一种基于增量学习型矢量量化的有效文本分类算法

KNN作为一种简单的分类方法在文本分类中有广泛的应用,但存在着计算量大和训练文档分布不均所造成的分类准确率下降等问题.针对这些问题,基于最小化学习误差的增量思想,该文将学习型矢量量化(LVQ)和生长型神经气(GNG)结合起来提出一种新的增量学习型矢量量化方法,并将其应用到文本分类中.文中提出的算法对所有的训练样本有选择性地进行一次训练就可以生成有效的代表样本集,具有较强的学习能力.实验结果表明:这种方法不仅可以降低KNN方法的测试时间,而且可以保持甚至提高分类的准确性.

用学习矢量量化(LVQ)神经网络进行教师评估

针对教师评估中考评指标过多、评价工作复杂化问题,提出了一种基于LVQ神经网络的教师评估方法。利用Matlab神经网络工具箱进行仿真实验,结果表明,该网络具有结构简单,学习速度快、分类稳定的特点,用LVQ神经网络进行教师评估是可行而有效的。

基于局部化原理和概率模型的LVQ改进算法

利用局部化原理和概率模型的优化方法 ,提出一种LVQ改进算法———基于局部化原理和概率模型的LVQ算法 (LocalizationprincipleandProbabilitybasedLVQ ,LoPLVQ) .与传统LVQ算法相比 ,不仅缩短训练时间 ,而且具有较高的识别率 .实验结果表明改进算法可用来解决大规模的模式识别问题 .

基于LVQ的软件项目风险评估模型的研究

以16种风险为基础,建立了一个新的软件项目风险评估模型,把以往每个软件项目的16种风险看做一个16×1维列矢量,并做为LVQ神经网络的训练矢量,对其进行聚类分析,最终把项目风险水平分为:风险水平很低、风险水平中等、风险水平很高等三个类别,并对项目风险水平做出预测。

基于LVQ的自发脑电信号的分类研究

为了识别在不同思维状态下的自发脑电(EEG)信号 ,本文用6阶自回归(AR)模型表示EEG信号 ,用学习矢量量化(LVQ)神经网络作分类器 ,分别用LVQ1和LVQ2.1算法对网络进行训练 ,并对分类结果进行测试 ,比较了网络选择不同参数时对分类正确率的影响。研究表明 :竞争层神经元数目直接影响了正确率 ,当选择最佳参数值时分类正确率为62 %～83 % ,因人而异。

广义LVQ算法及其在遥感影像分类中的应用研究

在比较了学习矢量量化(LVQ)算法和广义学习矢量量化(GLVQ)算法的基础上,建立了基于GLVQ的遥感影像分类模型。以实际土地覆盖分类为例,通过与传统统计方法和LVQ分类器比较,GLVQ分类器具有分类正确率高,收敛速度快,适应范围广等优点。

LVQ聚类算法在爆炸物THz光谱识别中的应用

运用THz光谱特性进行爆炸物的识别,是现代检测技术研究的一个热点。由于直接对原始数据进行聚类的识别率并不理想,首先对实验样本的THz频域光谱数据曲线进行二阶导数变换,得到了更能表现数据变化趋势和峰值的特征曲线,然后基于该特征曲线利用LVQ神经网络聚类算法,设计并用VC++6.0实现了THz光谱自动分类识别系统。分别对RDX、DNT、TNT、HMX四种爆炸物进行识别对比实验,运用原始数据训练出的分类器,识别率为96%,运用变换过后的特征数据训练出的LVQ分类器,识别率可以达到100%。实验证明,所设计的基于LVQ的神经网络分类器具有强大相似特征聚类功能和较高的识别率。

