神经网络量化综述精选(九篇)

前言：一篇好文章的诞生，需要你不断地搜集资料、整理思路，本站小编为你收集了丰富的神经网络量化综述主题范文，仅供参考，欢迎阅读并收藏。

第1篇：神经网络量化综述范文

关键词： 网络安全态势； 层次分析法； 预测研究； BP神经网络

中图分类号： TN915.08?34 文献标识码： A 文章编号： 1004?373X（2017）01?0074?03

Abstract： Proceeding from the safe operation of the network system， the data which can reflect the network safe operation is extracted in the intrusion detection system， antivirus software and other security methods. A set network security situation eva?luation system was established in the aspects of threat， vulnerability， risk and basic running of the network safe operation. The analytic hierarchy process is used to calculate the evaluation system to obtain the comprehensive safety indicator used to character the network security running state. The BP neural network is used to forecast the network security status on the basis of the system. The experimental results show that the BP neural network can predict the network security situation accurately， and has a certain reference value in the related research fields.

Keywords： network security situation； analytic hierarchy process； prediction research； BP neural network

0 引 言

S着互联网的高速发展，各种网络应用越来越多地影响着人们的工作、学习和生活方式。为了及时掌握网络的安全态势，以便网络的管理者采取及时的防范措施，对网络安全状态的预测技术正在成为当下网络安全研究中的一个重要课题[1?2]。

本文受相关文献研究的启发，构建了由威胁指数、脆弱指数、风险指数和基础运行指数四个指数为一级评价指标的评估模型，利用防火墙和杀毒软件等安全手段提取数据，采用层次分析法计算网络安全综述指数，基于该指数采用BP神经网络对未来时刻的网络安全态势进行预测[3]。

1 网络态势安全指标体系的构建

1.1 评价体系的构建

为了全面反映网络的安全态势，本文采用定量描述的方法对威胁指数、脆弱指数、风险指数和基础运行指数进行计算，这四个指数代表网络安全运行所需要的几个必要条件，而综合安全指数则是指在一定时间段内反映当下网络整体安全态势的数值，它由威胁指数、脆弱指数、风险指数和基础运行指数通过加权法获得。

为了进一步丰富评估模型，将这四个指数作为一级评价指标，对其进行分解细化，提炼出这四个指标的下一级具体影响因素，如表1所示。

1.2 实例计算

本文采用层次分析法对构建的评价指标体系进行分析。本文构建的安全状态评价指标体系共分为一级指标4个和二级指标17个，通过对这些指标的分析求出网络的综合安全指数。网络安全状态评价采用李克特量的评分分级标准，分五个等级进行评判，分别为优秀、良好、中等、差和危险，为了方便计算，对其进行量化处理，为其赋值为5，4，3，2，1，具体评价等级对应的数字标准，如表2所示。

为了进一步说明层次分析法在网络安全态势评估中的具体应用，本文以威胁指数的计算为例，计算某日中某单位内网在该指标体系下的威胁指数。

首先根据在该网络中各个监视节点采集到的信息，经过统计计算后，对各个二级指标进行初步赋值，如表3所示。

2 基于BP神经网络的网络安全态势评价

实验选择某单位内网30天内的网络状态数据，利用BP神经网络对该网络安全态势进行预测。采用本文第1节的方法对这30天的网络综合安全指数进行计算，一共获得了如表4所示的30个状态值。

为了使BP神经网络的预测取得较好的效果，同时为了避免局部数值偏移造成的误差，本文采用编组的方式提高模型预测精度，对于序号为1～30的综合安全指数值，选择前三日的状态作为网络的输入样本，下一日的数据作为网络的预测输出样本，选择第28，29，30日的状态值作为网络的检测样本，如表5所示。

考虑到模型的输入输出均为简单的数值，本文的预测检测模型用三层BP神经网络实现，神经网络的输入层包含3个神经元（即前3日的网络综合安全指数），输出层用1个神经元（后一日的网络安全指数），隐层神经元个数通过经验公式选择为12。

