自适应谐振理论论文-彭治国,耿涛,刘海浪

自适应谐振理论论文-彭治国,耿涛,刘海浪

导读:本文包含了自适应谐振理论论文开题报告文献综述及选题提纲参考文献,主要关键词:基于行为,ART2,故障诊断,转子系统

自适应谐振理论论文文献综述

彭治国,耿涛,刘海浪[1](2013)在《自适应谐振理论在基于行为的故障诊断中的应用研究》一文中研究指出分析了基于行为的故障诊断(BFD)方法所具有的理论和应用方面的优点,说明了自适应谐振理论(ART2)具有实现BFD系统所需的理论基础和功能要求。提出将ART2网络应用于基于行为的故障诊断方法中,通过建立基于ART2的BFD诊断系统,完成了基于行为的状态识别和自学习功能。将此方法应用于转子系统的故障诊断中,验证了该方法的正确性和可行性。(本文来源于《制造技术与机床》期刊2013年03期)

梁潘,冯朝胜,张天伍[2](2012)在《自适应谐振理论网络信息过滤》一文中研究指出对遗传算法和ART1分类器在信息过滤中的应用进行了研究与探讨,提出了一种全新算法。利用用户的积极和负面反馈过滤信息,使用ART1网络分类器生成用户的动态配置,并通过遗传算法产生理想的查询。试验结果表明:根据该算法提取的搜索结果,提高了信息过滤的准确率。(本文来源于《河南科技大学学报(自然科学版)》期刊2012年04期)

席讴婕[3](2010)在《基于k-means和自适应谐振理论的网络流量分类方法》一文中研究指出网络发展日新月异,精确的进行网络流量分类也变得越来越重要,因为很多应用使用随机的端口号,而且基于安全的考虑,也使用了加密的数据,传统的基于端口号或者是基于特征串的网络流量分类方法已经不在适用,越来越多的人采取了基于流量统计特征的网络流量分类方法来解决这个问题。基于流量统计特征的方法本质是机器学习问题,聚类中的k-means就是解决方法之一,这种方法的优点是无需事先标记样本,缺点是时间消耗大,而且精确度较低,在本文中,对聚类中的k-means方法提出两点改进,第一处改进是利用小波压缩来预处理数据,解决k-means方法时间消耗大的问题,第二处改进是在k-means处理数据之前采用自适应谐振理论进行初次分类,解决k-means方法精确度低的问题,文中使用在实验室中捕获到的校园网络流量进行验证,实验结果表明,数据的存储量减少,实验运行时间短,分类的精确度有显着的提高。(本文来源于《内蒙古大学》期刊2010-06-11)

赵学智,曾作钦,叶邦彦,陈统坚[4](2010)在《基于自适应谐振理论的特征频率提取与融合》一文中研究指出借鉴自适应谐振理论的一些处理思想,提出了一种特征频率提取、融合和增强算法。通过对频谱向量进行多次归一化处理,并插入非线性阈值函数来抑制小幅度噪声频率,同时用适当的正反馈使特征频率进一步增强,且不同频谱之间的融合也被嵌入到其中,形成一种闭环迭代运算。对空调电机3种振动噪声频谱的处理结果表明,该算法有效抑制了原始频谱中的随机干扰频率,对频谱中有用的成分进行了较大幅度的增强。对于每一种振动噪声,该算法都从多个频谱中准确地获取了一个清晰可靠的特征频谱,效果优于平均谱。(本文来源于《振动、测试与诊断》期刊2010年01期)

杨燕,靳蕃,Kamel,Mohamed[5](2009)在《基于自适应谐振理论的Web文档聚类集成方法》一文中研究指出提出了基于自适应谐振理论的Web文档聚类集成方法.该方法先用蚁群算法对Web文档进行聚类,再用ART神经网络对聚类结果集成.实验结果表明,集成后的聚类综合质量高于集成前的聚类综合质量.(本文来源于《西南交通大学学报》期刊2009年01期)

周翠,吴国平[6](2008)在《基于自适应谐振理论的油气圈闭聚类评价》一文中研究指出为了在圈闭的控制因素与油气藏之间建立一种有效的模型,使得能够可靠的评价油气圈闭,从而有效的拟定预探井井位,本文提出了基于自适应谐振理论的油气圈闭聚类评价方法,并在油气圈闭研究区进行了圈闭分类评价试验。结果表明:该方法能有效的对油气圈闭的含油气性进行分类评价,在解决油气圈闭评价方面具有智能性,高效性,准确性,客观性。(本文来源于《工程地球物理学报》期刊2008年03期)

田大新,刘衍珩,魏达[7](2005)在《ARTNIDS:基于自适应谐振理论的网络入侵检测系统》一文中研究指出分析了现有的入侵检测方法,设计了基于自适应谐振理论的网络入侵检测系统(ARTNIDS).它采用了一种全新的行为表示方法,即根据网络数据包结构定义网络行为特征变量;利用改进的自适应谐振理论算法,提高了学习效率,使丢包率由15%左右降低到10%以下,实现了无监督和在线实时学习;提出的类似Hamming距离的检测算法,使误报率低于10%.依上述方法构造的原型系统经实验证明能高效地检测出局域网内的入侵行为.(本文来源于《计算机学报》期刊2005年11期)

