检索结果-内蒙古大学图书馆

作者：孙明曦天津理工大学

学位级别：硕士

模糊神经网络是一种可处理模糊信息的神经网络,它取模糊逻辑和神经网络之所长进行了融合。模糊最小最大神经网络是一种由大量交互式连接的神经元组成的模糊神经网络,具有在线学习的优势,但其依旧存在如下问题:（1）超盒的产生对样本输... 详细信息

模糊神经网络是一种可处理模糊信息的神经网络,它取模糊逻辑和神经网络之所长进行了融合。模糊最小最大神经网络是一种由大量交互式连接的神经元组成的模糊神经网络,具有在线学习的优势,但其依旧存在如下问题:（1）超盒的产生对样本输入顺序依赖性强;（2）网络复杂度受扩展参数影响;（3）单层结构误差率高;（4）收缩规则消除超盒范围大。本文提出的三种模型克服了这些缺陷,主要贡献如下:1.提出密度排序卷积模糊最小最大神经网络。在模糊最小最大神经网络的操作之前,提出了一步基于密度对样本进行排序的操作,这一操作降低了样本输入顺序在超盒训练过程中带来的影响。然后,将改进模型与卷积神经网络相结合,用改进模型替换卷积神经网络中的分类部分,使卷积神经网络拥有了在线学习能力,在提高分类精度的同时降低了训练时间。2.提出自适应模糊最小最大神经网络。该模型从结构上进行了修改,使用了深层结构来进行训练,采用一种自顶向下的方式对超盒进行划分。在初始化步骤中,将全部样本所在的范围当作一个超盒,解决了超盒创建依赖样本输入顺序这一问题。其次,进行多次分割操作,将超盒依照样本类别进行切割,逐步细化超盒集。这一超盒划分方式不需要扩展参数的参与,降低了网络复杂度,且提高了分类精度。3.提出自演化模糊最小最大神经网络。该模型使用了一种自底向上的方式,以多层的结构使超盒通过合并来生成最终超盒集。提出了一种自定义边长参数用以直接对初始超盒进行构建,消除了超盒构建过程中样本输入顺序带来的影响。通过多层优化操作,将超盒进行融合,使之到达更佳的性能,同时降低了网络复杂度。

关键词：模式识别模糊神经网络模糊最小最大神经网络卷积神经网络

来源：评论

学校读者我要写书评

暂无评论

模糊最小最大神经网络的入侵检测模型研究

模糊最小最大神经网络的入侵检测模型研究

引用

作者：王雅各天津理工大学

学位级别：硕士

随着互联网的快速发展,网络空间已经成为第五前沿。越来越多的网络攻击行为,给网络空间安全带来巨大挑战。基于各种机器学习方法构建的入侵检测技术已经成为一种重要的动态安全防护手段。模糊最小最大神经网络将模糊逻辑与神经网络相结... 详细信息

随着互联网的快速发展,网络空间已经成为第五前沿。越来越多的网络攻击行为,给网络空间安全带来巨大挑战。基于各种机器学习方法构建的入侵检测技术已经成为一种重要的动态安全防护手段。模糊最小最大神经网络将模糊逻辑与神经网络相结合,具备较强的自适应学习能力和实时性的优点,但存在检测性能较低的不足,如误报率较高等。而粒子群优化算法能够优化模型的参数,但容易早熟收敛。因此,本文首先研究了改进的粒子群优化算法,然后将其用于优化模糊最小最大神经网络的参数,最后提出模糊最小最大神经网络的入侵检测模型。主要的创新点如下:1.提出基于核主成分分析的粒子群优化算法。粒子群优化算法容易早熟收敛。为了解决这个问题,提出了一种群搜索方向,从整个驱动群中寻找最优解,而不是只考虑个体和社会最优粒子。群搜索方向是通过具有保留全局性质的核主成分分析获得的。然后修改了粒子的速度更新策略。实验结果表明提出的方法能避免早熟收敛,增强全局搜索能力。2.提出重定义的模糊最小最大神经网络模型。经典的模糊最小最大神经网络容易造成来自不同类超盒之间的重叠,影响分类性能。为了提高分类性能,提出了重定义的模糊最小最大神经网络模型。经典模糊最小最大神经网络的基本架构被修改。然后提出了超盒重定义算法重定义超盒的最小最大点。该算法包括三个过程,分别是超盒过滤、超盒优化以及超盒重组。其中,超盒优化过程是通过标准粒子群优化算法或基于核主成分分析的粒子群优化算法实现。重定义的模糊最小最大神经网络模型的学习算法是一个扩展/收缩/重定义的过程。实验结果表明可有效提高模型的分类性能。3.提出模糊最小最大神经网络入侵检测模型。重定义的模糊最小最大神经网络具有良好的分类性能和在线学习能力。因此,提出了模糊最小最大神经网络的入侵检测模型。为了反映当前最新的网络入侵行为模式和确保检测结果具有代表性,本文使用了具有真实现代正常行为与综合攻击行为的UNSW-NB 15入侵检测数据集。实验结果表明提出的模型具有较好的检测效果。