将训练样本1～24的数值输入到Matlab 7.0软件中，对网络进行训练，定义期望误差为10-6，训练过程中，BP神经网络误差的变化情形如图1所示。

由图1可知，该BP神经网络通过26步运算后收敛到预定精度要求。

BP网络训练完毕后，首先将所有样本输入到网络，然后定义检验向量，并将检验向量输入网络，检查输入值和输出误差，如图2所示。

其中加“+”的曲线对应为实际数据，“”曲线对应为预测数据，可以看到全局的误差大小保持在0.1以内，说明该BP神经网络具有较低的误差，因此采用该BP神经网络对网络安全态势进行预测有较高的精度。

3 结 论

本文构建了以网络的威胁性、脆弱性、风险性和基础运行性为基础的评价指标体系，采用层次分析法计算网络的综合安全指数，并以此为基础，利用BP神经网络对某单位内网的网络安全状态进行预测，获得了较高精度的预测结果，表明本文构建的评价体系和网络安全态势的预测方式有一定的实用价值。

参考文献

[1] 张淑英.网络安全事件关联分析与态势评测技术研究[D].长春：吉林大学，2012.

[2] 王志平.基于指标体系的网络安全态势评估研究[D].长沙：国防科学技术大学，2010.

[3] 苗科.基于指标提取的网络安全态势感知技术研究[D].北京：北京邮电大学，2015.

[4] 毛志勇.BP 神经网络在计算机网络安全评价中的应用[J].信息技术，2008（6）：45?47.

第2篇：神经网络量化综述范文

论文开题报告格式及如何写论文开题报告 在研究生教育的整个过程中,学位论文质量的高低是衡量研究生培养质量的重要标志。而论文质量的高低,很大程度上取决于论文开题报告做的细致程度。论文开题报告做的细致,前期虽然花费的时间较多,但写起论文来就很顺手,能够做到胸有成竹,从而保证论文在规定的时间保质保量地完成;但如果不重视论文开题报告,视论文开题报告为走过场,写起论文来就会没有目标,没有方向,没有思路,可能就要多走弯路,也很难保证毕业论文的质量。

一、论文开题报告的意义

硕士论文开题报告是研究生在完成文献调研后写成的关于学位论文选题与如何实施的论述性报告。论文开题报告既是文献调研的聚焦点,又是学位论文研究工作展开的散射点,对研究工作起到定位作用。

写论文开题报告的目的,是要请老师及专家们帮忙判断一下所研究的选题有没有价值,研究方法是否奏效,论证逻辑有没有明显缺陷。因此论文开题报告就要围绕研究的主要内容,拟解决的主要问题(或阐述的主要观点),研究步骤、方法及措施为主要内容。但笔者在工作实践中发现有很多学生往往在论文开题报告中花费大量笔墨叙述别人的研究成果,谈到自己的研究方法时,往往寥寥数语一笔带过。这样,不便于评审老师指导。

二、如何写论文开题报告

(一)论文开题报告的前提通过理论思维选择课题

在工作实践中,发现硕士研究生论文开题报告中存在的普遍问题是选题不合适。有的提出的问题太过平庸,有的选题范围太大,研究内容太多、太宽泛,提出的问题不切合硕士生的实际,实践操作起来难度较大。如有的学生提出的论文题目:新型中性镍催化剂的研究及其催化合成聚乙烯、聚丙烯的研究,此选题有意义,有创新,作者的研究思路也比较正确,但论文选题范围太大,研究内容对于一个硕士生来说明显偏多,无法按时完成。因此应重新确定研究内容,注重项目的可操作性。

那么如何选择研究问题呢?这里要强调的是通过理论思维来发现研究问题。

理论是由一系列前设和术语构造的逻辑体系,特定领域的理论有其特定的概念、范畴和研究范式,只有在相同的概念、视角和范式下,理论才能够对话。只有通过对话,理论才能够发展。硕博论文要想创造新理论很难,多数是在既有理论的基础上加以发展。

