Mixing numerical and categorical data in a Self-Organizing Map by means of frequency neurons

Even though Self-Organizing Maps (SOMs) constitute a powerful and essential tool for pattern recognition and data mining, the common SOM algorithm is not apt for processing categorical data, which is present in many real datasets. It is for this reason that the categorical values are commonly converted into a binary code, a solution that unfortunately distorts the network training and the posterior analysis. The present work proposes a SOM architecture that directly processes the categorical values, without the need of any previous transformation. This architecture is also capable of properly mixing numerical and categorical data, in such a manner that all the features adopt the same weight. The proposed implementation is scalable and the corresponding learning algorithm is described in detail. Finally, we demonstrate the effectiveness of the presented algorithm by applying it to several well-known datasets.     

计算随机矩阵期望最大特征问题的自组织算法

设Ｎ为一随机变量矩阵,Ａ＝Ｅ（Ｎ）为Ｎ的数学期望,（Ａ（ｔ））为Ｎ为一系列观测。本文提出逐次基于Ｎ的观测而计算Ｎ的数学期望Ａ之最大特征向量的一个自组织算法。理论分析和数值实验表明：所提出的算法可行,有效,有很强的实用性。     

基于平淡粒子滤波的自组织模糊神经网络算法

提出一种基于平淡粒子滤波(UPF)的自组织模糊神经网络(SOFNN)训练算法--UPF-SOFNN。分析了基于误差下降率的模糊规则增删策略和神经元增加和删除准则,建立了以隶属函数宽度参数为状态,以理想输出为量测的动力学模型,并利用UPF对神经元参数进行学习。分别以非线性系统函数逼近和系统辨识为例,对UPF-SOFNN算法进行了仿真验证,表明UPF-SOFNN算法具有更紧凑的结构和较强的泛化性能。     

基于核自组织映射的有监督主动轮廓图像分割

针对灰度不均匀目标和多灰度强度目标利用主动轮廓难以精确分割的问题,提出了一种基于核自组织映射（KSOM）的有监督主动轮廓算法KSOAC。首先对背景区域和前景区域的先验样本分别利用KSOM进行训练,得到其各自的拓扑映射结构来表征其分布,从而获得突触权值向量;其次提出计算两个网络结构单位像素的平均训练误差,把该误差加入能量函数修正曲线进化过程,并利用前景和背景的面积比得出能量项的控制参数;最后推导出了利用神经元权值向量的有监督主动轮廓能量函数和迭代方程,并采用Matlab 7.11.0对多幅图像进行了仿真验证。仿真结果和数据表明,与自组织映射（SOM）主动轮廓（SOAC）相比,KSOM得到的映射更接近于先验样本的分布,误差更小;KSOAC的准确率、查全率和F参数均大于0.9,分割结果更接近目标本身;在时间消耗方面与SOAC相差不大。实验结果表明,KSOAC能够提高概率分布未知图像、非均匀图像和多灰度强度目标分割效果,减少目标泄露。     

Fuzzy-based coverage and capacity scheme in LTE heterogeneous networks

Abstract

Coverage and capacity optimization (CCO) is a crucial procedure in Long-Term Evolution (LTE) Self-Organizing Network (SON). In recent studies, fuzzy theory has been widely applied for CCO in centralized SON but not in distributed SON. Distributed SON can be applied in user-deployed small cells such as femtocells. In the present paper, a distributed, autonomous, and low-complexity fuzzy-based coverage and capacity scheme is proposed for LTE heterogeneous networks (HetNet). To accomplish this goal, the proposed scheme manages radio resources to minimize inter-cell interference. A tradeoff exists between cell coverage and capacity due to inter-cell interference. By leveraging three fuzzy memberships, the scheduling decision is adaptively made by a low-complexity intersection function. Different from conventional fuzzy approaches, the proposed approach does not depend on pre-defined fuzzy rules and pre-defined fuzzy membership models. System performance is evaluated in terms of throughput and energy efficiency. The simulation results show that the proposed approach improves system performance by up to about 39% compared with a joint optimization algorithm.     

基于自组织特征映射网络的纹理分类研究

提出了基于自组织特征映射网络（ＳＯＭ）的纹理分类方法。采用了适合纹理分析的纹理谱（ＴＳ）的概念，并在分类过程中引入了纹理谱特征向量，纹理谱向量是ＴＳ经过降维处理得到的．该特征向量反映了空间模式的纹理特征．在学习（训练）与分类识别中，采用了神经元网络模型．与ＴＳ相对应的特征向量重复地送入ＳＯＭ网络的输入端，网络的权向量则逐渐地将样本值聚类到各自的样本中心．计算机模拟实验表明，作者提出的纹理分类方案十分有效而且实用．本方案计算量小，学习周斯短，识别率高．本文最后给出了实验结果及分析．     

基于Google地图的KML空间数据查询

给出KML空间数据查询的解决方案,并在基于Google地图建立的Web地理信息系统中予以实现.该方案采用Linq to XML方法实现KML属性查询,采用Net Topology Suite计算空间对象之间的拓扑关系,综合应用此两种技术解决KML空间查询.基于此方案,在VS2010中开发出一套交互式KML空间查询工具,包括点选、连选、区域选择、依属性选择、去选等.     

多制式移动终端身份感知系统研究

移动终端的合法监管是国家安全部门保障移动网络安全的重要手段,获取移动终端身份标识是实现监管的基础.首先阐述了移动终端的主要身份标识,以及监管系统相关研究现状;然后给出一种面向双频点GSM网络和WCDMA网络的多制式移动终端身份感知系统设计方案,阐明系统技术原理与实现方法,并提出对该系统进行优化的技术方案;最后进行测试,验证了方案的可行性.     

基于功效特征的专利聚类方法

当前专利是按照领域划分的,而基于功效特征可以实现跨领域的专利聚类,这在企业创新设计中具有重要意义,而精确提取专利功效特征和快速获得最优聚类结果是其中的关键任务.为此提出一种信息实体语义增强表示(ERNIE)和卷积神经网络(CNN)相结合的功效特征联合提取(FEI-Joint)模型来提取专利文献的功效特征,并且改进自组织...     

基于聚类分析的人工神经网络洪水预报模型研究

应用模糊C均值(FCM)和自组织映射网络(SOM)两种方法将洪水流量过程线进行分解,并聚成不同的类别,结合多层前馈神经网络(MFN)建立了两个综合神经网络模型(FCMMFN和SOMMFN),进行洪水预报。在王家厂水库流域洪水预报的应用结果表明,两种聚类方法能够将流量过程分解为具有不同内在规律的若干过程,两种综合神经网络模型预报精度均优于单一的多层前馈网络模型,而且FCMMFN的精度高于SOMMFN。