基于模糊模式识别的城市道路交通状态检测算法

本文使用速度、占有率、信号交叉口平均每车停车延误3个交通参数进行多因素模糊模式识别评判交通状态。通过在深圳市某主干道上的实际验证表明,对城市道路交通状态评定的多因素模糊识别检测算法在能保证一定检测率情况下,具有较低的误报率和较少的检测时间,表明此方法在实际应用中是切实可行的。     

模糊自动机在电磁波识别中的应用

研制了一个模糊处理和神经网络相结合的自动机,使用模糊技术从未处理的电磁信号波纹图像中处理模糊几何特征属性,进行波纹分类与识别。当使用模糊自动机(FA)进行识别紊乱波纹时,这些模糊几何特征是最好的。而对这些模糊几何特征的辨识,使用FA是很好的。     

基于RBF神经网络的人脸识别方法

计算机模式识别是视觉领域中的研究热点之一,是指用生物特征比如人脸信息来识别和辨认某个人类个体.提出了一种基于RBF神经网络的人脸识别方法：采用主成分分析技术把样本维数降低,同时利用模糊聚类算法进行粗分,然后用ORL标准人脸数据库进行实验.实验结果表明,该方法大幅度提高了人脸识别的效果.     

二型模糊系统在音频信号分类中的应用

针对数字音频信号分类问题提出了基于二型模糊集合理论的C均值聚类算法,并在此基础上应用跳跃基因遗传算法对聚类得到的初始模糊模型进行优化,最后采用向量相似性测度准则对优化后的模糊规则集合进行简化,得到最终的模糊分类器模型。与传统的一型模糊集合相比,二型模糊集合可以掌控更多的不确定性信息。基于二型模糊集合理论的C均值聚类算法对样本分布不均匀、结构不规则的样本集的聚类效果更精确。实例仿真结果对比显示,应用二型模糊C均值聚类算法的音频信号分类器比应用一型模糊C均值聚类算法的分类器得到的分类结果更准确。     

基于模糊聚类的电梯物料分类采购研究

为了降低电梯企业生产成本,提高其产品竞争力,对电梯采购策略进行研究。本文首先分析电梯物料的特点,借鉴、筛选近十年来物料分类的指标,以经济性、供应市场复杂性以及业务影响性三个维度建立物料分类指标体系。然后引入模糊聚类方法对电梯物料进行分类,并将分类结果与Kraljic矩阵相结合,给出相应的采购策略。最后,通过实例表明,模糊聚类方法可以按多个特征因素对品种数量庞大的电梯物料进行分类,为电梯企业高效采购提供借鉴。     

基于小波变换和模糊模式识别的超声无损检测

本文研究了小波变换和模糊模式识别在薄板粘接质量超声检测中的应用.首先介绍了有关复合粘接材料的超声无损检测方法,然后使用小波变换对超声检测信号进行分析,提取出与粘接质量有关的三个特征值;根据超声检测回波信号特征值具有模糊性这一特点,提出了以隶属度为核心、以最大隶属度原则为判断标准的模糊模式识别算法.实验证明,该特征提取和模式识别算法对于粘接质量定量识别的准确度比较高.     

阜新工业行业财务状况的模糊聚类分析

通过对阜新2002年工业行业财务状况的分析,运用模糊聚类分析方法,选取7种财务状况评价指标,建立模糊聚类分析模型,进行实证分析,形成模糊聚类图,将具有财务状况相似性的行业分为六大类,分析各种类别行业的财务特点,提出轻工业行业、采掘业行业、自来水行业、电力、蒸汽及热水的生产和供应业等行业的发展建议。     

一种基于最大模糊熵的高斯聚类算法

介绍了一种新的模糊聚类方法，定义了模糊熵，提出了基于最大模糊熵的模糊聚类的方法，得到了一种新的聚类算法——GCM算法。该算法的物理意义清晰，有明确的数学含义，相对于传统的FCM聚类算法，其聚类效果更好。     

基于粗糙集属性约简的模糊模式识别

通过运用粗糙集归约理论对资料进行浓缩和筛选，略去不必要的属性，简化数据。用模糊模式识别确定对象应当归属的模式，给出其对于各个模式的相对隶属度，从而达到分类目的。经实例计算，得到了较好的结果。     

基于模糊聚类的城市经济发展水平分类

科学定位城市经济的发展水平对于制定城市发展战略规划以及相关政策具有重要的现实意义。将模糊聚类分析应用于城市经济发展水平的分类研究,选取具有代表性的经济指标建立模糊相似矩阵,应用模糊聚类法实现聚类,从而对城市经济发展水平进行分类。     

基于自适应模糊神经网络的砂轮磨损评估

为实现砂轮磨损状态的实时监测评估，课题组提出了使用自适应模糊神经网络模型对砂轮状态进行监测。通过对磨削过程的振动信号及声发射信号特征值的提取，获得了不同磨损程度砂轮的多特征信号样本；采用多特征信号样本对自适应模糊神经网络进行学习与训练，建立了砂轮磨损状态识别模型；实现了对砂轮磨损状态的准确识别与在线监测。实验表明：基于自适应模糊神经网络的砂轮磨损程度评估系统，测试样本的实际磨损程度和网络判别结果类别相符。该自适应模糊神经网络系统能够对砂轮磨损程度类型准确进行在线评估。     

