基于改进的ReliefF算法的神经网络集成分类模型

为进一步提高集成学习中各个神经网络的差异性,该文采用了一种改进的特征选择方法-基于概率抽样的ReliefF算法,并将其引入到集成所用的Bagging方法中。实验结果表明,该文提出的基于改进的ReliefF算法的神经网络集成分类模型的泛化能力优于Bagging方法。     

基于免疫聚类的神经网络集成的研究

基于免疫聚类的思想,提出了一种神经网络集成方法。采用轮盘赌选择方法重复地从各免疫聚类中的抽取样本以构成神经网络集成中各个体神经网络的训练样本集,神经网络集成的输出采用相对多数投票法。将基于免疫聚类的神经网络集成应用于中医舌诊诊断,以肝病病证诊断进行仿真。实验结果表明:基于免疫聚类的神经网络集成比基于Bagging算法的神经网络集成能有效地提高其泛化能力。因此,基于免疫聚类的神经网络集成算法的研究是可行的、有效的。     

基于BP神经网络和Bagging算法的入侵检测

提出基于Bagging算法集成BP神经网络的入侵检测方法。采用BP神经网络为分类器,以用户的网络连接行为为特征进行检测,为进一步提高BP神经网络的分类性能,采用Bagging算法对BP神经网络分类器进行加权投票。实验表明,提出的方法具有良好的检测性能。     

基于成对差异性度量的选择性集成方法

有效地产生泛化能力强、差异大的个体学习器,是集成学习算法的关键。为了提高学习器的差异性和精度,文中提出一种基于成对差异性度量的选择性集成方法。同时研究一种改进方法,进一步提高方法的运算速度,且支持并行计算。最后通过使用BP神经网络作为基学习器,在UCI数据集上进行实验,并与Bagging、基于遗传算法的选择性集成(GASEN)算法进行比较。实验结果表明,该改进算法在性能上与GASEN算法相近的前提下,训练速度得到大幅提高。     

基于特征提取的选择性神经网络集成方法

针对现有神经网络集成研究方法在输入属性、集成方式和集成形式上的不足,提出一种基于特征提取的选择性神经网络集成模型-NsNNEIPCABag.该模型通过Bagging算法产生若干训练子集;利用改进的主成分分析(IPCA)提取主成分作为输入来训练个体网络;采用IPCA从所有个体网络中选择出部分线性无关的个体网络;采用神经网络对选择出来的个体网络进行非线性集成.为检验该模型的有效性,将其用于时间序列预测,结果表明本文提出的方法的泛化能力优于流行的其它集成方法.     

基于Bagging算法的水库水沙联合智能调度

水库水沙调度是一项非常复杂的综合性问题,存在大量的非线性关系。传统的调度方法往往难以达到满意的效果。该文提出了一种基于Bagging算法的水库调度方法。用神经网络建立水库调度预测函数,在此基础上,利用Bagging算法构造了基于神经网络的预测函数序列进行预测,预测的平均值用于水库调度。实验结果表明,符合实际情况,且具有明显的经济安全效益。     

Bagging中文文本分类器的改进方法研究

在文本分类研究中,集成学习是一种提高分类器性能的有效方法.Bagging算法是目前流行的一种集成学习算法.针对Bagging算法弱分类器具有相同权重问题,提出一种改进的Bagging算法.该方法通过对弱分类器分类结果进行可信度计算得到投票权重,应用于Attribute Bagging算法设计了一个中文文本自动分类器.采用kNN作为弱分类器基本模型对Sogou实验室提供的新闻集进行分类.实验表明该算法比Attribute Bagging有更好的分类精度.     

Bagging组合的不平衡数据分类方法

提出一种基于Bagging组合的不平衡数据分类方法CombineBagging,采用少数类过抽样算法SMOTE进行数据预处理,在此基础上利用C-SVM、径向基函数神经网络、Random Forests 3种不同的基分类器学习算法,分别对采样后的数据样本进行Bagging集成学习,通过投票规则集成学习结果。实验结果表明,该方法能够提高少数类的分类准确率,有效处理不平衡数据分类问题。     

基于神经网络集成的思维脑电信号分类方法

提出基于神经网络集成算法的思维脑电信号分类方法,采用BP神经网络为分类器,对用AR参数提取的思维脑电特征进行分类。为进一步提高BP神经网络的分类性能,采用Bagging算法对BP神经网络分类器进行加权投票,实验表明,提出的方法具有很好的分类效果。     

基于Bagging算法和遗传BP神经网络的负荷预测

负荷预测是电力规划的基础,传统的神经网络顶测方法存在对初始网络权值设置敏感、收敛的速度慢、容易陷入局部极小值等缺点.文中引入遗传算法先对神经网络的初始值进行优化,再通过神经网络进行学习和训练,得出的结果再经Bagging方法集成,目的是提高其准确率.通过Matlab仿真进行实验,结果表明,基于Bagging算法集成遗传神经网络,能够克服传统BP神经网络的缺点,可较快收敛又不易陷入到局部极值中,具有较强的泛化能力,同时也大大提高了网络的预测精度.     