其次,选择问题是一个剥皮的过程,理论问题总是深深地隐藏在复杂的现实背后,而发现理论问题,则需要运用理论思维的能力。这就需要我们不断锻炼和提高自己的理论思维能力,需要在日常的学习中,不断总结和分析以往的研究者大体是从哪些视角来分析和研究问题,运用了哪些理论工具和方法,通过学习和总结来不断提高自己的理论思维能力,从而选择具有学术理论价值和应用价值,并与国家经济建设及导师承担的科学研究项目紧密结合的研究问题。

(二)做好文献综述,为论文开题报告打好基础

在研究生论文开题报告会上,出现的普遍问题是对文献的研读不够,对研究背景的了解不够深入,对研究方向上国内外的具体进展情况了解不够全面、详细,资料引用的针对性、可比性不强。有很多学生没有完全搞清论文开题报告与文献综述的区别,他们的论文开题报告有很多仅仅是对前人工作的叙述,而对自己的工作介绍甚少。

文献综述的基本内容包括:国内外现状;研究方向;进展情况;存在问题;参考依据。这是对学术观点和理论方法的整理。同时,文献综述还是评论性的,因此要带着作者本人批判的眼光来归纳和评论文献,而不仅仅是相关领域学术研究的堆砌。

要想写好论文开题报告,必须认真研读文献,对所研究的课题有个初步的了解,知道别人都做了哪些工作,哪些方面可以作为自己研究的切入点,因此,文献调研的深入和全面程度,会相当程度地影响论文开题报告的质量,是学生充分发挥主观能动性的客观基础。

(三)论文开题报告的格式及写作技巧

1.论文开题报告格式

一个清晰的选题,往往已经隐含着论文的基本结论。对现有文献的缺点的评论,也基本暗含着改进的方向。论文开题报告就是要把这些暗含的结论、论证结论的逻辑推理,清楚地展现出来。论文开题报告的写作步骤:课题选择课题综述论题选择论文开题报告。论文开题报告的基本内容主要包括:选题的意义;研究的主要内容;拟解决的主要问题(阐述的主要观点);研究(工作)步骤、方法及措施;毕业论文(设计)提纲;主要参考文献。为了写好论文开题报告,江苏工业学院研究生部专门出台了详细的规定,规定论文开题报告的一般内容包括:

(1)论文开题报告课题来源、开题依据和背景情况,课题研究目的以及理论意义和实际应用价值。

(2)论文开题报告文献综述。在阅读规定文献量(不少于50篇,其中外文文献占40%以上)的基础上,着重阐述该研究课题国内外的研究现状及发展动态,同时介绍查阅文献的范围以及查阅方式、手段。

(3)论文开题报告主要研究内容。包括学术构思、研究方法、关键技术、技术路线、实施方案、可行性分析、研究中可能遇到的难点、解决的方法和措施以及预期目标。

(4)论文开题报告拟采用的实验手段,所需科研和实验条件,估计课题工作量和所需经费,研究工作进度计划。

(5)论文开题报告主要参考文献,列出至少10篇所查阅参考的文献。

2.论文开题报告的写作技巧

(1)提出问题注意层次

选题是撰写学术论文的第一步,选题是否妥当,直接关系到论文的质量,甚至关系到论文的成功与否。不同于政策研究报告,学术文章聚焦理论层面、解决理论问题。有的学生的选题不具有新颖性,内容没有创新,仅仅是对前人工作的总结,或是对前人工作的重复。在选题时要坚持先进性、科学性、实用性及可行性的原则。在提出问题时,要以内行看得懂的术语和明确的逻辑来表述。选题来源包括:1、与自己实际工作或科研工作相关的、较为熟悉的问题;2、自己从事的专业某问题发展迅速,需要综合评价;3、从掌握的大量文献中选择反映本学科的新理论、新技术或新动向的题目。

