一种由RBF网络驱动的模糊产生式系统

介绍了ＲＢＦ网络和模糊产生系统，分析了由ＲＢＦ网络实现模糊产生式系统的条件，并研究了ＲＢＦ网络的训练算法，以确定模糊系统的参数，运用这种学习算法，可同时确定模糊系统规则的数目和规则的参数。仿真结果说明了该方法的有效性。     

用RBF网络拟合船舶型线

采用ＲＢＦ神经网络拟合船舶型线，提出了适合船舶型线拟合的ＲＢＦ中心点集的选取方式，与ＢＰ网络相比大大提高了学习速度和精度，用幂函数和圆函数检验本方法拟合曲线的精度，充分证明本方法拟全船舶型线是实用可行的。文中给出了拟合某船舶横剖线的实例。     

用RBF网络学习船舶操纵运动的动态特性

提出了利用径向基（ＲＢＦ）神经网络的非线性映射能力,来学习船舶操纵动态特性,通过大量的仿真实验证明,用ＲＢＦ网络学习船舶操纵动态特性,在学习速度、预报误差待经常用的ＢＰ网络要优越得多。     

基于模糊识别的神经网络分类器

提出一种基于模糊识别的神经网络分类器。首先对训练样本ＸＫ进行模糊聚类，求其从属于各类别ωｉ的隶属变Ｕｗｉ（Ｘｋ）。然后利用这些训练样本和所求得的从属于各类别的隶属度，通过神经网络的学习拟合出各模式类的隶属函数，进而构造出神经网络分类器。这种方法将模糊理论与神经网络分布式联想存储的优点相结合，使无监督分类器成了有监督分类器。     

����֧���������ij����������ʶ���о�

基于支持向量机理论对出行链活动类型的识别方法进行了研究. 首先对居民出行的时间序列位置信息做数据预处理,提取出行链的出行过程和活动地点信息,并结合地理信息系统（GIS）提取活动的备选类型;然后从出行链和活动的时间和空间因素提取活动类型识别的特征,形成特征向量作为分类器的输入,并建立基于支持向量机的两两分类器,采用分类器投票的方法从备选集中选择活动的类型;最后利用模拟数据和交叉验证的方法对两两分类器进行训练检验,分别从高斯径向机核函数和多层感知器核函数的角度分析活动类型识别率. 结果表明：在两两分类中,高斯径向机核函数的最高识别率为99%,最低识别率为62%;多层感知器核函数的最高识别率为97%,最低识别率为54%.     

基于支持向量机的出行链活动类型识别研究

基于支持向量机理论对出行链活动类型的识别方法进行了研究. 首先对居民出行的时间序列位置信息做数据预处理,提取出行链的出行过程和活动地点信息,并结合地理信息系统（GIS）提取活动的备选类型;然后从出行链和活动的时间和空间因素提取活动类型识别的特征,形成特征向量作为分类器的输入,并建立基于支持向量机的两两分类器,采用分类器投票的方法从备选集中选择活动的类型;最后利用模拟数据和交叉验证的方法对两两分类器进行训练检验,分别从高斯径向机核函数和多层感知器核函数的角度分析活动类型识别率. 结果表明：在两两分类中,高斯径向机核函数的最高识别率为99%,最低识别率为62%;多层感知器核函数的最高识别率为97%,最低识别率为54%.     

基于神经网络多分类器组合模型的OCR应用研究

根据多分类器组合原理,提出一种基于神经网络的多分类器组合模型.该模型首先使用基于贯穿码特征的分类器对字符分类,然后,由基于投影特征的分类器对经过上一级分类器分类后的字符进行识别.试验表明,该模型能有效提高光学字符识别率.     

