基于双警戒参数模糊自适应谐振网络的数据流聚类

基于一般自适应谐振网络(ART)的聚类受限于其内部的明确表示。通过在单个网络中加入更严格(数据压缩)和更宽松(聚类相似度)的两个警戒参数,扩展模糊ART(Fuzzy ART)的能力,研究一种新的无监督神经网络用于流数据稳定在线聚类,即双警戒参数模糊自适应谐振网络(DVFA),DVFA提高捕获任意形状聚簇的能力,且在数据流聚类方面的性能超过模糊自适应谐振网络。

大规模数据聚类中模糊自适应谐振理论的研究与应用

大规模社交媒体数据的复杂性要求将聚类技术扩展到大规模数据,使其能够在很少的经验设置下自动识别数据聚簇。文章研究和讨论了模糊自适应谐振理论(Fuzzy Adaptive Resonance Theory)算法,其具有线性计算复杂性,仅使用一个单一参数,且对参数设置具有鲁棒性,可以产生更好的聚类结果。真实数据集上的实验结果表明,该算法在大规模数据聚类中取得了可比较的性能和更快的速度,而且也不需要预先定义聚簇个数。

一种新的自适应谐振算法

本文提出了一个综合多种神经网络理论的学习算法ＦＴＡＲＴ（ｆｉｅｌｄｔｈｅｏｒｙ—ｂａｓｅｄａｄａｐｔｉｖｅｒｅｓｏｎａｎｃｅｔｈｅｏｒｙ），它将ＡＲＴ（ａｄａｐｔｉｖｅｒｅｓｏｎａｎｃｅｔｈｅｏｒｙ）算法、ＦｉｅｌｄＴｈｅｏｒｙ和ＡＲＴＭＡＰ等算法的优点有机结合，并以样本在实例空间出现的概率为启发信息修改分类．ＦＴＡＲＴ由于采用了不同于其它算法的冲突解决和动态扩大分类区域的方法，因此取得了较好的效果．本文还对实现ＦＴＡＲＴ算法的结果进行了验证．

基于自适应谐振调节器的变速恒频风力发电双馈驱动研究

在常规矢量控制策略中,通常采用空间矢量PWM技术获得较高的电压利用率。但双馈发电机多运行在同步转速±30％范围内,这使双馈电机调速时的转子电势通常比电网电压低,因此转子侧变流器适合采用正弦波PWM(SPWM)控制。对此,提出一种基于自适应谐振调节器的双馈电机矢量控制策略。该控制策略采用SPWM控制,实现了相对于转子静止(电频率)的abc坐标系中转子电流的无静差控制,且具有常规矢量控制策略中有功功率和无功功率解耦控制的特点。另外,对自适应谐振调节器参数设计及其DSP实现进行了讨论。仿真与试验验证了控制策略的正确性。

基于域理论的自适应谐振神经网络分类器

提出了一种基于域理论的自适应谐振神经网络模型 FTART2 ( field theory based adaptive resonancetheory 2 ) .该模型结合了自适应谐振理论和域理论的优点 ,学习速度快 ,归纳能力强 ,效率高 ,可以根据输入样本自适应地调整拓扑结构 ,克服了前馈型网络需要人为设置隐层神经元的缺点 .基准测试表明 ,FTART2在学习精度和速度上都远远优于标准

ARTNIDS:基于自适应谐振理论的网络入侵检测系统

分析了现有的入侵检测方法,设计了基于自适应谐振理论的网络入侵检测系统(ARTNIDS).它采用了一种全新的行为表示方法,即根据网络数据包结构定义网络行为特征变量;利用改进的自适应谐振理论算法,提高了学习效率,使丢包率由15%左右降低到10%以下,实现了无监督和在线实时学习;提出的类似Hamming距离的检测算法,使误报率低于10%.依上述方法构造的原型系统经实验证明能高效地检测出局域网内的入侵行为.

