模糊超椭球分类算法及其在无约束手写体数字识别中的应用

为获得具有强推广能力、高效的识别算法 ,提出了基于模糊超椭球聚类的模糊超椭球分类算法 ,并且用于无约束手写体数字的识别。模糊超椭球聚类能充分利用训练样本集的分布信息 ,运用较少的类别个数来表征复杂的样本分布 ,获得良好的识别效果和推广能力。在此基础上 ,模糊超椭球分类算法加入了有监督的控制 ,使算法在聚类过程中可以确定合适的类别数 ,使学习结果能更好地反映训练集的概率分布。然后 ,采用学习矢量量化等算法对其进行进一步有监督训练 ,从而取得更好的训练效果。在国际通用的 NIST字库和实际采集的手写体数字集进行的实验中 ,模糊超椭球分裂算法获得了令人满意的结果 ,而且具有进一步发展的潜力。     

目标规划在动态投入产出模型中的应用

应用动态投入产出模型制定中长期宏观经济规划时，经常遇到求多目标的最优解问题，而且，不仅要按不同优先级的目标分层次地进行优化，还要使初始年的各种经济指标符合始端条件。采用目标规划方法，可以在满足始端约束和目标年预期指标的条件下，合理地利用有限资源．定量地得出逐年的产出量、投资构成以及最终净需要量，从而可正确地制定出经济发展规划和决策。     

无约束手写体支票金额汉字串识别系统

针对手写支票金额汉字串分割和识别都十分困难的特点 ,提出了一种基于隐 Markov模型的 ,分割与识别相结合的算法。该算法具有如下的突出优点 :在分割方面 ,将偏旁部首作为分割的基本单位 ,充分考虑无约束手写汉字分割的各种交叠和粘连情况 ,降低了金额汉字串分割的难度 ;在识别方面 ,通过对字符识别结果采用多选 ,利用动态规划算法来对整串字符进行识别 ,提高了汉字串的识别率。作为处理分割困难的汉字串的一种新思路 ,该方法对于其他手写字符识别问题也具有重要的借鉴意义。     

基于遗传算法的数据方体系统设计

决策支持系统实际应用的需求是用户提出的一组频繁查询。为了在系统资源有限的情况下快速有效的回答这些查询,该文提出了基于查询的数据方体系统设计问题。并使用结合了启发式算法的混合遗传算法来优化数据方体系统。在通用数据库上对各种算法进行了实验比较。实验结果表明了该文提出的混合遗传算法在多数情况下可以取得最优解。在不同的系统维护成本的限制下,混合遗传算法都比Harinarayan贪婪算法有效。维护成本越低,效果越明显。     

基于单层网络的自组织的鲁棒主成分分析(PCA)算法

为提高工程图识别中基于主成分分析（ＰＣＡ）的特征提取的精度，讨论了ＰＣＡ鲁棒性问题的两种提法。通过对能量函数的修正，提出一种新的在线自组织式的鲁棒ＰＣＡ运算规则。该方法基于单层线性神经网络（ＮＮ）结构，但是权值的训练算法是非线性的。该鲁棒ＰＣＡ算法能够在运行过程中自动地识别样本集之中的“劣点”，从而在迭代训练中加以适当处理来排除对运算精度和收敛性的影响。通过对比仿真实验结果表明，鲁棒ＰＣＡ算法较之传统的基于特征值分解的统计分析法和各种简单的线性自组织ＰＣＡ算法在鲁棒性上有了较大的改善     

带有格线边框的手写体数字串处理系统

各种单据中存在着大量填写在线框中的手写体数字需要处理。这些线框为定位和分割图像带来了更多的参考信息 ,但同时也提出了如何在尽量不损伤待识别字符条件下去除线框的新问题。论文对带有线框的数字金额字符串的处理和识别进行了研究 ,并给出了一个通用方法。该处理方法采用数学形态法去除数字串的边框格线 ,利用格线的信息和连通域的特征把字符串分割成独立的待识别的数字字符 ,字符识别采用支撑向量机 ,最佳识别结果的选择采用概率统计和先验知识相结合的方法。该处理方法已应用于实际系统并取得了满意效果 ,具有很强的实用价值     

动态投入产出系统的线性二次型最优控制

将大系统分解协调原理应用到具有多年延滞环节的动态投入产出经济系统中，可以将系统分解成两级，来求解该动态线性二次型最优控制问题。所导出的算法可使计算时间比一般算法大为减少。     

用神经元网络的模拟计算方法求解Klee－Minty问题

介绍了一种改进的求解线性规划问题的神经元网络──上ＴＨ神经元网络，分析了该网络稳定点的特性，在此基础上提出关于它的一种比较新颖的模拟计算方法，并用该模拟计算方法求解了著名的Ｋｌｅｅ－Ｍｉｎｔｙ问题。理论分析和实例计算都表明该方法比传统的模拟计算方法欧拉法有效。