基于SFAM神经网络集成的土地评价

SFAM(Simplified Fuzzy ARTMAP,简化的模糊ARTMAP)神经网络具有自组织反馈、增量式学习和高度复杂映射等特点,是一种较BP神经网络和RBF神经网络等前馈神经网络更优秀的自组织神经网络。为克服SFAM神经网络受输入样本顺序的影响,提高土地评价的精度,提出利用SFAM神经网络集成进行土地评价的方法。并用SFAM神经网络、SFAM神经网络集成、BP神经网络、BP神经网络集成、RBF神经网络和RBF神经网络集成等方法对广东省中山市的土地进行了评价,对评价结果进行了分析和比较,结果表明SFAM神经网络具有比BP神经网络和RBF神经网络更优越的评价性能;对于这三种不同的神经网络,神经网络集成的土壤评价精度分别高于单个神经网络的精度。

基于SFAM网络的机械零件不变性模式识别

本文对机械零件进行图像采集,计算零件的正交Fourier-Mellin矩,采用SFAM网络和ART2网络分别对三种差别较小的机械零件进行识别试验。结果表明,SFAM网络克服了ART2网络抗噪性和分类性能的矛盾,比ART2网络具有更高的识别精度。

基于改进SFAM多分类器的SLFS逼真度评估

持续载荷飞行模拟器(SLFS),是飞行模拟器从"无持续载荷模拟功能"到"有持续载荷模拟功能"的技术跃升,能够实现逼真的模拟实战飞行训练。因为有了持续载荷模拟功能,人体感知模拟环节提升到核心地位,逼真度评估方法必须与之相适应。利用数据挖掘中分类算法对模拟器的开环逼真度和闭环逼真度按不同权重进行层次评估。简化自适应谐振神经网络(SFAM)具有优良的分类性能和更快的收敛速度,但也存在当输入模式类属间差距较大时分类出错以及分类稳定性的缺陷。为了改善网络性能,采用自适应警戒参数的方法对网络进行优化;采用多SFAM分类器集成复合的方法克服分类缺陷。经试验,改进的多SFAM分类器在对影响持续载荷模拟飞行逼真度的各种因素分类过程中表现了较高的分类精度,是一种有效的适应持续载荷飞行模拟器的逼真度评估方法。

基于保局投影和SFAM网络的装备故障智能诊断

现代武器装备的高度复杂性,装备故障信息具有高度的非线性,这给装备技术保障带来新的挑战。针对这一问题,该文采用保局投影流行学习方法作为装备故障信号的特征提取器,将故障信号一类信息通过显式映射矩阵投影到低维空间,获得关于故障的特征信息;在此基础之上,利用特征信息训练SFAM网络形成一个故障诊断分类器,定位故障源及性质。仿真实验表明,该文提出的故障诊断技术方案对较高维数的故障信息具备较高的故障识别率及鲁棒性。

基于模糊自适应共振网络简化模型方法的乳腺肿瘤基因分类

以乳腺肿瘤的基因微阵列实验所产生的基因微阵列表达数据为研究对象,针对大规模基因表达模式分析的特点,提出基于模糊自适应共振网络简化模型的基因表达数据分类方法,并在此基础上实现了BRCA1变异和BRCA2变异的乳腺肿瘤分类.利用Hedenfalk的基因微阵列数据,对BRCA1变异和BRCA2变异作分类计算,计算结果达到78%以上的正确率.

改进的遗传谐振匹配网络学习算法

针对简单自适应匹配(SFAM)网络结构冗余的问题提出一种改进遗传谐振匹配网络学习算法.通过引入群体适应度均值和标准差来自适应调整交叉概率和变异概率;针对自适应谐振网络自身在训练过程中可能出现的类冗余问题,在遗传操作中引入裁剪算子,通过定义置信度因子依据规则对训练过程中网络可能出现的冗余类标志节点进行删除,降低网络结构的冗余度.与SFAM,ssFAM,ssGAM和ssEAM的网络对比实验结果表明:改进后的网络学习算法能明显提高网络分类精度,降低网络冗余度.

吸附式储存液体燃料技术初探

利用吸油材料将液体燃料进行吸附储存是一种全新的储存方式,该储存方式与传统空腔储存液体的方式相比,在储存的安全性和可靠性上具有明显的优势。论文初次提出吸附式储存液体燃料技术(简称SFAM)的概念,并详细分析了SFAM技术下的吸放油性能、抑爆性能及环境适应性能的要求与实现机理,同时结合SFAM技术的使用特点和应用背景,对聚丙稀吸油棉、天然植物纤维、吸油树脂和聚氨酯泡沫等四类吸附材料进行了综合分析比较。