基于粗糙径向基函数的瓦斯涌出量预测

针对径向基网络对训练样本要求高的情形,将粗糙集和径向基神经网络相结合,提出粗糙径向基神经网络的方法,利用粗糙集对数据进行属性规约,得到适合径向基网络要求的数据,进而提高了其训练速度以及精度。将该方法应用在瓦斯涌出量预测的实验中,并将粗糙径向基神经网络和BP网络的预测结果进行对比,可以得出粗糙径向基网络预测效果比BP的效果好的结论,同时证实该方法的可行性。     

径向基函数网络在电液伺服系统故障诊断中的应用研究

针对电液伺服系统的故障诊断,提出融合系统状态信息作为系统特征向量,引入径向基函数网络作为模式识别分类算法的智能诊断方法,并论述采用径向基函数网络作为分类算法的可行性及其优势。最后以电液位置伺服系统为例,建立相关的径向基函数网络,验证以上的陈述。     

基于径向基神经网络PID控制的交流伺服系统

将神经网络和PID控制相结合,提出了一种神经网络整定的PID控制策略,并将其应用于交流伺服系统的控制.利用一个两层神经网络在线自适应调整PID控制器的参数;从而使系统的静态和动态性能指标较为理想.径向基函数神经网络用来辨识交流伺服系统的Jacobian信息,用正交最小二乘算法得到径向基函数神经网络的结构;然后用BP算法对该网络的权值进行训练使它逼近给定的函数.实验结果表明,这种系统具有响应速度快、稳态精度高和鲁棒性强等特点.     

径向基网络在环境质量评价中的应用

应用径向基网络（RBF－ANN）算法的人工神经网络建立了环境质量评价模型，为便于比较，将该模型应用于贵阳市1991－1995各年度的大气环境质量评价，结果表明，径向基网络用于环境质量评价具有客观性和实用性。     

一种冠心病心电信号的识别方法

将径向基函数网络(RBFN)用于冠心病心电信号的识别.首先给出了RBF网络的结构,然后讨论了网络的训练方法.并构造了RBFN对冠心病心电信号和正常信号进行了识别.临床和仿真结果表明了该方法的有效性.     

基于曲波变换决策融合的掌纹识别

用曲波变换提取出掌纹图像在不同尺度下的图像特征,通过降维处理的主成分分析(PCA)方法,由径向基函数网络训练或判决,按照用户的要求,选择不同的决策规则,对各种尺度下的识别结果进行融合,可达到较高的掌纹识别率。     

混合神经网络的高校网络舆情预测模型研究

为了对高校大学生群体性事件网络舆情进行准确预测并作正确引导,提出一种基于改进粒子群算法的混合神经网络(HANN)的高校网络舆情的发展趋势预测模型.HANN首先采用自适应调整策略和混沌理论对粒子群算法进行改进得到改进粒子群算法(CSA-PSO),再通过CSA-PSO算法训练径向基人工神经网络(RBF ANN)得到;RBF ANN的结点个数通过试探法确定.通过实例测试和与其它模型比较实验,结果表明所提出的HANN方法具有较高的预测精确,综合性能较好.     

径向基函数在文本分类中的应用

利用RBF网络进行文本自动分类,对训练集进行聚类,使得每个簇内部的相似性尽可能高,而簇之间的相似性尽可能低.为每一个簇的中心定义相应的径向基函数,再对由这些径向基函数构成的两层神经网络进行训练.因考虑到了不同簇之间的差异性,因此很好解决＂兼类＂问题.     

基于小波变换和径向基神经网络的签名识别

主要研究利用小波变换和径向基神经网络进行签名图像的分类识别.它包括不同签名图像和相似签名图像的分类识别.所提出的方法包括小波域的图像特征提取和利用径向基神经网络的模式分类.采用小波的多分辨分析方法对签名图像进行时频分析特别有效.熵和能量相关特征的概念用于小波域.径向基神经网络具有快速的收敛速度和分类能力.实验仿真证实了利用小波变换和径向基神经网络进行签名图像分类识别的有效性,且成功识别率100%.     

