，不需预先知道聚类数目，通过迭代运算使训练样本收敛 到聚类中心，进而实现对样本的聚类，并给出了算法的理论证明．将该算法应用到模糊神经 网络中去，根据聚类结果建立一阶TSK模糊神经网络，然后使用混合算法训练网络参数，分 别用梯度下降法调整前提参数，递推最小二乘法调整结论参数．最后，列举实例证明该算法 的有效性．     

Multiprocessor Task Assignment with Fuzzy Hopfield Neural Network Clustering Technique

Most scheduling applications have been demonstrated as NP-complete problems. A variety of schemes are introduced in solving those scheduling applications, such as linear programming, neural networks, and fuzzy logic. In this paper, a new approach of first analogising a scheduling problem to a clustering problem and then using a fuzzy Hopfield neural network clustering technique to solve the scheduling problem is proposed. This fuzzy Hopfield neural network algorithm integrates fuzzy c-means clustering strategies into a Hopfield neural network. This investigation utilises this new approach to demonstrate the feasibility of resolving a multiprocessor scheduling problem with no process migration and constrained times (execution time and deadline). Each process is regarded as a data sample, and every processor is taken as a cluster. Simulation results illustrate that imposing the fuzzy Hopfield neural network onto the proposed energy function provides an appropriate approach to solving this class of scheduling problem.       

模糊超球神经网络在模式聚类中的应用

提出和实现了用于模式聚类的无监督模糊超球神经网络.模式集是一个具有超球核的用隶属函数表示的模糊集,模式集又可以合并成模式类.模糊超球神经网络学习算法能在几次循环学习中形成模式集,无需对已知模式集重新训练就可融合新样例和精炼已存在的模式集.模式聚类的数值仿真解释了模糊超球聚类神经网络的优越性能.     

Fuzzy Clustering Using A Compensated Fuzzy Hopfield Network

Hopfield neural networks are well known for cluster analysis with an unsupervised learning scheme. This class of networks is a set of heuristic procedures that suffers from several problems such as not guaranteed convergence and output depending on the sequence of input data. In this paper, a Compensated Fuzzy Hopfield Neural Network (CFHNN) is proposed which integrates a Compensated Fuzzy C-Means (CFCM) model into the learning scheme and updating strategies of the Hopfield neural network. The CFCM, modified from Penalized Fuzzy C-Means algorithm (PFCM), is embedded into a Hopfield net to avoid the NP-hard problem and to speed up the convergence rate for the clustering procedure. The proposed network also avoids determining values for the weighting factors in the energy function. In addition, its training scheme enables the network to learn more rapidly and more effectively than FCM and PFCM. In experimental results, the CFHNN method shows promising results in comparison with FCM and PFCM methods.     

基于B/S结构的分销资源信息管理系统模型设计与实现

提出了一种分销资源信息管理系统的实现模型。系统采用B/ S结构、集中数据存储和完全独立于软硬件平台的J2 EE技术。系统论述了分销资源信息管理系统的设计与实现。     

DRP分销管理系统的设计与实现

DRP是管理企业的分销网络系统，目的是使企业具有对订单和供货具有快速反应和持续补充库存的能力。通过互联网将供应商与经销商有机地联系在一起，DRP为企业的业务经营及与贸易伙伴的合作提供了一种全新的模式。该文使用Java作为开发语言，采用Struts2框架技术搭建整个系统，数据库采用SQL2000，Eclipse5．11作为开发工具，设计并实现了DRP分销管理系统。     

使用模糊竞争Hopfield网络进行图像分割

针对传统自组织竞争学习方法的不足,将模糊竞争学习引入竞争Hopfield网络中,由此设计了一个用于图像分割的模糊竞争Hopfield网络,通过将图像空间映射到灰度特征空间,实现灰度特征集的模糊聚类,进而实现图像分割.实验结果表明:对于二值分割,与Ostu方法相比,此算法在分割效果和对噪声的自适应能力方面具有明显的优点.对于多类分割,此算法比目前的FCM(fuzzy C mean)算法的处理速度要快.     

基于聚类和模糊神经网络的装备维修费用预测

在对装备使用维修费用分析的基础上,利用聚类和模糊神经网络理论,建立了时间序列对象的预测模型,并应用于装备使用维修费用的预测研究,从而探讨了一条适合装备使用维修费用预测的新途径。通过对某型装备使用维修费用的预测分析,证实了本模型的科学性与正确性。     

仓储系统与分销系统间EDI接口设计

该文以生产企业物流系统为研究对象,在分析其系统结构的基础上,将仓储及分销管理系统有机结合,提出了第三方物流EDI系统,为物流企业提供了更加详尽的信息、资源,使物流业能迅速对市场变化作出反映,并及时作出调整。     

DRP分销管理系统的设计与实现

DRP是管理企业的分销网络系统,目的是使企业具有对订单和供货具有快速反应和持续补充库存的能力。通过互联网将供应商与经销商有机地联系在一起,DRP为企业的业务经营及与贸易伙伴的合作提供了一种全新的模式。该文使用Java作为开发语言,采用Struts2框架技术搭建整个系统,数据库采用SQL2000,Eclipse5.1[1]作为开发工具,设计并实现了DRP分销管理系统。