关键词：网络空间安全入侵检测模糊最小最大神经网络粒子群优化核主成分分析

来源：评论

学校读者我要写书评

暂无评论

强化模糊最小最大神经网络的构造与演化

强化模糊最小最大神经网络的构造与演化

引用

作者：牛竞涛天津理工大学

学位级别：硕士

模糊神经网络统筹模糊理论和神经网络双方各自的优势,具有广泛的应用。模糊最小最大神经网络具有较强的学习能力和良好的性能,它是一种经典网络模型,但仍存在一些问题:(1)输入顺序不同产生超盒大小不同;(2)扩展参数由用户定义,对训练结... 详细信息

模糊神经网络统筹模糊理论和神经网络双方各自的优势,具有广泛的应用。模糊最小最大神经网络具有较强的学习能力和良好的性能,它是一种经典网络模型,但仍存在一些问题:(1)输入顺序不同产生超盒大小不同;(2)扩展参数由用户定义,对训练结果产生不同的影响;(3)收缩规则改变样本隶属度,并且删除超盒的范围大。本文提出的强化模糊最小最大神经网络模型可解决了上述问题,主要的创新包括以下三个方面:1.提出参数强化模糊最小最大神经网络。该模型是多层网络模型,定义一个自定义分割边长参数,将所有样本点随机投入到训练模型中,通过分割操作构造超盒,消除问题一的影响。通过判断操作对超盒进行选择分类,输出满足要求的超盒,不断重复这两步操作,使该模型训练结束后。与经典原始模型相比分类准确率提高,但是存在超盒数量较大的问题。2.提出超盒强化模糊最小最大神经网络。该模型是基于参数强化模糊最小最大神经网络,目的是降低超盒数量。通过对参数强化模型产生的超盒进行合并操作,合并过程会出现不同类型超盒发生重叠情况。提出超盒质心定义,利用它产生新扩展公式,对重叠部分进行收缩过程,与参数强化模糊最小最大神经网络相比分类准确率进一步提高且超盒数量降低。3.提出人工蜂群优化强化模糊最小最大神经网络。在强化模糊最小最大神经网络整体框架中,选取不同的自定义分割边长参数和扩展参数对实验产生不同的影响,进一步影响分类准确率。使用人工蜂群优化算法对这两个参数进行优化操作。通过选取不同的蜜源,计算不同蜜源所对应的适应值,不断更新蜜源,确定最优参数,输出优化模型后的最优解。

关键词：模糊集模糊神经网络模糊最小最大神经网络人工蜂群算法

来源：评论

学校读者我要写书评

暂无评论

多层模糊最小最大神经网络的构造与优化

多层模糊最小最大神经网络的构造与优化

引用

作者：杨佳悦天津理工大学

学位级别：硕士

多层模糊最小最大神经网络是一种结合集成学习方法和多项式神经网络结构改进的模糊最小最大神经网络。模糊最小最大神经网络是一种经典的模糊神经网络,在处理分类问题时会展现出不错的性能,但仍然存在一些局限性:（1）模糊最小最大神经... 详细信息