所选题目不宜过大,越具体越容易收集资料,从某一个侧面入手,容易深入。

(2)瞄准主流文献,随时整理

文献资料是撰写好学术论文的基础,文献越多,就越好写,选择文献时应选择本学科的核心期刊、经典著作等,要注意所选文献的代表性、可靠性及科学性;选择文献应先看近期的(近3~5年),后看远期的,广泛阅读资料,有必要时还应找到有关文献所引用的原文阅读,在阅读时,注意做好读书卡片或读书笔记。

整理资料时,要注意按照问题来组织文献资料,写文献综述时不是将看过的资料都罗列和陈述出来,而是要按照一定的思路将其提炼出来。只有这样,才能写出好的文献综述,也才能写出好的论文开题报告,进而为写出好的论文打下基础。

(3)研究目标具体而不死板

一般论文开题报告都要求明确学位论文的研究目标,但笔者认为,研究目标不宜规定得太死板,这是因为,即使条件一定,目标是偏高还是偏低,往往难于准确判断,研究工作本身,涉及求知因素,各个实验室条件不同,具体研究时条件也不同。学位论文选题和研究目标体现了研究工作的价值特征。

三、论文开题报告的质量保证

为了保证硕士研究生的培养质量,提高论文质量,就必须对论文开题报告进行评价。论文开题报告会由3~5位相关学科的专家对论文开题报告进行评议,与企业合作的重大科研项目可以聘请1~2位相应企业的具有高级职称的专家参加,不同学科的论文开题报告的侧重点不同。江苏工业学院研究生部规定学生必须进行论文开题报告,并规定了统一的格式,设计了专门的论文开题报告评审表,论文开题报告会上研究生应对课题进行详细汇报,并对专家提问做出必要的解释和说明。论文开题报告的成绩考核以合格、不合格记。评审小组成员最后签名并给出学生是否合格的评审意见,并以百分制打出具体的分数。论文开题报告成绩不合格者,不得进入课题研究。

为了提高论文质量,研究生必须首先从思想上重视论文开题报告,在平时的学习中注意积累,从各个方面提高能力,尤其要注意培养通过理论思维发现研究问题的能力。论文开题报告是研究工作的开始,良好的开端为优秀的学位论文奠定了坚实的基础。

2017年研究生论文开题报告范文 论文名称：基于BP神经网络的技术创新预测与评估模型及其应用研究

一、课题来源：单位自拟课题或省政府下达的研究课题

选题依据：技术创新预测和评估是企业技术创新决策的前提和依据。通过技术创新预测和评估, 可以使企业对未来的技术发展水平及其变化趋势有正确的把握, 从而为企业的技术创新决策提供科学的依据, 以减少技术创新决策过程中的主观性和盲目性。只有在正确把握技术创新发展方向的前提下, 企业的技术创新工作才能沿着正确方向开展,企业产品的市场竞争力才能得到不断加强。在市场竞争日趋激烈的现代商业中, 企业的技术创新决定着企业生存和发展、前途与命运, 为了确保技术创新工作的正确性,企业对技术创新的预测和评估提出了更高的要求。

二、本课题国内外研究现状及发展趋势

现有的技术创新预测方法可分为趋势外推法、相关分析法和专家预测法三大类。

(1) 趋势外推法。指利用过去和现在的技术、经济信息, 分析技术发展趋势和规律, 在分析判断这些趋势和规律将继续的前提下, 将过去和现在的趋势向未来推演。生长曲线法是趋势外推法中的一种应用较为广泛的技术创新预测方法,美国生物学家和人口统计学家Raymond Pearl提出的Pearl曲线(数学模型为: Y=L∕[1+A?exp(-Bt)] )及英国数学家和统计学家Gompertz提出的Gompertz曲线(数学模型为: Y=Lexp(-Bt))皆属于生长曲线, 其预测值Y为技术性能指标, t为时间自变量, L、A、B皆为常数。Ridenour模型也属于生长曲线预测法, 但它假定新技术的成长速度与熟悉该项技术的人数成正比, 主要适用于新技术、新产品的扩散预测。

