佳点集遗传算法

该文借助于遗传算法的理想浓度模型以及由此模型对遗传算法的机理的分析 ,给出了遗传算法的运行机理及特点 ,即遗传算法是一个具有定向制导的随机搜索技术 ,其定向制导的原则是 :导向以高适应度模式为祖先的“家族”方向 .以此结论为基础 ,利用数论中的佳点集的理论和方法 ,对 GA算法中的交叉操作进行了重新设计 ,给出了一个新的 GA算法 ,称之为佳点集遗传算法 .最后作者将佳点 GA算法应用于求解优化问题、SAT问题、TSP问题和背包问题 ,并与其它求解 SAT算法进行比较 .通过模拟比较 ,可以看出新的算法不但提高了算法的速度和精度 ,而且避免了其它方法常有的早期收敛的现象 .这说明作者对 GA算法机理的理解和佳点 GA算法可能为 GA算法的研究开辟一条新的途径 .

基于交叉覆盖算法的入侵检测

文章提出了一种应用人工神经网络进行入侵检测分类器设计的新方法,即采用多层前向网络的交叉覆盖算法进行入侵检测分类器的设计。该算法克服了传统BP算法的收敛速度慢,易陷入局部最小点的问题。实验结果表明,该分类器用于入侵检测,效果良好,学习速度快,分类准确率高,为实现入侵检测分类器提供了一条准确高效的途径。

松散的脑袋——群体智能的数学模型

本文从生物进化的角度,将群体中的每只昆虫看成一个神经元,彼此之间通过随机、松散的(软)的连接组成一个神经网络;然后,类似于人工神经网络模拟人类大脑,用"松散"的神经网络来模拟昆虫的群体行为。即建立一个松散的大脑——群体智能的随机结构的神经网络模型。最后,根据所建立的数学模型,分别对"蚂蚁筑巢"和"蜜蜂筑巢"行为进行计算机仿真模拟,以表明上述模型的合理性。

基于商空间理论的生物序列比较模型

主要采用商空间理论,对生物信息学中序列比较若干问题加以改进,引入归一化距离度量和模糊等价关系,从粒度角度说明生物序列比较本质。

支持向量机理论与基于规划的神经网络学习算法

近年来支持向量机 (SVM)理论得到国外学者高度的重视 ,普遍认为这是神经网络学习的新研究方向 ,近来也开始得到国内学者的注意 .该文将研究 SVM理论与神经网络的规划算法的关系 ,首先指出 ,Vapnik的基于SVM的算法与该文作者 1994年提出的神经网络的基于规划的算法是等价的 ,即在样本集是线性可分的情况下 ,二者求到的均是最大边缘 (maxim al m argin)解 .不同的是 ,前者 (通常用拉格郎日乘子法 )求解的复杂性将随规模呈指数增长 ,而后者的复杂性是规模的多项式函数 .其次 ,作者将规划算法化为求一点到某一凸集上的投影 ,利用这个几何的直观 ,给出一个构造性的迭代求解算法——“单纯形迭代算法”.新算法有很强的几何直观性 ,这个直观性将加深对神经网络 (线性可分情况下 )学习的理解 ,并由此导出一个样本集是线性可分的充分必要条件 .另外 ,新算法对知识扩充问题 ,给出一个非常方便的增量学习算法 .最后指出 ,“将一些必须满足的条件 ,化成问题的约束条件 ,将网络的某一性能 ,作为目标函数 ,将网络的学习问题化为某种规划问题来求解”的原则 ,将是研究神经网络学习问题的一个十分有效的办法 .

基于Rough集的交叉覆盖算法设计

This paer gives an artificial network(RCSN)combining rough set theory and covering design algorithm,which reduces condition attribute using rough set theory and designs the structure of neural network with covering de-sign algorithm. An instance shows this kind of network has the advantages of fast computation and high accuracy ;themethod also can cut down the occupying of memory and the cost of data collecting.

基于构造型反馈神经网络聚类算法

文章改进了自反馈FP聚类算法,并将该聚类算法应用于中国的证券市场。对应用的结果进行分析,说明了自反馈FP聚类算法作为聚类分析器在证券研究的应用中具有实用价值,以及在对证券市场深入研究中具有较好的应用前景。

数据挖掘技术在保险客户信用评估的应用

目前,数据挖掘技术广泛应用于各个领域中。文中将数据挖掘应用于保险客户在信用等级的分类中,即采用了基于神经网络的覆盖算法作为客户信用评分分类器的设计算法。通过对保险数据的分析,对保险用户信用等级进行分类,降低了人为因素的评价干扰。通过分类实验表明,覆盖算法的准确性和网络训练速度都大大高于SVM。为保险公司有针对性的调查提供了一定的参考依据。

前向神经网络交叉覆盖算法的一种改进

对前向神经网络交叉覆盖算法进行了分析,在此基础上提出了一种改进的交叉覆盖神经网络模型,并给出其算法。实例表明这种改进算法不但可以进一步提高交叉覆盖算法的训练速度,而且可以减少拒识样本数,提高识别的精度,对样本分布较稀疏的模式识别问题具有较强的实用价值。

基于核函数的构造型网络二分覆盖算法

该文首先介绍了构造型神经网络中的覆盖算法的特点和性质,以及与支持向量机(SVM)中的核函数法的关系。然后,根据这些性质将两者有机结合起来,提出了一种处理多类问题分类的基于核函数的二分覆盖分类算法(Kf-BCC)。仿真结果表明,这种方法可以达到很好的效果,也为多类问题的分类提供了一种有效途径。

一种改进的领域覆盖算法及其应用

阐述了目前国内外通信信号快速搜索的现状和不足,分析了领域覆盖算法,进而改善覆盖阈值,定义球形领域距离函数,构造前馈神经网络。改进后不仅提高了搜索速度,而且降低了拒识率。给出了算法实现和实验实例,结果表明改进方法是有效实用的。