多层模糊最小最大神经网络是一种结合集成学习方法和多项式神经网络结构改进的模糊最小最大神经网络。模糊最小最大神经网络是一种经典的模糊神经网络,在处理分类问题时会展现出不错的性能,但仍然存在一些局限性:（1）模糊最小最大神经网络的训练过程对样本的输入顺序十分敏感。（2）模糊最小最大神经网络的训练过程中存在人为设定的参数,对训练结果影响较大。本文提出多层模糊最小最大神经网络针对这些缺点进行改进,主要的创新点包括一下几个方面:1.提出了集成模糊最小最大神经网络。集成模糊最小最大神经网络是基于经典的集成学习方法中的Bagging技术构建的五层结构神经网络。其中,包含两种新的神经元,分别是模糊最小最大神经元和投票神经元,它们分别构成了模型的第三层和第四层。模糊最小最大神经元就可以理解成一个典型的模糊最小最大神经网络,而投票神经元是基于投票机制构造的。与传统的模糊最小最大神经网络相比,集成模糊最小最大神经网络具有更好的分类性能,可以有效地克服对数据的输入顺序敏感的问题。2.提出了多层模糊最小最大神经网络。这是一种基于多层结构的神经网络,其多层结构借鉴了多项式神经网络的拓扑结构。在此基础上,本文提出了基于自助采样法的多层模糊最小最大神经网络（BS-FMPNN）和基于Bagging技术的模糊最小最大神经网络（BT-FMPNN）两种多层结构。在这两种结构中包含了三种模糊最小最大神经元（即自助采样模糊最小最大神经元、超盒模糊最小最大神经元和集成模糊最小最大神经元）和两种分类神经元（超盒分类神经元和集成分类神经元）。本文研究了多项式神经网络结构和模糊最小最大神经网络相结合,并展现了这两种模型的优点。3.提出了粒子群优化的多层模糊最小最大神经网络。多层模糊最小最大神经网络在构造时,有两个参数的设置十分关键,能直接影响模型训练的结果。因此,本文使用粒子群优化算法对多层模糊最小最大神经网络进行优化。粒子之间通过相互交换信息进行群体优化,确定更合适的参数,找到更优的多层模糊最小最大神经网络模型。

关键词：模糊集理论模糊最小最大神经网络集成学习粒子群算法

来源：评论

学校读者我要写书评

暂无评论

模糊排序最小最大神经网络的构造与应用

模糊排序最小最大神经网络的构造与应用

引用

作者：薛玲丽天津理工大学

学位级别：硕士

模糊神经网络结合了模糊逻辑和神经网络的优点,在模式识别、控制、医学等领域都取得了较大的成功。模糊最小最大神经网络作为一种经典的模糊神经网络,具有较强的分类性能和在线学习的能力,但其仍存在以下两方面局限性:（1）网络的分类... 详细信息

模糊神经网络结合了模糊逻辑和神经网络的优点,在模式识别、控制、医学等领域都取得了较大的成功。模糊最小最大神经网络作为一种经典的模糊神经网络,具有较强的分类性能和在线学习的能力,但其仍存在以下两方面局限性:（1）网络的分类性能受到训练集模式的输入顺序、隶属度函数以及重叠区域的处理方式的影响;（2）其扩展规则可能导致网络中重叠区域增加,且影响模型分类性能的扩展参数需要用户自定义。本文提出模糊排序最小最大神经网络模型用于克服上述局限性,主要的创新点如下:1.提出模糊排序最小最大神经网络。提出的模型与已知模糊最小最大神经网络相比具有更高的分类正确率,同时网络空间复杂度较低。在模糊排序最小最大神经网络模型中,提出了一种排序策略,确定训练集模式输入网络的顺序,使最终构成的网络固定,克服了模糊最小最大神经网络对训练集模式输入顺序的依赖;提出了一种基于曼哈顿距离的隶属度函数,克服了模糊最小最大神经网络中隶属度函数不会随着模式与超盒间距离的增加而稳定减小的问题;采用基于个体轮廓系数的方法对落于重叠区域内的模式进行分类,克服了模糊最小最大神经网络采用收缩超盒消除重叠而造成的被收缩区域对原所属超盒隶属度变化的问题。2.提出基于粒子群算法优化的模糊排序最小最大神经网络。提出的模型无需用户自定义扩展参数,并且具有更好的分类性能,包括两部分:（1）提出了一种新的扩展规则,对于超盒的每个维度均设置一个独立的扩展参数来约束超盒的大小;（2）使用粒子群算法优化扩展参数,最终获得一组使得模型分类正确率最高的扩展参数值,从而提高模型的分类性能。3.提出模糊排序最小最大神经网络的应用模型。由于模糊排序最小最大神经网络具有较强的分类能力和在线学习能力,提出一种基于模糊排序最小最大神经网络的人脸识别模型和房颤识别模型。在人脸识别模型中,首先使用卷积神经网络对人脸图像进行特征提取,然后用模糊排序最小最大神经网络模型进行分类;在房颤识别模型中,首先使用小波变换去除房颤信号中的噪声,并使用主成分分析方法降维,然后用模糊排序最小最大神经网络模型进行分类。实验均取得了优于传统模型的分类正确率。