Development and evaluation of the problem identification picture cards method

In this paper the development and assessment of a new formative evaluation method called the problem identification picture cards (PIPC) method is described. This method enables young children to express both usability and fun problems while playing a computer game. The method combines the traditional thinking-aloud method with picture cards that children can place in a box to indicate that there is a certain type of problem. An experiment to assess this method shows that children may express more problems (verbally, or with a picture card, or with a combination of a picture card and a verbalisation) with the PIPC method than without this method (in which they can only indicate problems verbally). Children in the experiment did not just replace verbalisations by using the provided picture cards and some children preferred to use the PIPC method during the test instead of the standard thinking-aloud method. The PIPC method or some aspects of the method could be a good instrument to increase the amount of information expressed by young children during an evaluation.     

网络机器人控制系统图像摄入的新方法

摄像机—图像采集卡方法是网络机器人控制系统图像摄入的经典方式。然而,这种方法存在着成本偏高、应用不灵活等的弊端。本文基于TWAIN技术规范提出了一种新的独立USB摄像头方法,该方法在VC++环境下实现驱动通用数字图像设备USB摄像头,与经典方法相比,本方法在应用于诸如基于网络的遥操作机器人控制系统中实现了低成本、应用灵活。     

A New Method for Image Input in Internet-based Telerobotic Control System

1 Introduction Network robot, also named Internet- based telerobot , this technology is enjoying wider and wider application in a large variety of fields for its safety in handling, cost- effectiveness and great convenience in operation. It also plays an impetus role in lowering cost and labor in- tensity, raising productivity and accelerating the integra- tion, coordination process in the large- scale modern production. With its significant potential for economic profits, the Internet- based…     

A modified secant Newton method for non-linear problems

The paper describes a Modified Secant Newton method (MSN) which is derived from the variable metric method. The present procedure differs from the Secant Newton method (SN) in that in the MSN method the iterative displacement change involves only a scalar multiple of the usual unaccelerated change. Both the MSN method and the SN method are based on a Secant approach, but the MSN method leads to a reduction in the required number of iterations compared to the SN method. Two numerical examples involving elasto-plastic behaviour are presented.     

基于遗传算法的K均值聚类分析

1 前言聚类分析就是将数据对象分组成为多个类或簇,在同一个簇中的对象之间具有较高的相似度,而不同的簇中的对象差别较大。聚类分析目前应用广泛,已经成为数据挖掘主要的研究领域。通过聚类,人们能够识别密集的和稀疏的区域,从而发现数据的整体分布模式,还能找到数据间的有趣的相互关系。关于聚类分析目前已经有K均值,CURE等很多算法,     

基于逆迭代的增量LLE算法

Locally Linear Embedding（LLE）算法是一种很好的流形学习算法,但是它只能以批处理的方式进行,只要有新的样本加入,就必须重作该算法的全部内容。而原来的运算结果被全部丢弃。提出了一种基于逆迭代的增量LLE算法,实现了流形的增量学习。在Swiss roll和S-curve数据库上的实验表明,该算法与LLE算法所计算出的投影值误差小于0.001%,运行的耗时少,具有很好的应用价值。     

基于PCA特征和融合特征的ECG身份识别方法

ECG作为一种活体生物特征用于身份识别在国际上引起了广泛重视.针对基于解析特征的ECG身份识别方法对特征点检测精度要求较高的缺点,提出一种仅需R波峰值点检测的ECG身份识别方法,该方法通过有针对性的设定相应阈值,将PCA特征和小波融合特征方法相结合.实验结果表明该方法优于PCA特征方法、波形特征方法和小波特征方法,既减少了特征点检测的复杂性和特征点检测不准确带来的误差,又可获得较高的识别率,是一种实时、高效算法.     

可修复系统事后维修可靠性仿真

指出了Markov方法和Monte-Carlo方法在可修复系统可靠性仿真中存在的问题,并提出了一种新的方法,称为RSS方法,从理论上系统地阐述了RSS方法的基本原理及算法过程,并在理论上验证了其正确性.利用RSS方法可以对事后维修可修复元件和系统的可靠性进行仿真.RSS方法不受系统元件寿命分布类型限制,计算量小,仿真时间短,精度高,仿真结果具有确定性,弥补了Markov方法和Monte-Carlo方法的不足,具有实际可靠性工程应用价值.给出了并联和串联可修复系统事后维修可靠性仿真实例.     

离散事件动态系统性能评估的改进标准钟方法

标准钟（SC）方法是求解离散事件动态系统（DEDS）性能评估问题的十分有效的 仿真手段． 文中在SC的基础上提出了一种新的仿真算法——改进标准钟方法（ISC）．ISC 方法是一种和减小方差技术（VRT）中的条件期望法紧密结合的仿真算法，其算法中去掉了S C方法中的核心概念——标准钟．和SC方法相比，ISC方法不但具有更小的计算负担，而且还 具有更好的评估精度．文末给出的各种算例，均验证了ISC方法的有效性．     

Vague集向Fuzzy集转化的一种新方法

提出Vague值向Fuzzy值转化的实用方法的定义。针对文献[6]中的一个Vague值向Fuzzy值转化的均值修正法,提出了加权均值修正法,并证明了这种方法同样是Vague值向Fuzzy转化的一种非常实用的方法。