自适应谐振理论综述

1.引言神经网络的竞争学习模型在70年代早期由Malsburg和Grossberg提出,此后得到了很大的发展。这种学习是指网络中的某一组神经元相互竞争对外界刺激模式响应的权力,竞争获胜的神经元的连接权发生某种变化,使得它在下一次对该刺激模式进行竞争时更为有利。一般来说,由竞争学习模型学习得到的分类很难保持稳定,即使连续地为网络提供有限个保持不变的模式序列,某一个特定的获胜分类仍然可能不断地发生变化。为了稳定学习过程。

基于自适应谐振理论的武器目标分配快速决策算法

针对武器目标分配(WTA)的求解实时性问题,建立基于火力集合划分的WTA数学模型,并提出一种基于模糊自适应谐振理论的邻域搜索(FART-NS)快速决策算法。利用模糊自适应谐振理论的快速泛化能力提高算法实时性,引入虚拟节点提升邻域搜索算法在WTA解空间的寻优能力,形成快速泛化-邻域优化-在线学习的闭环机制,使FART-NS算法对训练集精度和采样密度具有较强的鲁棒性。仿真结果表明,该算法在时间复杂度上优于BBA、改进GA等主流算法,能较好平衡WTA问题的求解实时性和收敛性。

基于域理论的自适应谐振神经网络研究

在自适应谐振理论和域理论的基础上提出了一种基于域理论的自适应谐振神经网络算法FTART .该算法将自适应谐振理论和域理论的优点有机结合 ,采用了独特的解决样本间冲突和动态扩大分类区域的方法 ,不需人为设置隐层神经元 ,学习速度快 ,精度高 此外 ,还提出了一种从FTART网络中抽取符号规则的方法 ,即基于统计的产生 -测试法 ,实验结果表明 ,使用该方法抽取出的符号规则可理解性好、预测精度高 。

基于域理论的自适应谐振神经网络研究

提出了一种基于域理论的自适应谐振神经网络算法 FTART,有机结合了自适应谐振理论和域理论的优势 ,以一种独特的方式解决了示例间冲突和分类区域的动态扩展 ,不仅不需要手工设置隐层神经元 ,可以还获得了较快的训练速度和较高的预测精度 .同时还提出了一种可以从训练好的 FTART网络中抽取可理解性好、精度高的符号规则的方法 ,即基于统计的产生测试法 .实验结果表明 。

一种基于自适应谐振理论的TM遥感影像神经网络分类器

提出了一种基于自适应谐振理论建立起来的自组织模糊ARTMAP神经网络分类器。分析了ART神经网络的结构和工作原理,给出模糊ARTMAP神经网络分类的具体算法,并将其运用到TM遥感影像分类的实验中。结果表明模糊ARTMAP神经网络分类器的速度快,精度高,比常用的BP网络具有更好的性能。

基于自适应谐振理论的特征频率提取与融合

借鉴自适应谐振理论的一些处理思想,提出了一种特征频率提取、融合和增强算法。通过对频谱向量进行多次归一化处理,并插入非线性阈值函数来抑制小幅度噪声频率,同时用适当的正反馈使特征频率进一步增强,且不同频谱之间的融合也被嵌入到其中,形成一种闭环迭代运算。对空调电机3种振动噪声频谱的处理结果表明,该算法有效抑制了原始频谱中的随机干扰频率,对频谱中有用的成分进行了较大幅度的增强。对于每一种振动噪声,该算法都从多个频谱中准确地获取了一个清晰可靠的特征频谱,效果优于平均谱。

基于模糊自适应谐振网的多源遥感图像融合方法

介绍模糊自适应谐振网在多源遥感图像融合的应用。详细分析模糊自适应谐振网聚类算法的步骤和特点,并比较模糊自适应谐振网和一般模糊极小-极大网的差异。实验证明模糊自适应谐振网的自适应稳定性佳,其聚类速度优于一般模糊极小-极大网,而一般模糊极小-极大网聚类精度较好,对训练区域的依赖性较强。

基于自适应谐振理论的Web文档聚类集成方法

提出了基于自适应谐振理论的Web文档聚类集成方法.该方法先用蚁群算法对Web文档进行聚类,再用ART神经网络对聚类结果集成.实验结果表明,集成后的聚类综合质量高于集成前的聚类综合质量.

