基于模糊预处理的聚类神经网络模型设计

在传统的ART网络及BP网络基础上分别作了改进，有机地结合了两种网络的优越性，并对输入数据进行模糊预处理，从而构建了新的比较健壮的网络模型，并具体给出了网络的模型结构及工作原理．该网络的特点是：检测故障的类别数可以增加，能累计增加新的样本类节点，且能分阶段训练，对故障的分类效果好．     

利用局部拓扑信息发现模糊社团结构

根据网络节点的局部拓扑信息,给出了节点与社团的相似度度量方法,提出了一种新的发现网络模糊社团结构的粒子群算法。该算法在迭代过程中依据节点对不同社团的相似度来不断调整粒子的位置向量,减少了搜索的盲目性,提高了搜索效率。对不同规模的计算机生成网络和真实网络进行测试,实验结果表明,该方法能有效、快速的给出网络的模糊社团结构。     

基于模糊ART神经网络的变压器局部放电模式识别

对变压器主要放电类型的3种局部放电典型电极模型进行试验,通过分析计算提取局部放电信号特征量,建立相应的局部放电信号特征库,以此作为模糊ART网络的输入,对局部放电的类型进行模式识别,并将识别结果与BP网络的识别结果进行对比。实验结果表明,模糊ART网络用于变压器局部放电模式识别是有效的。     

径向基网络的模糊逻辑运算性质

对径向基网络的功能进行了研究,并对该网络的神经计算功能与模糊逻辑运算进行了对比分析,得出了以下结论：径向基网络具有模糊逻辑运算的性质,从某种意义讲,径向基网络是一种神经元模糊系统．论文给出了径向基网络求解“蝴蝶”模糊聚类问题的示例,验了理论分析的结果．     

基于CSA无监督模糊聚类算法的异常检测方法

为解决模糊k 均值算法对初始化敏感及易陷入局部极值的不足,提出了基于克隆选择算法(CSA)的无监督模糊聚类异常入侵检测方法. 应用结合了具有进化搜索、全局搜索、随 机搜索和局部搜索特点的克隆算子快速得到了全局最优聚类,并应用模糊检测算法检测网络中的异常行为模式. 该方法的优点是不需要人工对训练集分类,并且可以检测出未知的攻击. 仿真试验表明,该方法不但能检测出未知的攻击,而且具有较低的误报率和较高的检测率.     

General Fuzzy Min-Max神经网络的改进与应用

针对General Fuzzy Min—Max(GFMM)神经网络不能自适应学习新类的缺陷，提出了一种基于该网络的无师训练改进算法。它一方面继承原GFMM网可以处理模糊输入量的优点．重构了网络中的模糊隶属度函数：另一方面结合ART2神经网络无师学习的特点．引入了网络警戒门限和运行状态切换控制。改进后的GFMM神经网络完全具备了自适应调整和无师学习的能力．并展现出了良好的并行处理性能。自动目标识别中的应用结果表明：该网络具有广泛的实用性     

模糊SOM网络在油气预测中的应用

把模糊集合论中隶属度的概念引入SOM网络的学习过程中,用“走着瞧”的分类策略代替“一步定终身”的作法,较好地克服了SOM网络中模式类别分界线难以确定以及网络权值局部振荡而引起的学习时间延长的缺陷．该算法中隶属度由文献[1]中模糊ISODATA算法确定,本文将SOM与模糊ISODATA的这种结合称为模糊SOM网络,即FSOM．将其应用于实际的油气预测中,取得了良好的应用效果．     

基于模糊层次分析法的异构系统网络选择算法

利用模糊层次分析法对无线局域网（WLAN）和通用移动通信系统（UMTS）组成的集成网络中面临的网络选择问题进行了研究，提出了一种结合层次分析法和模糊综合评价法的网络选择新算法。通过对影响集成系统网络选择因素进行分析，建立了网络选择决策模型，计算出了各因素的权重；通过对模糊综合评价模型的分析，提出了计算相对隶属度的方法。由各因素相对隶属度和权重计算总隶属度，并据此选择最优网络。仿真结果验证了该算法的正确性与有效性。     

基于模糊神经网络的CDMA网络故障诊断方法

为解决常规故障诊断算法难以对CDMA网络故障建模的难题，提出了基于模糊神经网络的CDMA网络故障诊断模型. 该模型的输出层和输入层神经元的个数分别由CDMA网络故障类型和故障诊断所需要的输入量决定. 然后再利用故障诊断专家知识库中的故障诊断样本，对诊断模型进行训练，确定网络的连接权值和模糊隶属度函数. 仿真实验结果验证了该故障诊断模型的有效性.     

模糊综合评价法在网络课程评价中的应用研究

针对网络课程的特点,建立了网络课程模糊综合评价的典型模型,从课程设计、交互设计、导航策略、界面设计、学习活动等方面阐述了评价过程中的模糊因素,建立了网络课程的评价指标体系,给出了隶属函数及权重的确定方法,并对示例网络课程进行了模糊评价,范例表明:该模型有效、可行,为网络课程定量化考核方法的设计提供了依据.     

