一种基于遗传规划的数据拟合方法

把数据拟合建模看作是模型结构和参数的优化搜索过程,将遗传规划和最小二乘法结合起来共同实现数据拟合,该方法是先用遗传规划随机生成待拟合函数的结构,再利用最小二乘法确定参数,然后耦合后生成待拟合的函数,实现模型结构和参数的共同识别.数值仿真表明,该方法得到的函数比传统方法得到的函数的拟合精度要高,且计算精度高.     

利用ElGamal算法改进Kerberos协议

针对Kerberos认证协议由对称算法所带来的局限性,国内外已有很多人用以RSA算法为代表的公钥体制对Kerberos协议进行了改进.本文选用ElGamal算法来修正Kerberos协议,一箭双雕,不仅继承了先行者们的研究成果,而且彻底解决Kerberos可能窃听通信双方会话的问题.因此,更具安全性、实用性.     

非线性权函数感知器的一种线性快速学习算法

高阶感知器是神经元状态变量的非线性化，它是一阶感知器的非线性推广，除了神经元状态变量的非线性化推广外，对权向量函数的非线性推广而得到的感知器，文中定义为具有非线性权向量函数的感知器，由于感知器的权重及作用函数都是非性函数，当感知器接近最优点时，其连接权调节幅度很小，采用对非线性权函数及非线性作用函数分别进行Taylor展开，并取其一式近似逼近原函数，从而使其非线性权函数及非线性作用函数都转化为线性函数，简化了感知器学习过程的计算量，加快了感知的学习过程。最后，给出了具有非线性权函数感知器的线性化学习算法。     

基于Rough集的牛顿迭代法求方程近似解算法

Rough集理论作为一种新型的数学工具已广泛应用于各个领域。提出一种基于Rough集的牛顿迭代法求方程近似解算法，该算法将Rough理论中的下近似和上近似与牛顿迭代法有机地结合起来，寻找方程的近似解，其优点在于所求方程的根是一个精确的区间，该区间中任意实数都可作为所求方程的近似解，避免了一般方法求方程的近似解，把求得的近似数作为近似解，算法计算简单，易推广到其它的近似计算中，同时，有助于人们深刻理解Rough集理论本质。     

基于多项式基函数的泛函网络构造方法与逼近理论

用构造性方法证明:对于给定的r阶多项式函数,可以具体地构造出一个三层泛函网络,以任意精度逼近该多项式,所构造的网络的中问神经元个数仅与多项式基函数的阶数r有关,并能用r表达.该文所得结果对于基于多项式基函数的泛函网络逼近任意函数类的网络具体构造和逼近具有理论指导意义.     

基于遗传算法的人工鱼群优化算法

人工鱼群算法(AFSA)是一种高效的群智能全局优化技术.通过对人工鱼群算法(AFSA)不足的研究,在遗传算法的基础上,提出了基于遗传算法的人工鱼群优化算法.该算法保留了人工鱼群算法(AFSA)简单、易实现的特点,同时克服了人工鱼漫无目的的随机游动或在非全局极值点的大量聚集,显著提高了算法的运行效率和求解质量.最后通过大量的函数和实例测试结果表明,与其它算法相比,该算法是可行和有效的,具有运行速度快和求解精度高等特点.     

基于代数神经网络的多元多项式近似因式分解模型及学习算法

文中从首一无平方多项式Ｆ（ｘ,ｙ）有根ｘ＝ψｉ（ｙ）＝（ｉ＝１,２,…ｄｅｇｘ（Ｆ））,其中ψｉ（ｙ）＝Ｃｉ,０＋Ｃｉ,１ｙ＋Ｃｉ,２ｙ＾２＋…,入手,设计了一类二元多项式求根及近似因式分解的神经网络模型,它们分别是双输入单输出４层前向网络与单输入多输出３层前向给出了神经网络学习算法,这种学习算法在ｐ－ａｄｉｃ意义下,通过选定隐层与输出层的待求权值Ｃｉｊ,完成学习,可确定出其不可约因式个数ｒ,通过     

基于进化策略方法求任意函数的数值积分

提出了两种基于进化策略求任意函数数值积分的新方法,其中方法一是基于混合基函数进化策略的数值积分算法;方法二是基于不等距点分割的进化策略数值积分算法.两种算法都采用适用于高维优化问题的单基因突变进化策略,使得该算法不但能计算通常意义下任意函数的定积分,而且能计算奇异函数积分和振荡函数积分.最后给出几个数值积分算例,并与传统数值积分方法作了比较,仿真结果分析表明,两种算法十分有效,能够快速有效地获得任意函数的数值积分值.     

基于ROC曲线的两类分类问题性能评估方法

为了克服传统分类算法指标存在的不足,即分类准确度、精确度和检测概率等指标对类别先验概率不具有稳健性,采用基于雷达接收机工作特性曲线即ROC曲线的评估方法来评估两类分类算法,通过参数法或非参数法建立ROC曲线,使用几率点欧氏距离、曲线下面积、最佳阈值点等指标对两类算法进行性能评估.实验结果表明,相对于传统算法,基于ROC曲线的评估方法的性能得到了很大的提高,在分类器识别算法性能评估中是一种有效的评估方法.     

计算Banach不动点的进化策略算法

针对目前计算Banach不动点的迭代算法存在着收敛性和性能特征在很大程度上依赖于初始点和计算过程因串行运行造成效率低等问题,提出了应用进化策略算法来计算Banach不动点的并行算法,充分发挥了进化策略算法的群体搜索和全局收敛的特性,快速的并行搜索,有效地克服了经典Banach不动点的迭代算法初始点敏感和效率低的问题.数值计算结果表明该算法收敛速度快、精度高、鲁棒性强,为计算Banach不动点提供了一种可行的方法.