关键词：模糊集模糊最小最大神经网络个体轮廓系数粒子群算法模式识别

来源：评论

学校读者我要写书评

暂无评论

一种多分辨率组合的模糊神经网络分类器

引用

电子学报 2002年第6期30卷 928-933页

作者：陈曦靳东明李志坚清华大学微电子学研究所北京100084

提出一种多分辨率组合的分类器 (MRCC)模型和相应的学习算法 ,发展了Simpson的模糊最小最大神经网络 (FMM)方法 .它克服了原始模型的几个缺点 :训练结果不依赖于训练样本出现的次序 ,超盒扩张不受一个固定的最大尺度限制 .和原始模型的... 详细信息

提出一种多分辨率组合的分类器 (MRCC)模型和相应的学习算法 ,发展了Simpson的模糊最小最大神经网络 (FMM)方法 .它克服了原始模型的几个缺点 :训练结果不依赖于训练样本出现的次序 ,超盒扩张不受一个固定的最大尺度限制 .和原始模型的超盒相比较 ,新模型的超盒中引入了一个参数表示超盒对于训练样本的分类正确率 ,称为超盒置信度 .新的学习算法假设样本在一定尺度下均匀分布 ,从而能够在线调整超盒置信度参数 .新的学习算法采用多分辨率组合的方法 ,消除了原始算法中选择超盒最大尺度限制参数的困难 .实验表明 ,MRCC模型与原始FMM模型相比 ,分类性能更好 ,学习算法的自适应能力更强 ,建立的模糊超盒数更少 ,并行处理能力更强 .

关键词：模糊神经网络分类器模式分类模糊最小最大神经网络递归训练多分辨率组合局部均匀分布超盒置信度

来源：评论

学校读者我要写书评

暂无评论

模糊超盒神经网络的构造与应用

模糊超盒神经网络的构造与应用

引用

作者：陆时铨天津理工大学

学位级别：硕士

传统的模糊最小最大神经网络拥有较强的分类能力和在线学习能力,因此在分类识别领域具有广泛应用前景。但是该神经网络存在超盒输入顺序、扩展系数以及超盒收缩规则的影响,为了克服上述局限性,本文通过重构超盒的设计方法提出两种不同... 详细信息

传统的模糊最小最大神经网络拥有较强的分类能力和在线学习能力,因此在分类识别领域具有广泛应用前景。但是该神经网络存在超盒输入顺序、扩展系数以及超盒收缩规则的影响,为了克服上述局限性,本文通过重构超盒的设计方法提出两种不同的神经网络模型,并应用于图像识别领域。其创新点如下: 1.提出模糊超盒神经网络的构造方法。通过重新设定超盒中心的方式来重构超盒,利用超盒中心在重叠检测的区域来确定超盒的扩展操作和收缩操作,并在经典的模糊最小最大神经网络中添加一层网络结构来构造四层结构的神经网络。模糊超盒神经网络训练过程首先在超盒层中直接对初始超盒进行创建,来消除对超盒样本输入顺序的影响;然后在自定义层中通过划分、自定义重叠重组、组合等操作后有效克服对扩展系数的影响;最后在输出层进行输出结果,实验结果表明该神经网络提高了分类的性能。 2.提出模糊高斯核超盒神经网络的构造方法。通过重新构造超盒核函数的方式来重构超盒,将高斯核函数与隶属度函数相结合构造高斯核隶属度函数,利用超盒质心到重叠区域的欧式距离来选择收缩以消除重叠。模糊高斯核超盒神经网络在收缩操作时提出一个自定义系数,用于控制超盒之间的收缩程度,避免过度收缩对最终分类性能的影响。实验结果表明提升了分类的性能,并降低网络复杂度。 3.提出图像识别的卷积模糊超盒多层神经网络模型。由于卷积神经网络并不具备在线能力,因此通过将卷积神经网络与模糊高斯核超盒神经网络相结合构造卷积模糊超盒多层神经网络,使得该模型拥有这两种神经网络的优点。在图像识别中,首先利用卷积神经网络提取图像特征,然后使用模糊高斯核超盒神经网络进行分类,最后结果表明该模型具有较好的分类性能和在线学习能力。

关键词：模糊最小最大神经网络卷积神经网络模式识别高斯核函数

来源：评论

学校读者我要写书评

暂无评论

多尺度数据驱动的石化污水可生化性评价

引用

控制工程 2022年第4期29卷 617-626页

作者：韩红桂张家昌伍小龙王梓先乔俊飞北京工业大学信息学部计算智能与智能系统北京市重点实验室北京100214 石油石化污染物控制与处理国家重点实验室北京102206