基于BPF的分布系统数学仿真方法

提出了一种应用块脉冲函数（ＢＰＦ）进行分布式系统数字仿真方法。该方法用ＢＰＦ逼近所求问题的解，将分析系统偏微分方程转换为矩阵方程，然后用ｒｏｎｅｃｋｅｒ积解矩阵方程。该方法本质上是一种并行算法。与传统的差分法比较表明，该方法的仿真结果精度较高。     

诊断推理中人工神经网络与基于案例推理的结合

对基于人工神经网的诊断方法与基于案例推理的方法（Ｃａｓｅ－Ｂａｓｅｄ Ｒｅａｓｏｎｉｎｇ，ＣＢＲ）的结合进行了研究，提出了两种结合方案，针对ＣＢＲ系统建立案例库索引这一难点，方案一利用人工神经网诊断分类器的诊断结果对案例库进行索引；方案二用人工神经网为待诊断对象对立模型，对正常的状态作出预测，通过预测值与实际测量值的差异对案例库进行索引，在作了最后诊断之前两种方案都利用ＣＢＲ的推理结果对神经网的诊     

贝叶斯网络分类器结构与变量分布的差异性分析

为了提高鉴别式学习策略训练的贝叶斯网络分类器的分类精度,分析了贝叶斯网络结构与数据中变量分布之间的差异对贝叶斯网络分类器性能的影响,实验以网络结构的实际联合概率分布的树型近似描述为基准,删除在条件对数似然函数极大化过程中不起作用的边,生成具有同一联合概率分布的不同描述程度的网络结构.实验结果表明,只有当网络结构表现力不足时,鉴别式参数学习才能起积极作用;而当网络结构中有多余的边时,反而容易受其制约.从而验证了网络中多余的边对分类器性能没有影响的观点是片面的.     

公路路面管理系统（JPMS）的应用

ＪＰＭＳ是江苏省交通厅公路局与加拿大路面管理系统公司共同在ＭＩＣＲＯＳＯＦＴＦＯＸＰＲＯＦＯＲＤＯＳ环境下开发研制而成的公路路面养护，评价系统。本文简要论述了该系统在南京市的推广应用情况，及数据的分类和采集，数据库及编码管理，社会效益和经验体会等。     

急性脑血管病红细胞免疫功能变化对红细胞变形性的影响

为探讨急性脑血管病（ＡＣＶＤ）红细胞免疫粘附（ＲＣＩＡ）功能对红细胞变形性（ＲＣＤ）的影响,对１８ 例急性脑出血和５０ 例脑梗塞患者的红细胞Ｃ３ｂ 受体花环率（ＲＢＣ·Ｃ３ｂＲＲ）,红细胞免疫复合物花环率（ＲＢＣ·ＩＣＲ）,红细胞免疫促进因子（ＲＦＥＲ）,红细胞免疫抑制因子（ＲＦＩＲ）及红细胞滤过指数（ＥＦＩ）进行测定。结果发现ＡＣＶＤ患者ＥＦＩ明显高于正常组（ Ｐ＜ ０．００１）,ＲＢＣ·Ｃ３ｂＲＲ、ＲＦＥＲ明显低于正常组,ＲＢＣ·ＩＣＲ及ＲＦＩＲ明显高于正常组（ Ｐ＜ ０．００１）．ＥＦＩ与ＲＢＣ·ＩＣＲ及ＲＦＩＲ呈显著正相关（ｒ＝ ０．４８７,０．４８５,０．４９１,０．４８９, Ｐ ＜ ０．０５）,说明急性期脑血管病ＲＣＩＡ功能降低是ＲＣＤ影响因素之一     

小波神经网络改进结构及其学习算法

论述了小波神经网络用于信号分类识别的模型结构,在此基础上,充分利用小波变换时频分析的局部化特性,提出了一种改进的网络结构,建立了非显式小波的网络的学习算法。计算机模拟表明,该结构提高了信号分类识别的精度和灵敏度。     

脐血红细胞免疫功能的观察

对７７例脐血红细胞免疫功能及其调节因子活性进行了测定，以６５例正常人静脉血作为对照。结果发现：脐血ＲＢＣ·Ｃ３ｂＲ及ＲＢＣ·ＩＣＲ均增高，差异显著（Ｐ＜０．０１）；ＲＦＥＲ高于正常人静脉血（Ｐ＜０．０１），ＲＦＩＲ无差异（Ｐ＞０．０５），故二者比值Ｅ／Ｉ升高，差异显著（Ｐ＜０．０１）。结果表明脐血红细胞免疫功能高于正常人静脉血。     

