期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到10篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于粗神经网络的旅游需求预测研究 被引量：3
1
作者 鲍青青 唐善茂 +1 位作者 刘胜峰 陆琳 《安徽农业科学》 CAS 北大核心 2006年第17期4437-4438,4440,共3页
旅游需求的合理预测是旅游业持续健康的重要前提之一,根据粗糙集理论提出一种旅游需求预测的粗神经网络模型,该模型通过消除噪声提高神经网络预测的精度,有效地克服神经网络算法中知识获取以及推理过程的黑箱性弱点。通过对云南近年入... 旅游需求的合理预测是旅游业持续健康的重要前提之一,根据粗糙集理论提出一种旅游需求预测的粗神经网络模型,该模型通过消除噪声提高神经网络预测的精度,有效地克服神经网络算法中知识获取以及推理过程的黑箱性弱点。通过对云南近年入境旅游发展趋势的预测实例分析,验证模型的有效性。 展开更多
关键词 旅游需求 神经网络 粗糙集 粗神经网络
在线阅读 下载PDF
基于粗神经网络的民用飞机故障诊断 被引量：2
2
作者 刘永建 朱剑英 夏洪山 《北京航空航天大学学报》 EI CAS CSCD 北大核心 2009年第8期1005-1008,共4页
针对传统神经网络故障诊断过程中网络训练时间长、结构复杂以及仅能进行单值输入的缺陷,设计了一种基于粗神经网络的民用飞机故障诊断系统.将粗糙集理论应用在神经网络的前端对民用飞机故障样本数据进行约简处理,以此去除冗余属性的干扰... 针对传统神经网络故障诊断过程中网络训练时间长、结构复杂以及仅能进行单值输入的缺陷,设计了一种基于粗神经网络的民用飞机故障诊断系统.将粗糙集理论应用在神经网络的前端对民用飞机故障样本数据进行约简处理,以此去除冗余属性的干扰,克服了无关样本数据对网络学习性能的影响,简化了网络结构;利用粗神经元代替传统神经元,提高了网络性能,扩展了网络的应用范围.通过对空中客车A320飞机的故障诊断试验验证了该方法的有效性. 展开更多
关键词 民用航空 故障诊断 粗神经网络 粗糙集理论 约简 辅助动力系统
在线阅读 下载PDF
粗神经网络的禁止搜索训练算法研究 被引量：4
3
作者 梅晓丹 孙圣和 《电子学报》 EI CAS CSCD 北大核心 2001年第z1期1908-1911,共4页
粗神经网络不仅可以处理明确定量的输入信息 ,而且可以处理传统神经网络不能处理的语义形式的输入信息 .本文给出了一种新的训练方法———基于禁止搜索算法的粗神经网络训练方法 .
关键词 粗神经网络 禁止搜索算法 遗传算法
在线阅读 下载PDF
基于灰预测和粗神经网络的海洋平台逆控制研究(英文) 被引量：1
4
作者 崔洪宇 洪明 赵德有 《船舶力学》 EI 北大核心 2010年第9期1008-1020,共13页
导管架式海洋平台在随机波浪等外载荷作用下极易产生有害振动,且其动力响应具有极强的非线性和时变性,采用被动控制方法和基于精确数学模型的主动控制方法控制海洋平台的有害振动很难达到理想的控制效果。为此文中将灰预测和粗神经网络... 导管架式海洋平台在随机波浪等外载荷作用下极易产生有害振动,且其动力响应具有极强的非线性和时变性,采用被动控制方法和基于精确数学模型的主动控制方法控制海洋平台的有害振动很难达到理想的控制效果。为此文中将灰预测和粗神经网络相结合,提出了一种基于灰预测和粗神经网络的预测逆控制方法,并将其与动态刚度阵法相结合用于导管架式海洋平台的振动主动控制中。数值算例分析表明此种控制方法可有效地控制波浪和风载荷作用而引起的导管架式平台的有害振动,并能解决由于控制信号传输等原因引起的时滞问题。 展开更多
关键词 导管架式海洋平台 灰预测 粗神经网络 逆控制 动态刚度阵法
在线阅读 下载PDF
基于模糊粗神经网络的汉语声韵母切分 被引量：1
5
作者 苏敏 李战明 《电声技术》 2008年第9期49-51,共3页
针对汉语连续语音,提出一种声韵母切分方法。根据扩展的声韵母为识别基元,采用汉语音节的重叠音素分割策略,利用模糊粗神经网络进行声韵母自动切分。实验室实验证明了该方法进行音节分割的有效性和合理性。
关键词 语音识别 声韵母 重叠音素分割 模糊粗神经网络
在线阅读 下载PDF
基于粗网格神经网络的车牌字符识别方法 被引量：9
6
作者 吴成东 刘文涵 +1 位作者 傅小菲 丛明 《沈阳建筑大学学报（自然科学版）》 CAS 2007年第4期693-697,共5页