基于支持向量机的模糊小波神经网络

针对高维输入小波网络的初始参数和网络结构非常复杂且计算量大的问题,提出用支持向量机(SVM)确定小波网络的初始参数和网络结构的方法。首先,使用有监督模糊聚类算法从聚类中抽取模糊规则,然后对每一个规则的后件使用支持向量机方法确定小波网络的结构和初始参数,最后采用梯度下降方法调节模糊小波网络中的参数,使得模糊小波网络输出与期望输出之间的误差较小。仿真结果表明:该算法与传统的模糊神经网络(FNN)相比显著提高了分类精度。     

两种模糊模式识别方法在超声检测中的应用及比较

本文研究了模糊模式识别在薄板粘接质量超声检测和定量识别中的应用．首先介绍了有关复合粘接材料的超声无损检测方法，指出了超声检测回波信号特征值具有模糊性这一特点；然后给出了模糊数学的一些基本概念和原理，在此基础上提出了两种以贴近度为核心、以择近原则为判断标准的模糊模式识别算法，并且给出了回波数据的获取和处理方法，以及模糊子集的建立过程；最后，通过实验证明，两种算法对于粘接质量定量识别的准确度都比较高．     

基于交叉熵的模糊相似度量在模式识别中的应用

基于模糊相似量的模式识别是通过样本数据与标本数据之间的相似度程度来判断该样本属于哪一种模式,而交叉熵(Cross Entropy)是Shannon信息论中一个重要概念,主要用于度量两个概率分布间的差异性信息,在模糊相似度量和交叉熵的基础上,提出了基于交叉熵的模糊相似度量,并对交叉熵中存在的分母为零的情况做了改进,通过在模式识别中的应用,验证了这种方法的可行性及有效性.     

遗传模糊C-均值聚类算法应用于MRI分割

通过分析知经典的将图像分割成C类的常用的模糊C-均值聚类算法(FCMA)依赖于初始聚类中心的选择,通常得到的是局部最优解而并非全局最优解,又由于遗传算法能搜索到全局最优解,因此将遗传算法(GA)与FCMA相结合,对MRI直接进行聚类,利用遗传算法搜索全局最优解,从而有效地避免了模糊C-均值聚类算法收敛到局部最优的问题,并在此基础上实现了对MRI的分割,得到了比较满意的效果。     

基于交叉熵的模糊相似度量在模式识别中的应用

基于模糊相似量的模式识别是通过样本数据与标本数据之间的相似度程度来判断该样本属于哪一种模式,而交叉熵(cross Entropy)是Shannon信息论中一个重要概念,主要用于度量两个概率分布问的差异性信息.在模糊相似度量和交叉熵的基础上,提出了基于交叉熵的模糊相似度量,并对交叉熵中存在的分母为零的情况做了改进,通过在模式识别中的应用,验证了这种方法的可行性及有效性.     

改进的模糊聚类算法

隐节点中心的选取一直是各种RBF神经网络学习算法面临的主要问题之一,主要针对隐节点中心的选择问题,在研究减法聚类和模糊C-均值聚类算法优缺点的基础上,提出了改进的模糊聚类算法.仿真实验表明,改进的算法增强了网络对离群点的鲁棒性,同时缩短了网络的训练时间.     

改进的模糊C-均值聚类方法

该文针对模糊C-均值算法容易收敛于局部极小点的缺陷,将遗传算法应用于模糊C-均值算法(FCM)的优化计算中,其中对传统遗传算法的编码方案、遗传算子约束条件及适应值函数等方面进行改进,提出了一种基于改进遗传算法的模糊聚类方法。实验表明,将改进的遗传算法与FCM算法结合起来进行聚类分析,可以在一定程度上避免FCM算法对初始值敏感和容易陷入局部最优解的缺陷,使聚类更合理,比单一使用FCM算法进行聚类分析的效果要好。     

中国企业“走出去”的技术进步效应影响因素——基于修正的多指标面板数据模糊聚类

中国企业“走出去”的技术进步效应是学者们较为关注的热点话题，因此对其影响因素展开了广泛的讨论。但在现有的研究中，往往将境内影响技术进步效应的企业特征因素直接作为“走出去”企业技术进步效应的控制变量，回归后对控制变量也缺乏进一步的分析和讨论。由于影响企业“走出去”技术进步效应的特征因素与在境内投资时的企业特征因素存在差异且没有得到足够的关注，因此对这一问题进行深入的挖掘。现有方法存在实现过于复杂，且基于降维的面板数据聚类会导致数据信息的丢失，因此试图通过修正的面板数据模糊聚类方法实现影响因素的归类。该方法能够在聚类效率、合理性以及实用性等方面达到一个较好水平，使其能够有效地支持当前社会经济领域对面板数据的聚类需求。基于此，结合修正的多指标面板数据模糊聚类方法对wind数据库中的上市企业数据进行实证分析。实证结果显示，成立时间较短、规模不大、资本流动性低但资本密集度较高的高技术企业更能够通过对外直接投资实现创新能力的提高。     

基于运动特征的分层模糊目标识别

提出了一种基于目标运动特征的空中目标实时分层模糊识别方法.对直升机、固定翼飞机、空地弹及巡航弹等空中目标的运动特性进行了分析,提取目标的高度、速度、加速度、高度变化率和加速度变化率等特征.进行分层目标识别,首先根据加速度、高度变化率和加速度变化率等特征识别出空地弹目标,然后根据高度、速度和加速度特征对目标类别的隶属度和模糊密度,实现直升机、固定翼飞机以及巡航弹目标的实时识别.实验结果表明,该方法计算简单,识别率高.在实际工程应用中取得了良好的效果.