用于模式识别的ART-2神经网络算法的改进

针对模式识别中模式有序输出的要求 ,对ART 2神经网络的算法进行了改进和调整 ,提出了ART 2神经网络的改进算法 .通过对改进算法与原算法的识别试验结果进行比较 。

新型ART-2A算法及其在BIT故障诊断中的应用

在故障诊断过程中由于样本获取困难 ,无监督分类方法日益得到重视。自适应共振理论 (ART)是一种典型的、无监督的、能够对复杂输入模式实现自组织识别的神经网络。作者发现标准 ART- 2算法存在预处理信号畸变问题、同相位不可分问题 ,由此提出了新的 F1 层非线性变换函数、F2 层竞争学习算法和输入预处理方法。该新型ART- 2 / 2 A算法的输入域由原来的非负实数域扩大到整个实数域 ,并且能够正确区分标准 ART- 2 / 2 A算法不可区分的同相位数据。本文以大型船舶动力装置 BIT系统运行状态中的故障模式为对象进行实验验证 ,结果表明新型ART- 2 / 2 A算法能自适应地对 BIT系统未知故障模式进行分类识别 ,分类准确。

基于ART-2人工神经网络的煤矿安全风险评价

旨在为煤矿安全风险预控管理提供一种适用的风险评价模型或方法。研究过程中,介绍了人工神经网络自适应共振理论的ART-2算法;在安全系统工程理论及相关研究基础上,结合调研分析建立了风险评价指标体系;选取山西9家煤矿作为研究样本进行实证研究。该算法仿真识别结果与煤矿实际安全风险情况一致性程度达到77.78%,表明针对煤矿安全风险预控管理过程中的安全风险评价,ART-2神经网络具有较好的适用性。

基于聚类算法的恶意网站智能检测系统

随着网络科技的日益发展,人们在享受互联网成果的同时,也遭受其负面产物如变化多样的恶意网站所带来的困扰。网址作为一般网站的唯一入口,检测并阻止其威胁行为已成为避免信息安全风险的重要控制措施。同时对未知网站的检测成为一种研究趋势。该系统主要功能是对恶意网站内容的智能检测,识别未知的网页是否异常。主要技术特点如下:1)采用了基于机器学习中的ART-2聚类算法,具有无监督地自学习特点,做到了实时更新检测。2)系统在学习新的网站时,不会破坏已存储的知识节点,实现对知识库的快速扩充。3)在数据预处理过程中加入了MMSEG分词算法,实现对中文文本的快速分词,提高了获取网页特征的准确性。后台通过网页内容获取、对html的标签内容做提取、MMSEG分词、特征降维并赋权重、ART-2聚类计算等五大功能,实现用户的请求。