拓扑自适应谐振理论在数据聚类中的应用

将自适应谐振理论(Adaptive Resonance Theory)与拓扑学习神经网络相结合,研究了一种新的无监督神经网络用于非平稳数据稳定在线聚类。并引入自组织增量神经网络(Self-Organising Incremental Neural Network),同时学习两种反映不同层次细节的表现方法。此网络即对噪声低敏感,又适合于解决实际问题的应用。

基于模糊自适应谐振理论的彩色目标跟踪系统

提出了一种在变光照条件下进行彩色图像分割和目标跟踪的方法 .通过在色度、饱和度、亮度HSI(hue ,satura tion ,illumination)空间自组织非监督地进行颜色聚类 ,使用增加、削减和融合聚类的方法 ,寻找适当的聚类数量 ,使目标跟踪更加精确 .该方法基于模糊自适应谐振理论 (fuzzyadaptiveresonancetheory ,FuzzyART) ,具有在线升级目标颜色模型的能力 ,可以克服环境光线变化所带来的影响 .在复杂背景和变光照条件下的目标跟踪实验结果证实了该方法的有效性 .

用自适应谐振网络进行图像纹理的分类与识别

分析了自适应谐振（ＡＲＴ２）神经网络模型的模式分类能力，并利用该网络来进行图像纹理的分类和识别，对６类自然景物的纹理图片分类和识别的结果验证了方法的有效性，对心脏超声图片的分类也取得一些初步成果．

基于自适应谐振网络的矢量量化研究

简介矢量量化技术,描述了码书设计和码字搜索的原理。分析了自适应谐振网络相对于一般竞争网络的优点,即自适应谐振网络克服了一般竞争网络的"稳定性/可塑性困境"问题。文章归纳了自适应谐振神经网络的一般结构和学习算法。提出了基于自适应谐振神经网络的码书设计算法,并确定了相关的网络参数。基于自适应谐振神经网络的码书设计比一般竞争网络具有更好的效果。

基于自适应谐振理论的油气圈闭聚类评价

为了在圈闭的控制因素与油气藏之间建立一种有效的模型,使得能够可靠的评价油气圈闭,从而有效的拟定预探井井位,本文提出了基于自适应谐振理论的油气圈闭聚类评价方法,并在油气圈闭研究区进行了圈闭分类评价试验。结果表明:该方法能有效的对油气圈闭的含油气性进行分类评价,在解决油气圈闭评价方面具有智能性,高效性,准确性,客观性。

基于反步自适应准谐振控制的双馈风机次同步振荡抑制策略

随着电力系统容量和规模的不断扩大,常采取串补电容的方式提升输电线路的输电能力,但这加剧了电力系统中出现次同步振荡(SSO)的风险。SSO的产生会影响双馈感应发电机(DFIG)转子侧变流器(RSC)的控制,进而引起定子电流的振荡发散,严重时将会导致风机解列脱网。因此,为解决SSO对RSC控制产生扰动的问题,该文提出了基于自适应准谐振控制的RSC反步次同步振荡抑制策略。首先对SSO在RSC控制系统中的传播路径及其频率变化对控制的影响等内容展开研究;然后通过反步控制器与自适应准谐振控制器的协同控制,对DFIG定子中宽频带SSO电流进行抑制,避免发电系统输出受到SSO的影响;最后通过搭建仿真模型与实验平台,验证所提理论与控制策略的有效性。该文分别对在10 Hz、20 Hz、30 Hz及频率变化时SSO影响下的DFIG定子振荡电流抑制效果进行验证。实验结果表明,所提策略对DFIG系统中宽频带SSO具有良好的抑制效果。