一类神经网络数据预处理的二种方法的比较

介绍了主元分析法和粗集理论对原始数据进行压缩处理的基本算法。对一组边坡工程数据,分别利用主元分析法和粗集理论对数据预处理后,送给BP神经网络对边坡状态进行逼近。对检验样本进行仿真比较,说明了粗集理论在此种分类神经网络数据预处理上优于主元分析法。     

一种基于粗糙集的新的数据预处理算法

数据预处理在数据挖掘项目中有着举足轻重的作用,是数据挖掘整个过程的关键步骤之一。论文根据粗糙集概率模型应用于数据挖掘的特点,提出了一种用于数据预处理的基于信息归纳的概率粗糙集算法SRII;实验证明,SRII结合算法C4.5应用于数据挖掘具有良好的效率与显著改进的挖掘结果。     

一种新的神经网络逼近函数算法

针对地震数据等大数据多属性集处理一直是科学研究的重点和难点,本文提出一种多参数的单调性函数的拟合方法。利用主成分分析法来进行简化处理,从而获得较少的属性集合,并在此基础上,提出一种新的数据预处理方法,以较好地解决数据单调性所带来的归一化误差,并构造一个与之相匹配的神经网络模型,用它的学习算法来训练网络,从而实现函数拟合。最后通过仿真验证了该方法的有效性。     

一种基于粗糙等价类的商业数据预处理方法

从信息论的角度分析目前属性约简算法的研究成果,并指出它们关于冗余处理显得不够完善;然后利用条件属性间相对独立性特点,划分出等价类,并以此为基础提出一种基于粗糙等价类的属性约简算法.最后对顾客评价表中部分数据进行了实例分析,以此表明该算法能够在保留原始有用数据的基础上有效减少冗余,减小误差,得到良好的效果.     

电子鼻对干酪识别的数据预处理和特征提取

根据干酪的挥发性风味特点，选择了日本费加罗（Figaro）TGS8系列气敏传感器，针对电子鼻的数据特点，采用快速傅里叶变换方法去除传感器响应值的噪声，定位样本反应起始点，预处理后的电子鼻数据中提出有效特征，使维数降低；进行主成分分析，主成分分析所得结果维数更低，并且保留了较多的有用信息；利用Fisher判别式和BP神经网络建立分类器，可以很好地区分光明、三元、多美鲜、百吉福、Anchor五种干酪。     

一种神经网络逆系统软仪表的数据预处理方法

为了解决神经网络逆系统软仪表对噪声敏感的问题，本文提出了一种数据预处理方法。该方法先采用两步判断法对数据进行一次处理，再用滑动平均滤波方法对数据进行二次处理，有效地滤除了噪声信号，比较精确地复现了原始信号。对红霉素发酵过程中的pH值过程变量进行了实验，结果表明了该算法的有效性和可行性。     

智能建模方法中的数据预处理

本文对智能系统建模中的数据预处理问题进行了研究，指明了这一工作的重要性．结合一个 系统建模的例子阐明了在智能建模方法中进行辅助变量初选、数据采集、数据处理与校正、 输入数据集降维等各种数据预处理工作的思路与方法，为系统模型的准确建立提供了保证．     

一种改进的基于PCA的数据预处理方法

大数据处理项目中,数据预处理工作量要占资源消耗的60%左右,而数据规约是影响大型数据集预处理效果的主要瓶颈。主成分分析(PCA)是目前使用最广泛的数据维规约算法。使用PCA方法时要关注生成的协方差矩阵质量和特征值的选取数量。改进的PCA算法将均值计算转变为加权规范平均值计算完成中心化数据,通过Rayleigh商和Cattell碎石检验原则选择更合理的特征值数目。算法验证实验结果表明,在数据准确、完整的首要要求下,改进后的PCA算法得到的主成分能解释超过90%的原变量,但可能会牺牲部分维规约效率。     

数据预处理的数据缩减方法的研究

在数据挖掘之前对待挖掘数据进行一些选择与准备的预处理工作,可以对数据挖掘的过程和结果产生直接影响。其中数据缩减技术最大限度地精简数据量,提高数据挖掘的执行速度与效率。论述一些典型的数据缩减方法,说明典型方法的应用情况,分析典型方法的使用特点,通过对训练集数据的应用对数据缩减方法进行研究。     

三种数据降维方法的分析比较

数据降维主要是为了解决维数灾害问题。该论文主要分析了三种数据降维方法,并对算法优缺点进行了分析和比较。     

Neural Network for Data Preprocessing in Computed Tomography

Automation and Remote Control - We propose a lightweight noise-canceling filtering neural network that implements the filtering stage in the algorithm for tomographic reconstruction of convolution...     