小波网络与模糊网络的一种融合策略

介绍了一种将模糊神经网络理论与小波神经网络技术相结合的计算方法,即小波模糊网络(waveletfuzzy net,WFN)。在充分认识小波神经网络(wavelet neural net,WNN)重要作用的基础上,将高木-管野模糊模型引入小波网络,在不增加小波基函数的前提下提高了网络逼近函数的精度。该计算方法在机器人等领域有广泛的应用价值。     

模糊Petri网的约简技术

该文作为Petri网系统的推广,模糊Petri网可以更有效地处理带有模糊信息的库所和变迁。首先通过库所变迁串联、变迁并联及库所并联等模式下的简化规则,约简模糊Petri网系统而不改变其动态行为。接着,给出按上述规则简化一个模糊Petri网故障诊断算例。     

基于Fuzzy Petri网专家系统的研究

提出采用ＦｕｚｚｙＰｅｔｒｉ网作为知识表示和推理机制的模型,发挥其较好的模型描述和能处理并行推理的特点,基于ＦｕｚｚｙＰｅｔｒｉ网构造了一个耦合结构的专家数据库系统（ＥＤＢＳ）,提高了推理的效率及其准确性,同时具有并发控制,数据组织,共享,存取和查询等数据库管理系统的功能,并使用投资决策实例对模型进行了解释和验证。     

基于DWT的二次特征提取脱机中文签名鉴定

提出了一种基于投影特征和离散小波变换（DWT）的脱机中文签名鉴定的新方案.该方案利用小波分解的高频系数具有较好时间分辨率的特点,对调整后的投影特征矢量选用各层高频系数进行单支重构提取二次特征,此二次特征在增强了签名者的个人特性的同时也增加了签名特征隶属于真签名的不确定性,由此引入模糊网络来表征这种不确定性进行鉴定.实验中对中文签名数据库取得了大约11%的平均错误率,较现有文献的实验结果减少了大约6%.     

闭环模糊Petri网系统

该文提出了一种新型的模糊Petri网—闭环模糊Petri网系统,它形成了一个闭环动态系统,开拓了原有模糊Petri网的应用领域,能更好地应用于经济系统等相互联系、相互影响、相互制约的系统中。首先给出模糊Petri网的定义及其运行规则,并引入了一个灵敏度向量,来刻画各个库所对外界刺激的反应程度,然后用代数矩阵运算来对该模糊Petri网的动态运行过程进行形式化描述,同时可以得到系统运行过程的全部状态值,最后给出实例进一步进行解释说明。     

基于DWT的二次特征提取脱机中文签名鉴定

提出了一种基于投影特征和离散小波变换（DWT）的脱机中文签名鉴定的新方案.该方案利用小波分解的高频系数具有较好时间分辨率的特点，对调整后的投影特征矢量选用各层高频系数进行单支重构提取二次特征，此二次特征在增强了签名者的个人特性的同时也增加了签名特征隶属于真签名的不确定性，由此引入模糊网络来表征这种不确定性进行鉴定.实验中对中文签名数据库取得了大约11%的平均错误率，较现有文献的实验结果减少了大约6%.     

基于模糊神经网络的直接转矩控制变频器的实现

介绍了直接转矩控制变频器的模糊神经网络的实现，并针对系统在U－I磁链模型中只要估计出定子电阻R就可以解决系统低速时受定子电阻影响的问题，设计了模糊神经网络状态选择器而且针对直接转矩控制中，异步电动机定子电阻值以系统低速性能的严重影响，还设计了一个模糊神经网络定子电阻观测器，经仿真实验表明控制性能有很在提高。     

利用神经网络辨识系统模糊关系模型

利用模糊标准模型库和可能性测度的概念讨论了BP神经网络接受模糊信息的一般方法,并用这种方法实现了系统模糊关系模型的辨识和调整。通过对一个加热过程的实际试验表明,该方法可以有效地将定量的和定性的知识存储在神经网络中,并且以模糊关系方程的形式适当表达出来。     

模糊Petri网模型的反向推理算法

提出了一种建立在模糊Petri网的基本结构上的反向推理算法．通过建立模糊Petri网模型的关联矩阵、库所向量和变迁向量，运用矩阵运算的基本方法实现．通过该算法的运行，可以在模糊Petri网模型中抽取出一个子模型，从而把一个大的、复杂的系统转化为一个只与问题相关的小的系统来处理．采用数学运算的方法实现的反向推理算法简单，具有通用性，它适用于各种类型的模糊Petri网结构．对于其它的大系统生成子系统的问题，这种矩阵运算的方法也可以借鉴．同时对该算法中的矩阵运算和模型中的图形结构之间的关系进行了分析，讨论了算法的复杂性．     

基于模糊神经网络的移动操作机路径规划方法

针对复杂工作环境下移动操作机路径规划中存在不确定性环境信息、建模困难、分析计算复杂的问题，采用基于遗传模糊神经网络混合智能控制方法，可实现快速的路径规划，并已应用于半已知环境中的可移动操作机的路径规划，该控制器具有较高的学习速度和良好的收敛性。