针对石化污水可生化性难以获得实时准确评价的问题,提出了一种多尺度数据驱动的石化污水可生化性评价方法。首先,通过分析石化污水组分和水质数据特点,解析水质数据的时间尺度特征以及与可生化性指标的关联关系;其次,设计基于主元分析... 详细信息

针对石化污水可生化性难以获得实时准确评价的问题,提出了一种多尺度数据驱动的石化污水可生化性评价方法。首先,通过分析石化污水组分和水质数据特点,解析水质数据的时间尺度特征以及与可生化性指标的关联关系;其次,设计基于主元分析法的多尺度特征提取算法,获取石化污水可生化性的特征变量;然后,构建基于模糊最小最大神经网络的智能评价模型,实现对石化污水可生化性的实时准确评价;最后,将提出的评价方法应用于实际石化污水处理过程中。验证结果表明,所提方法能够实现对石化污水可生化性进行实时准确的评价。

关键词：石化污水动态特征提取可生化性评价模糊最小最大神经网络

来源：评论

学校读者我要写书评

暂无评论

自适应优化超盒模糊分类器的构造与应用

自适应优化超盒模糊分类器的构造与应用

引用

作者：段梦雨天津理工大学

学位级别：硕士

模糊最小最大神经网络(模糊超盒分类器)是模糊神经网络中的一种,当前已经在医学诊断,人脸识别或故障分类等领域有着广泛的应用。模糊最小最大神经网络虽然具有较强的在线学习和分类性能,但仍然存在一定的缺点:(1)经典的模糊超盒分类器... 详细信息

模糊最小最大神经网络(模糊超盒分类器)是模糊神经网络中的一种,当前已经在医学诊断,人脸识别或故障分类等领域有着广泛的应用。模糊最小最大神经网络虽然具有较强的在线学习和分类性能,但仍然存在一定的缺点:(1)经典的模糊超盒分类器模型都是顺序构造的,并且分类性能受数据集中数据输入顺序的影响。在经典的模糊超盒分类器的模型中,超盒的大小收到超盒扩展参数的影响,因此不同的数据集需要调整设置适合的扩展参数。(2)模糊最小最大神经网络的神经网络复杂度受超盒数量影响,超盒数量越多,神经网络复杂度越高,但是模型的分类正确率就会有所降低。因此神经网络复杂度和模型的分类正确率之间存在一定的矛盾。(3)经典的模糊最小最大神经网络中的超盒扩展操作会导致不同类的超盒之间发生重叠,降低模型的分类性能。针对模糊超盒分类器中存在的局限性,本文提出了以下创新点:1.提出基于两阶段遗传算法的模糊超盒分类器。在基于两阶段遗传算法的模糊超盒分类器中,使用遗传算法随机生成多个扩展参数,并使用遗传算法对扩展参数进行调整,找到使得模型分类性能最好的扩展参数集合。提出的超盒模型能够降低模糊超盒分类器中超盒对超盒扩展参数的依赖性,并且能够同步构建超盒,且模型分类性能不受数据集的输入顺序影响。实验结果显示提出的模型在模型分类正确率方面优于传统模糊最小最大神经网络模型。2.提出基于快速非支配排序的模糊超盒分类器。在基于快速非支配排序的模糊超盒分类器中,使用快速非支配排序的多目标遗传算法调整模型中超盒的数量和模型分类性能之间的关系,找到能够同时满足两个条件的Pareto解集。提出的模型能够解决超盒数量(神经网络复杂度)和超盒模型分类性能之间矛盾的关系。实验结果显示提出的模型中超盒数量和模型正确率方面均优于传统的模糊超盒分类器模型。3.提出基于差分进化算法的模糊超盒分类器及其在入侵检测方面的应用。在基于差分进化算法的模糊超盒分类器中使用差分进化算法优化超盒,减少超盒之间的重叠。由于模糊超盒分类器较强的分类性能,本文将优化之后的模糊超盒分类器应用在了入侵检测方面。首先对入侵检测数据集进行预处理,将非数据化特征进行数值化处理,之后对数据集进行归一化处理,最后使用基于差分进化算法的模糊超盒分类器进行优化,实验结果优于之前传统模糊超盒分类器模型的分类性能。

关键词：模糊集模糊最小最大神经网络遗传算法差分进化算法入侵检测

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：