一种多分辨率组合的模糊神经网络分类器

提出一种多分辨率组合的分类器 (MRCC)模型和相应的学习算法 ,发展了Simpson的模糊最小最大神经网络 (FMM)方法 .它克服了原始模型的几个缺点 :训练结果不依赖于训练样本出现的次序 ,超盒扩张不受一个固定的最大尺度限制 .和原始模型的超盒相比较 ,新模型的超盒中引入了一个参数表示超盒对于训练样本的分类正确率 ,称为超盒置信度 .新的学习算法假设样本在一定尺度下均匀分布 ,从而能够在线调整超盒置信度参数 .新的学习算法采用多分辨率组合的方法 ,消除了原始算法中选择超盒最大尺度限制参数的困难 .实验表明 ,MRCC模型与原始FMM模型相比 ,分类性能更好 ,学习算法的自适应能力更强 ,建立的模糊超盒数更少 ,并行处理能力更强 .

一种基于超盒表示的规则提取方法

提出一种从训练样本提取基于超盒表示的模糊规则的方法,用于模式分类.这种方法把模式空间划分成模糊超盒,作为模糊规则的前件,规则的后件是相应的类别名称,同时给出每一条模糊规则的置信度.模糊分类规则从训练样本通过学习算法提取.规则提取方法可以分为,对于单个训练模式进行规则前件和后件的局部在线学习,和对于全部训练模式进行循环学习.实验显示规则提取的过程,说明通过这种方法能够获得有效的模式分类规则.

基于DNA编码和超混沌系统的图像加密算法

针对DNA编码规则单一和混沌加密算法对密钥的灵敏度低等问题,提出一种基于DNA编码和超混沌系统的图像加密方案。该算法首先使用SHA-3算法计算明文图像的哈希值,用于超混沌系统的初始值,增加明文敏感性;其次将图像转换为DNA序列,并与所构建的S盒子进行DNA序列运算;最后用超混沌系统产生的序列对图像进行置乱。结果和理论分析表明,该算法不仅提高了密钥敏感性和传输数据的安全性,而且具有较好的抗穷举攻击、统计攻击和差分攻击能力。

基于数值SEA算法的反潜C^3I系统效能分析

在分析了反潜C3I效能指标的基础上,采用数值SEA逼近算法求解反潜C3I使命轨迹和系统效能度量,建立了反潜C3I的SEA效能分析模型,并给出了系统效能指标灵敏度与关联度分析模型。

一般模糊极大-极小神经网络的研究与应用

分析一般模糊极大-极小神经网络的基本原理,阐述模糊计算方法在分类中的准确性和高效性。将一般模糊极大-极小神经网络应用于企业资信评估中,实现模糊区间的输入,缩小企业评估指标定量化中的误差范围。资信评估结果表明,该算法能快速、有效地对企业进行分类,为资信评估提供了解决方案。

面向超参数估计的贝叶斯优化方法综述

对绝大部分机器学习模型而言,超参数选择对模型的最终效果起到了至关重要的作用,所以超参数的选择与估计是机器学习理论与实践中的重要问题。从超参数空间中的点到模型泛化性能的映射可以看作一个具有高评估代价的复杂黑箱函数,一般的最优化方法难以适用。贝叶斯优化是一种非常有效的全局优化算法,适合求解具有解析式不明确、非凸、评估成本高等特点的优化问题,只需较少的目标函数评估就可以获得理想解。总结了贝叶斯优化在超参数估计问题上的基本理论和方法,综述了近年来该方向的研究热点和最新进展,包括代理模型、采集函数、算法实施等方面的研究,总结了现有的研究中尚待解决的问题,期望帮助初学者快速了解贝叶斯优化算法并理解典型的算法思想,为其之后的研究起到一定的指导作用。

基于ABAQUS研究影响空滤壳体模态的材料特性

进气系统噪声是汽车的主要噪声源之一,它直接影响着车内噪声和通过噪声,从而影响着驾乘人员的驾乘感受和能否满足通过噪声的法规要求。空气滤清器作为进气系统的关键零部件之一,它不仅仅起到保护发动机的能力,还具备着降低进气系统噪声的能力。空滤的壳体模态直接影响着进气系统的辐射噪声,提高空滤的壳体模态,可以降低噪声,也可以避免空滤壳体的损坏,而影响空滤模态的因素主要为材料的杨氏模量、泊松比和密度,而三个因素是如何影响空滤的模态就需要通过仿真分析进行验证。文章通过Hyper mesh和ABAQUS软件进行空滤壳体模态联合仿真分析,验证各个因素对其的影响。