解决一类博弈问题的神经网络系统

从博弈问题的固有属性出发，探讨了解决博弈问题的新途径，并阐述了如何建造解决一类博弈问题的神经网络系统。所建的对养实验系统运行效果良好，这表明用神经网络来解决博弈问题有着广阔的前景。     

Two Neural Network Construction Methods

Two low complexity methods for neural network construction, that are applicable to various neural network models, are introduced and evaluated for high order perceptrons. The methods are based on a Boolean approximation of real-valued data. This approximation is used to construct an initial neural network topology which is subsequently trained on the original (real-valued) data. The methods are evaluated for their effectiveness in reducing the network size and increasing the network's generalization capabilities in comparison to fully connected high order perceptrons.     

浅谈基于短波信道的数字通信网

本文介绍了短波信道的特点,提出了传递轮询和TDMA两种通信协议,并分析了这两种协议的工作原理、帧的类型结构、特点。     

Comparison of Stochastic Global Optimization Methods to Estimate Neural Network Weights

Training a neural network is a difficult optimization problem because of numerous local minima. Many global search algorithms have been used to train neural networks. However, local search algorithms are more efficient with computational resources, and therefore numerous random restarts with a local algorithm may be more effective than a global algorithm. This study uses Monte-Carlo simulations to determine the efficiency of a local search algorithm relative to nine stochastic global algorithms when using a neural network on function approximation problems. The computational requirements of the global algorithms are several times higher than the local algorithm and there is little gain in using the global algorithms to train neural networks. Since the global algorithms only marginally outperform the local algorithm in obtaining a lower local minimum and they require more computational resources, the results in this study indicate that with respect to the specific algorithms and function approximation problems studied, there is little evidence to show that a global algorithm should be used over a more traditional local optimization routine for training neural networks. Further, neural networks should not be estimated from a single set of starting values whether a global or local optimization method is used.     

基于神经网络的几种新的数据压缩方案

本文首先采用非统计的方法给出了基于神经网络的无损数据压缩新方案。基于神经网络的无损数据压缩新方案的特点是无损的、能压缩一些已用熵编码压缩过的数据，且在一些情况下压缩比接近2．58。然后把该新方案嵌入Huffman编码系统，获改进的无损数据压缩方法，提高了Huffmn编码系统的压缩比。最后把基于神经网络的无损数据压缩新方案嵌入一小波图像压缩系统得基于小波与神经网络的图像压缩方案，部分解决了小波图像压缩系统中‘高压缩比’与‘高保真’不能协调统一的矛盾。     

改进的卷积神经网络在行人检测中的应用

针对当前行人检测方法计算量大,行人特征提取复杂,检测结果易受复杂背景影响等问题,提出一种改进的卷积神经网络(convolutional neural network,CNN)模型。该模型在传统CNN基础上加入选择性注意层,模拟人眼的选择性注意功能,过滤复杂背景,突出行人特征。分别采用LBP(local binary pattern)纹理处理和梯度处理对选择性注意层进行训练,对比训练结果得到最优模型。分别在INRIA、NICTA和Daimler行人数据集上进行实验,结果表明,该模型在行人检测中准确率明显优于传统CNN、HOG+SVM、Haar+SVM、PCA+SVM,在INRIA、NICTA和Daimler行人数据集上的准确率分别达到了96.14%、96.64%和99.78%。     

检测低层网络攻击的方法

常规的操作系统因缺乏充足的审计数据使基于主机的入侵检测系统无法检测到低层网络攻击,而基于网络的入侵检测系统因只依靠网上数据流而不能检测到所有攻击。文中分析了几种低层ＩＰ攻击,在此基础上提出在操作系统的审计记录中添加部分审计数据,使基于主机的入侵检测系统能检测到低层网络攻击。