森林类型遥感识别人工自组织神经树模型初探

运用森林类型遥感目视识别的７０个样本，训练人工自组织神经树模型，然后对１０个“未知”样本进行预测。结果表明，该模型的识别、容错能力较强，综合了遥感图像专家目视判读与计算机自动识别的优点，使判读过程更加精确和简练，而且省工、省时、省经费。

应用自组织神经树模型进行森林立地分类研究

利用航空遥感图像获取森林立地因子信息，在ＧＩＳ支持下，以研究区内６９２个地块单元为对象，用自组织神经树模型进行森林立地分类研究，结果表明，该方法分类速度快、精度高、容错能力强，有极好的应用前景。

柔性神经树模型的结构优化算法的改进

利用柔性神经树模型的改进结构优化算法对流程工业生产过程的参数进行筛选,在精确度最高的前提下在最短的时间内找到影响生产过程的重要参数,为流程工业生产过程控制提供理论依据。在柔性神经树模型的学习过程中,本算法的进化代数不是一个固定值,而是以误差率来控制进化代数,试验证明这种算法使模型最优,效率和精确度最高。柔性神经树模型的结构和参数优化分别由概率增强式程序进化和模拟退火算法完成。本文以水泥生产中重要生产过程之一的分解炉的生产过程为研究对象。研究结果表明本文提出的改进方法是非常有效的。

多种地震信息预测油气的自组织神经树模型

本文提出油气预测的自组织神经树模型，并选取一组标样作为研究对象，预测成功率达１００％，结果表明，该方法性能良好，可望成为利用地震信息预测油气的一种有效辅助手段。

自组织神经树模型在地震综合预报中的应用

将自组织神经树模型应用于地震综合预报，并以滇西南地震区的地震资料为例进行了实际判别计算，预测的成功率达１００％。结果表明，自组织神经树方法性能良好，可望成为一种有效的地震预报方法。

遥感土地覆盖类型识别的自组织神经树模型

本文提出遥感土地类型识别的自组织神经树模型，并选取一组标样作为研究对象。在所选例子中预测效率较高，结果表明，该方法性能良好，可望成为遥感土地覆盖类型识别的有效手段。

基于柔性神经树模型的股票市场风险预测

利用柔性神经树模型的改进结构优化算法对影响股票市场的过程参数进行筛选,在精确度较高的前提下在比较短的时间内找到影响股票市场风险的重要参数。在柔性神经树模型的学习过程中,该算法的进化代数不是一个固定值,而是以误差率来控制进化代数,试验证明此算法使模型最优,效率和精确度非常高。柔性神经树模型的结构和参数优化分别由概率增强式程序进化和模拟退火算法完成。研究结果表明该改进方法对预测股票市场风险是非常有效的。

自组织神经树用于金属间化合物三元填隙D88结构形成条件的判别

本文将自组织神经树应用于金属间化合物三元填隙Ｄ８８结构形成条件的判别上，对６５种化合物的研究结果表明，神经树方法性能良好，可能成为化合物结构分析的有效辅助手段。

用自组织神经树进行含矿预测

本文运用自组织神经树模型,处理矿产资源统计预测问题,得出与数量化理论Ⅱ处理极为相似的结果。

用自组织神经树研究黄土孔隙性分类判别

粘性土微孔隙的定量研究是个薄弱环节,目前国内外均处于探索阶段。由于没有行之有效的大量获取多项指标的定量研究手段,粘性土微孔隙研究多年来一直难以突破定性研究状态,只是在近几年来有人将压汞法移植到测定黄土的孔隙大小分布上来,才跨进了定量研究粘性土微孔隙的领域。

运用自组织神经树作降水量预报

本文运用自组织神经树作降水量预报，选取一组标样作为研究对象，预报成功率达１００％．结果表明，该方法性能良好，可望成为降水量预报的有效辅助手段。

自组织神经树在定量药物设计中的应用

本文将自组织神经树应用于定量药物设计,所选研究实例中,识别成功率达100％,结果表明,该方法性能良好,可望成为定量药物设计的有效辅助手段。

一种基于多神经树集成的分类模型

针对数据挖掘领域分类问题的特点,提出了基于多神经树集成的分类模型(CMBNTE).该模型利用改进遗传规划算法和粒子群算法,实现单个神经树模型的优化;借鉴集成学习思想,将多个神经树模型组合成最终的分类模型.在6个UCI数据集上的实验结果表明,该模型能较好地解决分类问题,尤其适用于多分类属性的复杂分类问题.

一种新的神经树网络模型优化方法

神经树网络模型已成功应用于解决各类复杂的非线性问题,并且神经树网络模型的优化过程一般是先拓扑结构优化再参数优化,这种无参数信息的结构优化策略的缺点是干扰适应度的评价.鉴于此,提出一种改进的遗传规划(BGP)算法来综合神经树网络模型的两个优化过程.在两个时间序列预测问题上的仿真实验结果表明,所提出算法是一种有潜力且具备较好效能的方法.

基于柔性神经树的智能变电站过程层网络流量预测

从智能变电站过程层网络流量监测系统的需求出发,提出了一种基于柔性神经树模型的智能变电站过程层网络流量预测解决方案.柔性神经树模型利用遗传规划开发与优化,其参数由粒子群优化算法做优化.首先初始化随机的柔性神经树结构和相应的参数,不断地学习优化柔性神经树结构,完成树结构的优化之后,再对参数进行优化.最终通过反复循环获得满足要求的柔性神经树.实验结果表明,柔性神经树模型能有效地预测过程层网络流量,再现真实的流量测量的统计特性;其预测精度较高,误差集中在0附近.预测结果可以有效地监控网络流量状况,保障电网安全运行.