广义LVQ神经网络的性能分析及其改进

首先从理论上分析了广义学习矢量量化(GLVQ)网络的GLVQ-F算法的性能, GLVQ-F算法在一定程度上克服了GLVQ算法存在的问题.然而,它对获胜表现型的学习具 有好的性能,对于其它的表现型,性能却十分不稳定,分析了产生这个问题的原因,直接从表 现型的学习率出发,提出了选取学习率的准则,并给出了两种改进的算法.最后,使用IRIS数 据验证了算法的性能,改进算法较之GLVQ-F算法具有明显的稳定性和有效性.     

一种基于改进CP网络与HMM相结合的混合音素识别方法

提出了一种基于改进对偶传播（ＣＰ）神经网络与隐驰尔可夫模型（ＨＭＭ）相结合的混合音素识别方法．这一方法的特点是用一个具有有指导学习矢量量化（ＬＶＱ）和动态节点分配等特性的改进的ＣＰ网络生成离散ＨＭＭ音素识别系统中的码书。因此,用这一方法构造的混合音素识别系统中的码书实际上是一个由有指导ＬＶＱ算法训练的具有很强分类能力的高性能分类器,这就意味着在用ＨＭＭ对语音信号进行建模之前,由码书产生的观测序列中     

Q-learning算法及其在囚徒困境问题中的实现

Ｑ－ｌｅａｒｎｉｎｇ是一种优良的强化学习算法。该文首先阐述了Ｑ－ｌｅａｒｎｉｎｇ的基本学习机制,然后以囚徒困境问题为背景,分析、对比Ｔ Ｑ－ｌｅａｒｎｉｎｇ算法与ＴＦＴ算法,验证了 Ｑ－ｌｅａｒｎｉｎｇ算法的优良特性。     

一种新的动态关联规则及其挖掘算法

在分析原有定义不足的基础上,提出一种新的动态关联规则,其支持度向量和置信度向量与经典定义相吻合,能更好地反映规则随时间变化的动态信息．进一步提出两种新的动态关联规则挖掘算法：ＩＴＳ和ＥＦＰｇｒｏｗｔｈ．其中：两阶段ＩＴＳ算法具有较好的可理解性;基于扩展ＦＰ树的ＥＦＰｇｒｏｗｔｈ算法适宜于高密度海量数据的挖掘．实验结果表明,该算法具有较好的挖掘性能和可扩展性,适用于动态关联规则的有效挖掘．     

基于模糊矢量量化图象编码的研究

分析了模糊矢量量化（ＦＶＱ）图象编码的原理，给出了ＦＶＱ设计三要素。提出了用于图象编码的指数型模糊矢量量化算法（ＦＶＱＥ）。实验结果表明，ＦＶＱＥ的图象编码性能与ＦＶＱ相当，但收敛速度要略快于ＦＶＱ算法。     

一个能分析干扰自由手写体数字识别的相连专家系统模型

本文论述了一个能分析干扰自由手写数字识别的神经网络和专家系统模型。它的基本识别器是一个神经系统网络,能解决大部分问题,但在一定的干扰影响下会失败。专家系统是第二个识别器,由神经网络分析产生的干扰。神经网络分类器由改进的自组织图形（ＭＳＯＭ）和矢量化学习（ＬＶＱ）组成。实验在自组织图形上进行,并应用了ＭＳＯＭ、ＳＯＭ＆ＬＶＱ以及ＭＳＯＭ＆ＬＶＱ技术。实验表明,采用自由手写体数据库的样本,按照这些两层     

基于自组织特征映射神经网络的矢量量化

近年来,许多学者已经成功地将Ｋｏｈｏｎｅｎ的自组织特征映射（ＳＯＦＭ）神经网络应用于矢量量化（ＶＱ）图象压缩编码,相对于传统的ＫＬＢＧ算法,基于的ＳＯＦＭ算法的两个主要缺点是计算量大和生成的码书性能较差因此为了改善码书性能,对基本的ＳＯＦＭ算法的权值调整方法作了一些改进,同时为了降低计算量,又在决定获得胜神经元的过程中,采用快速搜索算法,在将改进的算法用于矢量量化码书设计后,并把生成的码书用于图象     

面向对象数据库多粒度锁调度算法的研究

本文首先简要介绍面向对象数据库的多粒度锁,然后针对传统的单队列锁调度算法（ＳＱＳ）,设计了双旬调度算法（ＤＱＳ）和相容优先调度算法（ＣＲＦ）,在建立了一个模拟模型后,对本文提出的锁调度算法进行性能模拟,模拟实验证明了相容优先调先调度算法比ＳＱＳ和ＤＱＳ都要优越,模拟实验同时研究了切换周期,锁请求的服务率和延迟等待队列的最大长度对ＤＱＳ算法性能的影响,最后研究了硬件资源个数对ＣＲＦＤ算法的影响。     

解非线性最小二乘的并行连续极小化算法及其数值试验

解非线性最小二乘的并行连续极小化算法及其数值试验李庆扬，朱鹏（清华大学）ＡＰＡＲＡＬＬＥＬＣＯＮＴＩＮＵＯＵＳＭＩＮＩＭＩＺＡＴＩＯＮＡＬＧＯＲＩＴＨＭＦＯＲＳＯＬＶＩＮＧＮＯＮＬＩＮＥＡＲＬＥＡＳＴ－ＳＱＵＡＲＥＳＰＲＯＢＬＥＭＳＡＮＤＮＵＭＥＲＩ...     

