基于人工鱼群算法的动态模糊聚类

针对传统的模糊C-均值(FCM)聚类算法的聚类有效性对空间样本分布的依赖性等缺点,提出了一种新的基于人工鱼群算法的动态模糊聚类。通过引入模糊等价矩阵来表示高维样本之间的相似程度,并将高维样本映射到二维平面。然后利用人工鱼群算法不断优化二维样本的坐标值,使样本之间的欧氏距离向样本间的模糊等价矩阵趋近,最终实现模糊聚类。该方法克服了聚类有效性对高维样本空间分布的依赖性并同时提高了效率。仿真实验结果证明了该算法是有效的,具有聚类速度快、精度高等特点。     

人工鱼群算法在求解非线性方程组中的应用*

针对传统非线性方程组解法对初始值敏感、收敛性差、精度低等问题,提出了一种用于人工鱼群算法求解非线性方程组的进化算法.该算法求解精度高、收敛速度快.数值仿真结果表明,该算法对求解非线性方程组非常有效,既克服了传统方法对初值敏感和收敛性差,又解决了非线性方程组多解的求解难点等问题,为非线性方程组提供了一种进化求解的方法.     

基于粗糙集团的神经网络函数逼近理论

首先给出了神经网络函数在粗糙集意义下的下、上近似函数，从函数逼近的观点出发分析，得出对任一神经网络函数在粗糙集意义下，都可根据学习样本点维数找到两个关联的离散函数来逼近它，并且证明了在粗糙集意义下逼近的过程是可行的。该结论有助于理解粗糙集函数与神经网络函数之间的联系，为今后进一步研究在粗糙集意义下神经网网络函数整体逼近理论及学习算法的描述奠定了基础。     

基于稀疏差异度的聚类方法在信息分类中的应用

针对文本信息聚类中的高属性维稀疏数据聚类问题,采用计算对象间稀疏特征差异度来度量文本对象之间的相关度,结合最小生成树的方法来进行聚类分析,提出一种基于稀疏特征差异度的聚类方法。通过实例表明,该算法对于多关键字匹配的文本信息分类十分有效,并可根据关键字的重要程度进行加权计算,使聚类更加符合实际情况。该算法将在高维稀疏数据挖掘中有着重要应用。     

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。     

电火花表面强化技术及其应用

电火花表面强化技术是一种具有独特优势的材料表面技术,其在机械零件表面改性和表面修复等方面具有广阔的应用前景。介绍了电火花表面强化技术的基本原理和工艺特点,阐述了电火花表面强化技术的发展概况,分析了该技术在机械零部件修复、模具强化等方面的实际工程应用,指出了该技术今后的研究方向和发展趋势。