排序方式: 共有3条查询结果,搜索用时 15 毫秒
1
1.
采用神经网络的CA模型对古建筑物理性质变化进行预测.应用X光探测采集的古建筑木质构件的灰度图,使古建筑木质构件的灰度图中的每个像素点与神经网络的CA模型中的每个元胞一一对应,运用CA模型中"灰度"的概念通过神经网络的训练学习计算出每个元胞的灰度值的变化,从而得出古建筑木质构件随时间推移而受损的情况.通过实例得到了经过预测后木质材料随时间推移而受损情况的图片. 相似文献
2.
Dempster-Shafer(D-S)证据理论在不确定性信息处理相关领域具有十分重要的地位,然而对冲突证据进行Dempster规则组合时,常常会出现反直观结果的问题.本文提出了一种新的对证据组合结果质量评价的量化标准,该标准由证据集可信度与组合结果聚焦度构成,并在该标准的基础上提出了一种对证据进行多次试探折扣的修正方法,每次试探折扣由证据的不从属度来构造,实现了证据集可信度与组合结果聚焦度的共同提高,获得最佳聚焦结果,并且还可以通过设置优化目标,灵活控制证据集可信度,获得高质量证据组合结果,以满足各种类型决策的需要.实验结果和相关分析表明,本文方法是合理有效的. 相似文献
3.
1