基于径向基神经网络的我国外汇储备规模预测

基于MATLAB6．5平台编程，运用非线性径向基神经网络对我国外汇储备规模进行预测分析，以我国历年外汇储备数据为训练样本，进行网络训练与检验，结果表明，我国外汇储备存在超常规增长，径向基神经网络具有良好的预测性能。     

加密算法之DES算法

21世纪是信息时代,信息在社会中的地位越来越重要,已成为社会发展的重要战略资源,信息技术改变着人们的生活和工作方式,与此同时,信息安全也已成为世人关注的社会问题。本文介绍了保证信息安全的一种方法:数据加密标准(即DES),重点阐述单钥密码体制中的分组密码的基本概念、结构和加密算法。     

基于LM和SA的混合优化算法

针对LM算法及模拟退火算法各自存在的不足,提出一种交替使用二者的混合优化算法（SALM算法）.该算法先通过模拟退火算法粗调得到一组全局最优近似解,再以该近似解为初值,交替使用模拟退火算法和LM算法,直至发现满意的最优解.实验结果表明,新算法不但具有模拟退火算法的全局收敛特性而且保留了LM算法的局部收敛速度,克服了单纯模拟退火算法所产生的随机性和概率性问题,也弱化LM算法对初始条件的依赖程度,保证了求解的速度和精度。     

对k均值算法和硬C-均值算法的对比分析

通过比较目标函数、聚类原型模式P(0)的初始化方法、划分矩阵U和聚类原型P的更新方法等4个方面,得出k均值算法和硬C-均值算法的区别.     

免疫算法与遗传算法的比较

免疫算法与遗传算法二者有不同点，通过仿真实验表明它们之间在功能和应用方面有区别．     

遗传算法

本文介绍遗传算法的相关概念─染色体。适应值函数、复制算子、杂交算子和变异算子,给出算法描述和数值例子;同时给出遗传算法的模式定理和收敛性定理;最后,讨论遗传算法的特点和应用前景．     

基于Apriori算法的数据挖掘算法研究

关联规则挖掘是一种最有影响的数据挖掘技术。它在交易数据库或其他数据仓库项目集之中提取有意义的关联,频繁模式和关联。大多数现有的算法发现频繁模式都需要多次遍历数据库,导致大量的磁盘读取,造成了巨大的I/O负载。为了减少重复读盘,本文提出了一种新的自上而下的方法,即Apriori算法的改进版本,此算法大大降低了数据库的扫描次数,避免生成不必要的模式而减少了数据库的扫描,节省了大量的时间和空间。     

基于遗传算法的数字水印算法研究

通过遗传算法对相连参考点集进行匹配,估计出几何变换的参数,分别计算出原始图像和含水印图像的参考点集合,不需要原始图像参考的情况下实现水印的嵌入与检测.实验表明,该算法不仅能抵抗几何攻击,而且对一般的图像处理操作也具有鲁棒性.     

降低RS码算法复杂度的改进KV算法

提出对Koetter-Vardy(KV)算法进行改进后的重编码算法,利用Reed-Solomon(RS)码的线性性质对重数矩阵进行预处理,改进了插值算法的初始多项式条件,降低插值算法的复杂度,从而降低了KV算法的总体复杂度,带来的复杂度的节省因子是n²/(n-k)2/(n-k)².对该算法的软件实现以及仿真结果显示:对高码率的RS码,重编码算法几乎不牺牲译码性能.     

一种有效的全局优化算法--模拟退火算法

模拟退火算法是有效的全局优化算法,本文讨论了模拟退火算法发展过程及其理论依据,利用MAT-LAB语言编写程序并测试分析,认为算法本身可进一步改进,提出了算法改进思路和方法.     

基于Powell算法的改进微粒群算法

提出一种与Powell算法相结合的新型改进微粒群算法——Powell-PSO.改进算法将粒子的搜索过程分为两阶段,第一阶段,将标准微粒群算法的速度公式加以改进进行搜索;第二阶段,将第一阶段的最后一代粒子作为Powell算法的初始点,让Powell算法与PSO算法交替进行.这样既克服了微粒群算法陷入局优的缺点,也大大提高了算法的求解精度,同时提高了收敛速度并保持了微粒的多样性.仿真结果表明：与标准微粒群算法相比,Powell-PSO具有较高求解精度和较强寻优能力,并且不论是对单峰还是多峰函数都能取得较好的优化效果.