目的为了进一步提高交通车牌字符自动识别能力.方法通过对车牌识别技术国内外现状的分析和对各类车牌识别技术的对比说明,提出了一种基于粗网格神经网络的车牌文字识别方法.该方法先将车牌字符进行预处理,用改进的粗网格法提取字符特征... 目的为了进一步提高交通车牌字符自动识别能力.方法通过对车牌识别技术国内外现状的分析和对各类车牌识别技术的对比说明,提出了一种基于粗网格神经网络的车牌文字识别方法.该方法先将车牌字符进行预处理,用改进的粗网格法提取字符特征,并用神经网络识别车牌字符.结果在实验过程中所用的字符是从实际拍摄的车辆牌照图像中提取的汉字、英文大写字母和数字.人工提取的汉字种类覆盖了我国现有车辆牌照中出现的大部分汉字,而字母和数字的覆盖率为100%.从实验结果看:数字、字母的识别率比较高,尤其是数字,其识别率达到了99.16%.结论实验表明:数字、字母易于准确地提取特征,粗网格神经网络车牌字符识别方法具有较高的识别精度和实用价值. 展开更多
关键词 粗网格神经网络 BP算法 特征提取 车牌识别
在线阅读 下载PDF
基于变精度粗糙集的粗集神经网络 被引量：9
7
作者 张东波 王耀南 黄辉先 《电子与信息学报》 EI CSCD 北大核心 2008年第8期1913-1917,共5页
本文研究了基于变精度粗糙集模型下的粗集神经网络设计,对β近似约简条件进行了弱化推广,同时提出了β近似约简的选取原则。在对Brodatz纹理图像的分类实验中,比较了经典粗集神经网络RNN和变精度粗集神经网络VPRNN的性能,VPRNN不仅具有... 本文研究了基于变精度粗糙集模型下的粗集神经网络设计,对β近似约简条件进行了弱化推广,同时提出了β近似约简的选取原则。在对Brodatz纹理图像的分类实验中,比较了经典粗集神经网络RNN和变精度粗集神经网络VPRNN的性能,VPRNN不仅具有更为精简的结构和更短的训练时间,而且具有更强的近似决策和泛化能力。 展开更多
关键词 变精度粗糙集 粗集神经网络 β近似约简 纹理分类
在线阅读 下载PDF
一种基于粗集神经网络的欺诈风险分析方法 被引量：9
8
作者 盛昭瀚 柳炳祥 《应用科学学报》 CAS CSCD 2003年第2期209-213,共5页
指出了传统的欺诈风险分析模型存在的问题,提出了一种基于粗集神经网络的欺诈风险分析方法.详细叙述了粗集神经网络的基本原理及基于粗集神经网络的欺诈风险分析方法,并给出了一个基于粗集神经网络的信用卡欺诈的分析实例。实验结果表明... 指出了传统的欺诈风险分析模型存在的问题,提出了一种基于粗集神经网络的欺诈风险分析方法.详细叙述了粗集神经网络的基本原理及基于粗集神经网络的欺诈风险分析方法,并给出了一个基于粗集神经网络的信用卡欺诈的分析实例。实验结果表明,该方法应用于欺诈风险的分析中是有效的,为欺诈风险的分析和预警提供了一条新的研究思路和方法。 展开更多
关键词 企业 风险管理 欺诈风险 分析方法 分析模型 粗集神经网络
在线阅读 下载PDF
一种粗逻辑神经网络研究 被引量：1
9
作者 张东波 王耀南 《电子与信息学报》 EI CSCD 北大核心 2007年第3期611-615,共5页
该文基于粗逻辑理论,研究了粗逻辑意义下的粗集神经网络的设计,分析和比较了粗逻辑神经网络和模糊逻辑神经网络的性质。在重庆地区Landsat TM遥感图像的地物分类实验中,验证了粗逻辑神经网络的有效性,同时可以发现其在网络结构和收敛性... 该文基于粗逻辑理论,研究了粗逻辑意义下的粗集神经网络的设计,分析和比较了粗逻辑神经网络和模糊逻辑神经网络的性质。在重庆地区Landsat TM遥感图像的地物分类实验中,验证了粗逻辑神经网络的有效性,同时可以发现其在网络结构和收敛性方面的优势。 展开更多
关键词 粗糙集 粗逻辑 粗逻辑神经网络 模糊逻辑神经网络
在线阅读 下载PDF
自底向上粗集神经网络建模方法
10
作者 张东波 《湘潭大学自然科学学报》 CAS CSCD 北大核心 2009年第2期130-138,共9页
提出了一种基于自底向上方式构造模糊粗糙数据模型并实现粗集神经网络建模的方法,该方法通过自适应G-K聚类算法,实现输入论域空间的模糊划分,在基于聚类数和约简属性搜索的基础上,提取优化的模糊粗糙数据模型,在此基础上融合神经网络实... 提出了一种基于自底向上方式构造模糊粗糙数据模型并实现粗集神经网络建模的方法,该方法通过自适应G-K聚类算法,实现输入论域空间的模糊划分,在基于聚类数和约简属性搜索的基础上,提取优化的模糊粗糙数据模型,在此基础上融合神经网络实现粗集神经网络建模.对Brodatz纹理图像的实验表明,该方法性能优于传统的贝叶斯和LVQ方法,和传统的粗逻辑神经网络RLNN相比,该方法建立的神经网络结构精简,收敛速度快,具有更强的泛化能力. 展开更多
关键词 粗糙集 粗集神经网络 粗糙集数据分析 纹理分类
在线阅读 下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
关于我们 | 版权声明 | 联系我们 | 帮助中心| 意见反馈
主办单位：上海市教育委员会
技术支持：重庆维普资讯有限公司
渝公网安备 50019002500403号
使用帮助 返回顶部