基于改进LVQ算法的塔式起重机运行状态检验

为了提高起重机运行安全检验结果的准确性,避免误判,并且提高塔式起重机检验的智能化水平,提出了一种基于改进的学习矢量量化(LVQ)人工神经网络模型,实现了对塔式起重机运行安全状态的智能检验。首先,根据近年来建筑工地塔式起重机的检验数据,建立了样本集,基于塔式起重机相关的安全技术标准和规范,将检验项目分解为最常见、最主要的15个因素,作为神经网络输入层的数目;然后,对290台塔式起重机的检验数据进行了统计(金属结构的连接、作业环境、主要零部件与机构,此3项不合格的频次较高);最后,在学习矢量量化(LVQ)算法基础上,改进了LVQ人工神经网络的检验评价模型,再运用优化的特征数据训练出了LVQ分类器,提出了改进的LVQ智能检验方法,对50个测试样本进行了分类识别实验。研究结果表明:改进后的LVQ人工神经网络算法提高了塔式起重机检验结果的正确率,在整机检验中合格率和不合格率均能达到100%,避免了误判,实现了对塔式起重机设备的安全智能检验。

基于肌电信号的人手运动状态的辨识

研究的目的在于利用人体前臂的肌电信号进行人手动作模式的识别。根据采集的肌电信号,判断动作始末状态并对该肌电信号进行小波降噪预处理,利用小波变换的高频细节系数极值构造特征矢量,经过学习矢量量化(LVQ)神经网络训练,能够有效地识别握拳、展拳、手腕内旋和手腕外旋4种动作模式。和前馈型神经网络比较,LVQ神经网络具有更高的识别准确率和更稳定的再现性。

基于神经网络的智能下肢假肢自适应控制

下肢假肢的膝关节是一种具有高度非线性、时变、强耦合的阻尼系统,传统控制方法很难达到良好控制效果.针对这一问题,提出将神经网络(NN)应用于下肢假肢控制.以学习矢量量化(LVQ)神经网络为基础,提出神经网络模型参考自适应控制方法.该方法通过选择适当的参考模型和自适应算法,利用参考模型输出与实际系统输出之间的误差信号,由自适应算法计算当前的控制量以控制智能下肢假肢,达到自适应控制的目的.该方法不需要进行性能指标的变换,容易实现且自适应速度快,仿真结果表明了该方法的有效性.

基于神经网络文本检索词的语义扩充

在讨论文本数据和文本检索特点的基础上,提出了一种运用神经网络进行检索词语义扩充的基本方法,对其中的检索词矢量化问题提出了一种方法,重点阐述在语义扩充中选择LVQ神经网络的原因、LVQ网络的修正学习算法和有关补充说明,最后给出实证证明神经网络方法进行检索词语义扩充的可行性。

隐性知识形成的主体相对性模式识别

知识属于认识领域的范畴,不同的主体在对同一事物不同状态的反映过程中,由于实践能力、认识能力以及价值目标的不同,会形成不同的隐性知识。鉴于此,用神经网络模型对确定的主体在对同一事物不同状态的认识过程中的认识模式进行识别,以确定其在某一时期的认识习惯,把握其知识形成机制,以期对其未来的知识形成进行预测。

基于神经网络的尿样颜色识别方法比对分析

针对颜色色空间转换非线性的复杂关系,在获取标准阈值颜色色度值,进行归一化处理后,利用学习矢量量化(LVQ)神经网络和概率神经网络(PNN)进行尿样颜色识别。比对结果表明:(1)利用神经网络进行分类识别时实验数据的归一化处理是完全必要的。(2)与颜色色差评价方法进行了比对,该方法可行而有效。

中国东南沿海地区大气反常结构遥感初探

对流层大气作为电波传播的主要媒介,其大气剖面参数直接影响无线电系统的作用距离和导航、定位精度,因此,研究大气剖面的微波遥感技术,尤其是大气反常结构,对分析评估无线电信息系统在复杂大气环境条件下工作性能和提供电波折射修正精度等具有重要的应用价值。中国东南沿海地区一直是研究的热点区域,本文选取青岛、射阳、厦门、海口4个站的气象探空仪观测数据,统计了这些地区大气波导的平均高度和厚度,对采用地基多通道微波辐射计的天顶和扫角亮温遥感其参数的算法进行了初步探索,提出了改进的组合神经网络算法来判别并遥感大气波导。同时,使用多年的探空数据对该算法进行了仿真验证,并用青岛气象站的实测数据验证了该算法的精度。结果表明该算法可用于遥感大气反常结构,并且与以往的算法相比更加实用、有效,可为雷达、通信、导航等系统设备提供环境信息保障。