求解具有间断系数的SH波方程的分步差分方法

求解具有间断系数的ＳＨ波方程的分步差分方法何柏荣（南开大学）冯德益，聂永安（天津市地震局）ＴＨＥＦＲＡＣＴＩＯＮＡＬＳＴＥＰＤＩＦＦＥＲＥＮＣＥＭＥＴＨＯＤＳＦＯＲＳＯＬＶＩＮＧＴＨＥＳＨＷＡＶＥＥＱＵＡＴＩＯＮＷＩＴＨＤＩＳＣＯＮＴＩＮＵＯＵＳＣＯ...     

广义LVQ神经网络的性能分析及其改进1)

In this paper, the performance of GLVQ-F algorithm of GLVQ network is theoretically analyzed. The GLVQF algorithm, to some extent, has overcome the shortcomings that GLVQ algorithm possesses. But, there are some problems in GLVQF algorithm, for example, the algorithm has good performance on the winning prototype, and on other prototypes, its performance is very unstable. In this paper, the reasons of the problem are discussed. The rules of choosing the learning rates are proposed, and two modified algorithms are developed therefrom. Finally, the performance of the modified algorithms is verified with IRIS data, which shows the modified algorithms are more stable and effective than GLVQF algorithm.     

遗传LVQ聚类算法

Kohonen提出了学习矢量量化(LVQ)聚类算法及网络对聚类分析产生了深刻的影响,但LVQ存在神经元未被充分利用以及算法对初值敏感的问题。通过对LVQ聚类算法进行分析,根据基因算法的特点,论文提出一种结合基因算法与LVQ聚类算法的改进方法。实验结果证明改进的算法较LVQ聚类算法对初值具有明显的稳定性和有效性。     

修正的广义学习向量量化算法

讨论了Pal等的广义学习量化算法(GLVQ)和Karayiannis等的模糊学习量化算法(FGLVQ)的优缺点，提出了修正广义学习量化(RGLVQ)算法。该算法的迭代系数有很好的上下界，解决了GLVQ的“Scale”问题，又不像FGLVQ算法对初始学习率敏感。用IRIS数据集对算法进行了测试，并应用所给算法进行了用于图像压缩的量化码书设计。该文算法与FGLVQ类算法性能相当，但少了大量浮点除法，实验过程表明节约训练时间约l0％。     

MLVQ网络聚类算法

讨论了关于改进LVQ聚类网络的理论与算法.为克服LVQ网络聚类算法对初值敏 感的问题广义学习矢量量化(GLVQ)网络算法对LVQ算法进行了改进,但GLVQ算法性能不 稳定.GLVQ-F是对GLVQ网络算法的修改,但GLVQ-F算法仍存在对初值的敏感问题.分 析了GLVQ-F网络算法对初值敏感的原因以及算法不稳定的理论缺陷,改进了算法理论并给 出了一种新的改进的网络算法(MLVQ).实验结果表明新的算法解决了原有算法所存在的问 题,而且性能稳定.     

基于改进型GLVQ算法的车型分类研究

学习向量量化（LVQ）和泛化学习向量量化（GLVQ）算法都是采用欧氏距离作为相似性度量函数, 忽视了向量各维属性的数据取值范围,从而不能区分各维属性在分类中的不同作用。针对该问题,使用一种面向特征取值范围的向量相似性度量函数,对GLVQ进行改进,提出了GLVQ-FR算法。使用视频车型分类数据进行改进型GLVQ和LVQ2.1、GLVQ、GRLVQ、GMLVQ等算法的对比实验,结果表明：GLVQ-FR算法在车型分类中具有较高的分类准确性、运算速度和真实生产环境中的可用性。     

一种改进的LMS/F组合算法及其在同址干扰抵消中的应用

在研究最小均方算法LMS(Least Mean Squre)、最小四阶算法LMF(Least Mean Fourth)和LMS/F组合算法的基础上,引入修正因子γ对LMS/F组合算法进行改进。改进的LMS/F组合算法在保持LMS/F组合算法优良的收敛精度和稳定性的基础上,进一步提高了收敛速度和对时变系统的跟踪特性。改进的算法参数调整简单、高效且运算量小,仿真结果与理论分析相一致,证实了该算法的优异性能。     

An analysis of the GLVQ algorithm

Generalized learning vector quantization (GLVQ) has been proposed in as a generalization of the simple competitive learning (SCL) algorithm. The main argument of GLVQ proposal is its superior insensitivity to the initial values of the weights (code vectors). In this paper we show that the distinctive characteristics of the definition of GLVQ disappear outside a small domain of applications. GLVQ becomes identical to SCL when either the number of code vectors grows or the size of the input space is large. Besides that, the behavior of GLVQ is inconsistent for problems defined on very small scale input spaces. The adaptation rules fluctuate between performing descent and ascent searches on the gradient of the distortion function.     

一种基于HT系数预测的遥感图像多分辨融合方法

信息融合的概念自70年代形成后,由于其强调应用对象结果的信息优化,在许多方面比传统的信息处理方法有更大的优势,在遥感领域得到了广泛的应用。本文在分析前人算法的基础上,揭示了高斯拉普拉斯金字塔（GLP）结构融合方法与传统的哈达玛变换（HT）之间的内在联系,提出了一种基于HT系数预测的多分辨融合方法。通过实验表明,这一算法对于光谱差异较大的遥感图像的融合,在几何分辨率改善的同时可获得较好的光谱保真度。     

熵约束广义学习矢量量化神经网络和软竞争学习算法

结合广义学习矢量量化神经网络的思想和信息论中的极大熵原理,提出了一种熵约束 广义学习矢量量化神经网络,利用梯度下降法导出其学习算法,该算法是软竞争格式的一种推 广.由于亏损因子和尺度函数被定义为同一个模糊隶属度函数,它可以有效地克服广义学习矢 量量化网络的模糊算法存在的问题.文中还给出熵约束广义学习矢量量化网络及其软竞争学习 算法的许多重要性质,以此为依据,讨论拉格朗日乘子的选取规则.