基于粗糙神经网络和网络撕裂的故障诊断方法

利用网络撕裂法逐层将复杂装备撕裂为较为简单的单元,并充分利用粗糙集和神经网络融合方法的优点进行故障诊断。提出了基于粗糙神经网络的网络撕裂故障诊断方法,总结出基于粗糙神经网络和网络撕裂的故障算法流程图。以L-F滤波器为例进行实验,结果证明:该算法明显优于普通的基于粗糙神经网络的故障诊断方法,网络结构得到简化,训练速度得到加快。     

基于神经网络的模糊理论在桥梁状态评估中的应用

探讨了模糊数学中的隶属函数在桥梁技术等级状态评估中的应用.在研究现有桥梁状态评估方法的基础上,把人工神经网络和模糊数学理论结合起来应用于大跨度预应力斜拉桥的等级状态评估,建立了基于三层神经元的模糊神经网络模型,并建立结构损伤度函数及等级隶属度模型,通过样本学习训练,获取评估专家的知识及直觉思维,最终确定桥梁所对应的技术状态等级.以检测的480组索力数据作为学习样本,另外4组作为验证样本进行了索力状态评估预测.计算结果表明,网络预测值与期望值吻合良好.     

水下无线传感器网络的节点精确定位

以无线传感器网络(WSN)水下应用为背景,针对特定的环境要求,提出了一种可实现网络规模升级的分布式无锚点网络节点自定位机制。该定位算法通过距离误差估计和分布式坐标计算方法,有效地减少了由于测量距离误差所带来的坐标计算误差和节点坐标计算所带来的通信开销,有利于网络节点能量的合理使用和大规模的WSN布放。通过试验仿真计算,验证了该定位机制的合理性,为水下WSN应用提供了有力的技术支持。     

基于Delphi-BP神经网络的装备保障能力评估

针对评估指标数量过多可能给评估过程及结果带来的弊端,在构建装备保障能力评估指标体系基础上,给出了基于Delphi法的指标体系筛选的方法步骤,通过计算累计贡献率,对指标体系进行了筛选,降低了评估模型的输入维度。建立了评估部队装备保障能力的三层BP神经网络模型,利用Matlab神经网络工具箱对网络进行了训练和仿真,结果显示误差小于10-3。最后,通过对比评估,验证了方法的有效性和正确性。     

基于混合数据挖掘模型预测用户流失

用户流失预测问题广泛应用在银行、金融、电信等多种领域。对用户行为进行有效的预测和分析有助于企业的竞争和了解瞬息万变的市场规律。采用3种混合的数据挖掘模型对用户流失问题进行了研究,以形成一个准确高效的用户流失预测模型。这3种模型应用于数据挖掘的两个阶段:聚类阶段和预测分析阶段。在第1阶段中,对用户的数据进行过滤。第2阶段对用户行为进行预测。第1个模型采用了二分k-means算法进行数据过滤和多层感知人工神经网络(MLP-ANN)相结合进行预测。第2个模型采用层次化聚类与MLP–ANN相结合进行预测。第3个模型使用自组织映射(Self-Organizing Maps)与MLP-ANN进行预测。这3种模型预测分析基于真实数据,用户流失率采用3种模型混合计算的方式得出结果并同真实值进行比较。分析结果表明采用多模型的混合数据挖掘模型的数据准确度优于普通的单一模型。     

基于自然连通度的复杂网络节点重要性度量方法

节点重要性度量是复杂网络研究中的热点问题。从复杂网络的抗毁性指标入手,给出了自然连通度的定义,并且以此为基础设计了基于自然连通度的复杂网络节点重要性度量方法。最后以著名的风筝网络为例,分析了该方法的适用性,并与其他经典的节点重要性度量方法进行对比,证明了该方法的合理性。     

基于活跃度和任务的目标导向VANETs路由算法

针对车载自组织网络(VANETs)中节点移动速度快、节点任务分布不均、网络拓扑结构不稳定等特点,提出了一种基于节点活跃度和任务的目标导向VANETs路由算法GATRA(goal-oriented routing algorithm based on activity and task)。该算法根据当前运动节点的运动方向与目标节点的关系,以及任务饱和程度,综合考虑采用消息携带还是转发策略,以节约传输平均时延。在选择中继节点时,综合考虑邻接节点的位置、运动速度和方向等影响因素,设计节点活跃度的计算方法,作为选择中继节点的策略,从而提高了消息传输的成功率。仿真结果表明,与当前典型的VANETs路由算法相比,GATRA算法在传输成功率和平均延迟时间上具有较大提升。     

基于介数中心性重要节点的能量均衡机制

针对无线传感器网络中瓶颈节点和准瓶颈节点对网络影响的特例性问题,将重要节点的概念推广到对节点介数的研究,提出了基于介数中心性重要节点的能量均衡机制。该机制将介数值大于网络平均介数值的节点判定为重要节点,并利用重要节点的邻居节点建立缓冲机制来减少其数据的转发次数,在牺牲较少数据传输延时的情况下节省了介数中心性重要节点的能量消耗。仿真实验表明该机制能够较好地均衡无线传感器网络中的节点能耗,提高了网络生命周期。     

基于广义回归神经网络的单位运营状况分类

单位的运营状况会直接影响股东和广大人民的利益,针对运营状况可以使用广义回归神经网络进行分类。由于广义回归神经网络中径向基函数的扩展参数Spread的选取会导致分类的准确率,提出了一种果蝇优化算法优化参数Spread的分类模型。充分利用了果蝇优化算法的寻优能力,将优化后的参数代入到广义回归神经网络中对单位的财务数据进行运营状况的分类。结果表明,与广义回归神经网络做比较,优化后的网络模型对数据的分类可以达到很高的准确率,在相关领域的分类上有非常大的实用性。     

静态初始条件下的歼击机中距攻防引导方法决策

在静态初始条件下,歼击机中距攻防引导方法的选择是一个定性与定量相结合的类别划分问题,因此,将粗糙集理论与概率神经网络相结合用于该问题的解决。首先,利用粗糙集理论实现专家知识约简、空战态势信息集压缩,得到最小决策信息集;其次,利用概率神经网络进行概率决策推理;最后,通过实例分析,结果表明决策推理正确,在不确定环境下仍然有效,提高了决策过程的自动化程度。