基于模糊神经网络味觉信号识别的研究

文中提出了一种基于模糊神经网络方法的味觉信号识别模型,利用小波变换实现了对传感器所采集的味觉信号进行数据压缩及特征抽取,以模糊神经网络作为味觉信号的识别工具。     

基于ANN蛋白质结构预测方法研究

为了破译遗传信息传递的全过程,确定蛋白质空间结构与其功能之间的关系从而改造天然蛋白质,首先简要介绍了蛋白质结构预测的研究意义,然后回顾了用ANN预测蛋白质结构的研究,并分析了各算法的特点和效果,最后探讨了用ANN预测蛋白质结构的研究方向。通过把800个预测网络和126个蛋白质序列的标准集合,平均每个残基的二级结构预测精度为80％,每个链的精度范围为55％-100％,整体均值为80.5％     

粒子群优化的两种改进策略

粒子群优化方法(particle swarm optimization,PSO)是由Kennedy和Eberhart于1995年提出的,并成功应用于各类优化问题．通过对PSO方法深入分析,把模拟退火和分工两种机制引入到PSO方法中,提出了模拟退火粒子群优化(PSOwSAPSO with simulated annealing)和有分工策略的粒子群优化(PSOwDOWPSO with division of work),两种不同改进方法,详细阐述了这两种方法的主要思想．测试结果表明,这两种改进方法能够克服传统PSO方法中的不足,增强了粒子群的优化能力．     

车辆路径问题模型及其智能启发式算法

车辆路径问题是运筹学研究的一个重要分支。描述了 6种典型的车辆路径问题的模型 ,并列举了当前的 9种启发式算法     

一种克服遗传算法收敛于局部极小的方法

本文针对遗传算法可能收敛于局部极上而最终得不到全局最优解的问题，提出了一种改进方法，并用实例验证了该方法的有效性。     

重叠社区结构的挖掘算法

针对大多数社区挖掘算法致力于寻找独立不相重叠的社区结构,而实际的网络中,社区结构往往是重叠的问题。基于凝聚方法和贪婪算法原理,提出了一种新的算法来挖掘社会网络中彼此重叠的社区结构。在模拟数据集和标准测试数据集上的实验结果表明了算法的可行性和有效性。     

双层分类策略及其实现算法*

针对常见分类算法在全局和局部区域性能不一致的问题,提出了双层分类策略及其实现算法。双层分类策略的思想是离线地建立全局分类器,当全局分类器决策信用度低于指定阈值时,在线生成局部分类器进行决策修正。实现算法以支持向量机(support vector machine,SVM)和模糊分类器(fuzzy classifier)作为全局与局部分类器,命名为SFC。为全局分类器定义了SVM决策信用度的评估机制,并以此给出局部分类器的启动条件。为局部分类器设计了基于新测度的模糊隶属度函数完成决策修正。实验结果表明,SFC     

邮件过滤Agent的设计

为实现对电子邮件中垃圾邮件的过滤,提出一种新的邮件过滤算法和邮件过滤Agent的设计方法。Agent通过算法学习用户接收邮件的信息及用户对邮件的处理习惯,据此最终确定邮件是否为垃圾邮件或病毒邮件,从而过滤掉非正常邮件。实验测试表明,Agent对邮件过滤的正确率可达85％,为现有电子邮件系统提供了一种改进方法。     

复杂网络社区挖掘——-基于聚类融合的遗传算法

针对当前研究复杂网络社区挖掘的热点问题, 提出了一种基于聚类融合的遗传算法用于复杂网络社区挖掘. 该算法将聚类融合引入到交叉算子中, 利用父个体的聚类信息辅以网络拓扑结构的局部信息产生新个体, 避免了传统交叉算子单纯交换字符块而忽略了聚类内容所带来的问题. 为使聚类融合的作用得以充分发挥, 本文提出了基于马尔科夫随机游走的初始群体生成算法, 使初始群体中的个体具有一定聚类精度并有较强的多样性. 初始群体生成算法与基于聚类融合的交叉算子互相配合, 有效地增强了算法的寻优能力. 此外, 算法将局部搜索机制用于变异算子, 通过迫使变异节点与其多数邻居在同一社区内, 有针对性地缩小了搜索空间, 从而加快了算法收敛速度. 在计算机生成网络和真实世界网络上进行了测试, 并与当前具有代表性的社区挖掘算法进行比较, 实验结果表明了该算法的可行性和有效性.     

遗传算法取代时间的分析

在遗传算法中,选择算子具有重要的地位,评价选择算子的标准是取代时间。给出了取代时间的严格定义。对于基于比例的选择算子,详细地分析了算子的取代时间,证明了取代时间的阶不依赖于适应度函数的选取和初始群体的分布,为O（lnN)阶。同时,提出了取代时间系数的概念,可以定量地衡量不同的选择算子、适应度函数变换方式的作用。分析了常见的适应度函数的变换对取代时间系数的影响。