东海台风路径预报的CLIPER模式

现提出东海台风２４￣７２小时路径ＣＬＩＰＥＲ全样本预报模式和ＣＬＩＰＥＲ分类预报模式，并设计一套根据运动台风不断变化的区域及其前期运动趋势而采用不同的预报模式和预报方程的方法。五年２８例台风的试报表明，２４、４８、７２小时预报误差分别为１０９，２１５，３２９海里，精度明显高于国内外类似模式，而且该方法简便、易行，适合于海洋预报台和气象台站作台风路径的客观预报，特别是可作为配有ＩＢＭ微机的远洋船舶从     

基于特征多视图提升Naive Bayesian的Boosting改进算法

AdaBoost作为一种有效的集成学习方法,能够明显提高不稳定学习算法的分类正确率,但对稳定的Naive Bayesian分类算法的提升效果却不明显．为此,利用多种特征评估函数建立不同的特征视图,生成多个有差畀的加权朴素贝叶斯（WNB）基分类器;尝试使用几种不同的方式将样本权重嵌入WNB基分类器的参数中,对WNB产生扰动,进一步增加基分类器的不稳定性．实验结果表明．对比AdaBoost所提算法．BoostMV-WNB能够明显提升WNB文本分类器的性能．     

城市轨道交通行人通道交通状态识别研究

提出了一种基于支持向量机,利用行人交通流参数,实现城市轨道交通人行通道处交通状态识别的方法。采用FCM算法实现了4种行人交通状态的聚类分析与定义;建立SVM多类分类器模型。并分别采用线性可分和非线性两种SVM分类器以及多项式、高斯径向基、sigmoid等3种核函数,应用于行人通道交通状态识别中,进而通过实际采集数据集合,对其有效性进行对比分析。研究表明:设计的算法具有良好的识别性能,RBF核函数SVM模型的总体识别效果相比最好,正确率均在85%以上,说明行人交通参数在该核函数转化的高维空间具备良好的线性可分;线性可分对畅通状态识别效果相对最好,正确率为98%;多项式核函数对稳定状态识别效果相对最好,正确率为93%;sigmoid核函数的总体识别效果相比最稳定,正确率均在85%~92%。     

基于RBF网络的操纵水动力预报

在船舶初阶段,要求设计者能够在不断调整船舶主尺度和船型系数的同时,了解所设计船舶的操纵性能指标。其中,操纵水动力导数预报的精确程度无疑对整个船舶操纵性预报工作具有至关重要的影响。文中基于径向基函数（ＲＢＦ）网络提出了预报操纵水动力导数的新方法,并且与试验结果、线性回归方法预报结果进行了比较,与试验结果较为一致。     

基于数学形态学与动态时间扭曲的电压扰动分类

为提高电压扰动信号分类识别的精度,提出了一种基于数学形态学与动态时间扭曲的新算法．该算法首先通过形态滤波器对信号进行滤波处理,然后利用如变换提取滤波输出的特征,再通过动态时间扭曲分类器与参考模板进行匹配,最后获得有效的分类识别结果．用Matlab进行仿真分析的结果表明,该算法能有效识别各类扰动信号,准确率高,即使在强噪声环境下,识别精度也超过84％．     

基于改进ACGAN的齿轮箱多模式数据增强与故障诊断

针对现有生成对抗网络(GAN)难以高效率生成多模式的故障样本和训练不稳定问题，提出了一种改进辅助分类生成对抗网络(ACGAN),并将其用于齿轮箱多模式数据增强和智能故障诊断，以确保运载工具的安全运行；引入独立的分类器构建新型ACGAN框架，改善了经典ACGAN的分类精度与判别精度之间的兼容性；使用Wasserstein距离定义具有平滑特性的新型对抗损失函数，以此克服GAN易出现模式崩塌和梯度消失的缺点；引入谱归一化方法替代权重裁剪，限制判别器的权重参数，提高对抗训练过程的稳定性；为验证改进ACGAN的有效性和优越性，对齿轮箱的6类健康状态样本进行试验分析。分析结果表明：改进ACGAN生成的故障样本在数据层面和特征层面取得了更好的质量评估结果，其中基于结构相似度的评估指标平均优于对比方法0.249 3,基于最大平均差异的评估指标平均优于对比方法0.696 6;改进ACGAN的训练过程更加稳定，其损失函数具有更优的收敛性，同时在多模式故障诊断情景下具有更高的效率，其训练时间缩减为对比方法的20%;针对故障样本缺失的情况，改进ACGAN的生成样本能有效辅助深度学习智能故障诊断模型的训练，可将...