廉锋,蒋平[8](2004)在《基于模糊自适应谐振理论的彩色目标跟踪系统》一文中研究指出提出了一种在变光照条件下进行彩色图像分割和目标跟踪的方法 .通过在色度、饱和度、亮度HSI(hue ,satura tion ,illumination)空间自组织非监督地进行颜色聚类 ,使用增加、削减和融合聚类的方法 ,寻找适当的聚类数量 ,使目标跟踪更加精确 .该方法基于模糊自适应谐振理论 (fuzzyadaptiveresonancetheory ,FuzzyART) ,具有在线升级目标颜色模型的能力 ,可以克服环境光线变化所带来的影响 .在复杂背景和变光照条件下的目标跟踪实验结果证实了该方法的有效性 .(本文来源于《同济大学学报(自然科学版)》期刊2004年11期)

王玲,龚健雅[9](2003)在《一种基于自适应谐振理论的TM遥感影像神经网络分类器》一文中研究指出提出了一种基于自适应谐振理论建立起来的自组织模糊ARTMAP神经网络分类器。分析了ART神经网络的结构和工作原理,给出模糊ARTMAP神经网络分类的具体算法,并将其运用到TM遥感影像分类的实验中。结果表明模糊ARTMAP神经网络分类器的速度快,精度高,比常用的BP网络具有更好的性能。(本文来源于《测绘科学》期刊2003年03期)

谭志国[10](2003)在《灰色自适应谐振理论及其性能评估》一文中研究指出神经网络的学习方式通常包括叁种:监督(supervised)学习、无监督(unsupervised)学习和强化(reinforcement)学习。由S.Grossberg和G.A.Carpenter等人提出的自适应谐振理论(Adaptive Resonance Theory-ART)是采用无监督学习的竞争型神经网络模型,其记忆方式与生物记忆形式类似,记忆容量可随学习模式的增加而增加,不仅可进行实时的在线学习,还可随环境的改变而进行动态的学习,具有良好的自适应性。 根据相似度函数的对称性,ART模型一般分为两类:一类属传统ART型,其相似度函数是非对称的;另一类为SART(Simplified ART)型,其相似度函数是对称的。由于两类模型的简单学习规则和动态在线学习特性使其获得了广泛的应用。但其关键的权重调整仅考虑了学习率及输入模式与竞争获胜神经元权重间的差异,忽略了输入模式与所有参与竞争的其它神经元权重间的某种(隐含的)相关关系。为此本文借助Deng的灰色关联系数(Grey Relation Coefficient-GRC)刻画和突出了这种关系,并显式地将其引入到传统ART和SART模型的学习规则中,从而构建了一族灰色ART(Grey ART-GART)和灰色SART(GSART)模型。所谓一族是指模型的学习规则中的灰色关联函数是一个函数族,包括多项式、指数、正切函数。在对GRC的进一步分析发现它仍忽略了输入模式与所有参与竞争的神经元权重间的整体描述特性。本文通过在GRC中加入该整体特性,相应构建了另一族改进的GART(Improved GARTIGART)和改进的GSART(IGSART)模型。最后,在Iris和Wine数据集上的实验证实了两族模型的有效性和可行性。(本文来源于《南京航空航天大学》期刊2003-01-01)

自适应谐振理论论文开题报告

(1)论文研究背景及目的

此处内容要求:

首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。

写法范例:

对遗传算法和ART1分类器在信息过滤中的应用进行了研究与探讨,提出了一种全新算法。利用用户的积极和负面反馈过滤信息,使用ART1网络分类器生成用户的动态配置,并通过遗传算法产生理想的查询。试验结果表明:根据该算法提取的搜索结果,提高了信息过滤的准确率。

(2)本文研究方法

调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。

观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。

实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。

文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。

实证研究法:依据现有的科学理论和实践的需要提出设计。

定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。

定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。

跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。

功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。

模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。

自适应谐振理论论文参考文献

[1].彭治国,耿涛,刘海浪.自适应谐振理论在基于行为的故障诊断中的应用研究[J].制造技术与机床.2013

[2].梁潘,冯朝胜,张天伍.自适应谐振理论网络信息过滤[J].河南科技大学学报(自然科学版).2012

[3].席讴婕.基于k-means和自适应谐振理论的网络流量分类方法[D].内蒙古大学.2010

[4].赵学智,曾作钦,叶邦彦,陈统坚.基于自适应谐振理论的特征频率提取与融合[J].振动、测试与诊断.2010

[5].杨燕,靳蕃,Kamel,Mohamed.基于自适应谐振理论的Web文档聚类集成方法[J].西南交通大学学报.2009

[6].周翠,吴国平.基于自适应谐振理论的油气圈闭聚类评价[J].工程地球物理学报.2008

[7].田大新,刘衍珩,魏达.ARTNIDS:基于自适应谐振理论的网络入侵检测系统[J].计算机学报.2005

[8].廉锋,蒋平.基于模糊自适应谐振理论的彩色目标跟踪系统[J].同济大学学报(自然科学版).2004

[9].王玲,龚健雅.一种基于自适应谐振理论的TM遥感影像神经网络分类器[J].测绘科学.2003

[10].谭志国.灰色自适应谐振理论及其性能评估[D].南京航空航天大学.2003

标签:;  ;  ;  ;  

自适应谐振理论论文-彭治国,耿涛,刘海浪
下载Doc文档

猜你喜欢