结合概率型神经网络(PNN)和学习矢量量化(LVQ)算法的文本分类方法

针对文本自动分类问题,提出一种基于概率型神经网络(PNN)和学习矢量量化(LVQ)相结合的文本分类算法,该方法借助TFIDF方法提取文本特征及特征值,形成文本分类特征向量,利用概率型神经网络构建分类模型,并利用LVQ学习算法对神经网络模型竞争层网络进行学习,使相应模式向量相互靠拢,远离其他模式,从而实现文本分类.实验结果表明,提出的该方法在文本分类中表现了很好的效果,不仅具有很好的分类准确率,还表现出很好的学习效率.

基于EM算法的有监督LVQ神经网络及其应用

针对监督LVQ神经网络存在神经元未被充分利用以及输入样本和竞争单元之间的信息被浪费等问题。通过将EM算法引入到LVQ神经网络中,提出了基于EM聚类算法的有监督LVQ神经网络(即EMLVQ网络),从而弥补了LVQ神经网络的不足且具有EM算法提取样本信息精确的优点。通过参数的简化可以得到EMLVQ算法是软竞争格式(SCS)的一种推广。最后将它们应用于说话人辨识。实验表明,EMLVQ神经网络辨识说话人取得了很好的效果。

基于LVQ神经网络的改进覆盖算法

覆盖算法是一种具有高分类准确度和强泛化能力的构造性神经网络分类算法。针对其选择覆盖中心的随意性,结合竞争性神经网络方法对覆盖算法进行改进,在覆盖学习之前进行预学习,选择最佳覆盖球形中心,来优化覆盖。通过标准UCI测试数据实验的比较,从分类的准确性和覆盖个数方面进行对比,得到改进的覆盖算法有很好的效果。

广义LVQ神经网络的性能分析及其改进

首先从理论上分析了广义学习矢量量化（ＧＬＶＱ）网络的ＧＬＶＱＦ算法的性能，ＧＬＶＱＦ算法在一定程度上克服了ＧＬＶＱ 算法存在的问题．然而，它对获胜表现型的学习具有好的性能，对于其它的表现型，性能却十分不稳定．分析了产生这个问题的原因，直接从表现型的学习率出发，提出了选取学习率的准则，并给出了两种改进的算法．最后，使用ＩＲＩＳ数据验证了算法的性能，改进算法较之ＧＬＶＱＦ算法具有明显的稳定性和有效性．

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。

基于LVQ-CPSO-BP算法的煤体瓦斯渗透率预测方法研究

针对BP神经网络算法对煤体瓦斯渗透率预测精度低问题,筛选出影响预测精度的5个主要因素——1个宏观因素(煤层埋深)和4个微观因素(有效应力、温度、瓦斯压力、抗压强度),提出一种基于学习向量量化神经网络(LVQ)分类、混沌粒子群算法(CPSO)优化、BP神经网络预测的LVQ-CPSO-BP煤体瓦斯渗透率预测方法。从宏观上确定临界值将煤层埋深划分为2层;基于有效应力与瓦斯渗透率之间存在拐点关系,从微观上确定拐点值将有效应力划分为2段;采用LVQ将4个微观样本参数依据拐点特征进行分类识别,采用BP神经网络进行学习训练并输出预测结果,并用CPSO对BP神经网络的权值和阈值进行优化;基于样本案例对本文构建的LVQ-CPSO-BP算法进行预测结果验证,并与BP算法、GA-BP算法及PSO-BP算法预测的结果进行对比分析。结果表明:LVQ分类正确识别率较高,CPSO-BP算法预测精度较好,且优于其他3种算法。LVQ-CPSO-BP算法总体预测值与实测值吻合度高,尤其当有效应力减小时,预测精度更高。

基于工况识别的PHEB能量管理策略研究

为提高插电式混合动力客车(plug-in hybrid electric bus,PHEB)的燃油经济性,文章提出了一种基于工况识别的PHEB能量管理策略。首先运用主成分分析(principal component analysis,PCA)和模糊C均值聚类法构建代表性城市工况;然后基于学习向量量化(learning vector quantization,LVQ)神经网络进行工况识别,并根据改进动态规划(dynamic programming,DP)算法提炼出全局最优能量分配规则,对能量管理策略进行优化;最后基于AMESim和Simulink建立PHEB整车和能量管理策略仿真模型,并在构建的合肥市代表性城市工况下进行仿真分析。仿真结果表明,该文提出的能量管理策略比电量消耗-电量维持(CD-CS)能量管理策略的燃油经济性提高了5.2%。

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。