基于正则化网络-遗传算法的属性筛选及其在化学模式识别中的应用

采用贝叶斯正则化方法训练，以得到推广性优良的神经网络，并提出启发性的遗传算法。通过灵敏度分析对正则化网络实施剪枝，从而在高维模式中筛选出能代表其分类特性的最小最优属性特征子集。此方法应用于高维留兰香模式的属性筛选与模式分类，效果良好，明显优于其它方法。     

线状铜电极在磷酸溶液中电流混沌振荡的同步行为

研究了恒电位下两个铜线电极在磷酸溶液中的电流混沌振荡行为,通过恒定不同的电位数值,改变单个电极的电流振荡混沌行为,研究了不同混沌间的相互作用.调整线电极间的距离,研究了电极间距对电流振荡行为的影响.实验中两电极的振荡间呈现了复杂的耦合作用,耦合后的频率与耦合前电极原有的频率不同.两电极的混沌电流振荡中呈现出同步、准周期同步和反相同步等现象.电极距离一定时,振荡波形差别很大的两电极的电流容易呈现反相同步和准周期同步,波形差别不大时容易产生同步.强的耦合导致电极间电流振荡的同步,电极距离的加大,电极间电流振荡难以产生同步.对耦合作用机制也进行了探讨.     

粗糙集方法及其在化学模式分类规则挖掘中的应用

简要介绍了粗糙集的基本概念,决策系统的约简步骤和分类规则的挖掘原理,提出了基于信息熵的数据离散化方法,使之充分结合粗糙集特性,具有良好的推广性。又以经典的橄榄油产地判别为例,采用粗糙集方法,无需先验知识,不用设定参数,即能消除冗余的属性和属性值,约简化学系统,从样本数据中挖掘出简明直接、易于理解的产生式分类规则,构建专业意义明确的化学模式分类模型,其预报性能良好,效果令人满意。     

基于预处理的决策树在化学数据挖掘中的应用

化学数据挖掘可从海量数据中提取蕴含的知识,决策树方法是一种重要的挖掘工具。鉴于决策树在处理连续数据上的局限性,本研究提出先进行预处理,将连续属性离散化,通过特征选择删除其冗余量,以此为基础构建决策树。该方法可防止决策树模型“过细”,使之具有良好的预报性能。将此方法应用于两个化学样品分类实例,效果良好。与贝叶斯分析和单一的决策树方法相比,其预报正确率有显著提高,且表达形式直观明确,易于理解和分析,适用于化学分类知识模式的挖掘。     

线状铜电极在磷酸溶液中电流混沌振荡的同步行为

研究了恒电位下两个铜线电极在磷酸溶液中的电流混沌振荡行为 ,通过恒定不同的电位数值 ,改变单个电极的电流振荡混沌行为 ,研究了不同混沌间的相互作用 .调整线电极间的距离 ,研究了电极间距对电流振荡行为的影响 .实验中两电极的振荡间呈现了复杂的耦合作用 ,耦合后的频率与耦合前电极原有的频率不同 .两电极的混沌电流振荡中呈现出同步、准周期同步和反相同步等现象 .电极距离一定时 ,振荡波形差别很大的两电极的电流容易呈现反相同步和准周期同步 ,波形差别不大时容易产生同步 .强的耦合导致电极间电流振荡的同步 ,电极距离的加大 ,电极间电流振荡难以产生同步 .对耦合作用机制也进行了探讨