(2)相关分析法。利用一系列条件、参数、因果关系数据和其他信息, 建立预测对象与影响因素的因果关系模型, 预测技术的发展变化。相关分析法认为, 一种技术性能的改进或其应用的扩展是和其他一些已知因素高度相关的, 这样, 通过已知因素的分析就可以对该项技术进行预测。相关分析法主要有以下几种: 导前-滞后相关分析、技术进步与经验积累的相关分析、技术信息与人员数等因素的相关分析及目标与手段的相关分析等方法。

(3)专家预测法。以专家意见作为信息来源, 通过系统的调查、征询专家的意见, 分析和整理出预测结果。专家预测法主要有: 专家个人判断法、专家会议法、头脑风暴法及德尔菲法等, 其中, 德尔菲法吸收了前几种专家预测法的长处, 避免了其缺点, 被认为是技术预测中最有效的专家预测法。

趋势外推法的预测数据只能为纵向数据, 在进行产品技术创新预测时, 只能利用过去的产品技术性能这一个指标来预测它的随时间的发展趋势, 并不涉及影响产品技术创新的科技、经济、产业、市场、社会及政策等多方面因素。在现代商业经济中, 对于产品技术发展的预测不能简单地归结为产品过去技术性能指标按时间的进展来类推, 而应系统综合地考虑现代商业中其他因素对企业产品技术创新的深刻影响。相关分析法尽管可同时按横向数据和纵向数据来进行预测, 但由于它是利用过去的历史数据中的某些影响产品技术创新的因素求出的具体的回归预测式, 而所得到的回归预测模型往往只能考虑少数几种主要影响因素, 略去了许多未考虑的因素, 所以, 所建模型对实际问题的表达能力也不够准确, 预测结果与实际的符合程度也有较大偏差。专家预测法是一种定性预测方法,依靠的是预测者的知识和经验, 往往带有主观性, 难以满足企业对技术创新预测准确度的要求。以上这些技术创新预测技术和方法为企业技术创新工作的开展做出了很大的贡献, 为企业技术创新的预测提供了科学的方法论, 但在新的经济和市场环境下, 技术创新预测的方法和技术应有新的丰富和发展, 以克服自身的不足, 更进一步适应时展的需要, 为企业的技术创新工作的开展和企业的生存与发展提供先进的基础理论和技术方法。

目前,在我国企业技术创新评估中, 一般只考虑如下四个方面的因素: (1) 技术的先进性、可行性、连续性; (2) 经济效果; (3) 社会效果; (4) 风险性, 在对此四方面内容逐个分析后, 再作综合评估。在综合评估中所用的方法主要有: Delphi法(专家法)、AHP法(层次分析法)、模糊评估法、决策树法、战略方法及各种图例法等, 但技术创新的评估是一个非常复杂的系统, 其中存在着广泛的非线性、时变性和不确定性, 同时, 还涉及技术、经济、管理、社会等诸多复杂因素,目前所使用的原理和方法, 难以满足企业对技术创新评估科学性的要求。关于技术创新评估的研究, 在我国的历史还不长, 无论是指标体系还是评估方法, 均处于研究之中, 我们认为目前在企业技术创新评估方面应做的工作是: (1) 建立一套符合我国实际情况的技术创新评估指标体系; (2) 建立一种适应于多因素、非线性和不确定性的综合评估方法。

这种情况下, 神经网络技术就有其特有的优势, 以其并行分布、自组织、自适应、自学习和容错性等优良性能, 可以较好地适应技术创新预测和评估这类多因素、不确定性和非线性问题, 它能克服上述各方法的不足。本项目以BP神经网络作为基于多因素的技术创新预测和评估模型构建的基础, BP神经网络由输入层、隐含层和输出层构成, 各层的神经元数目不同, 由正向传播和反向传播组成, 在进行产品技术创新预测和评估时, 从输入层输入影响产品技术创新预测值和评估值的n个因素信息, 经隐含层处理后传入输出层, 其输出值Y即为产品技术创新技术性能指标的预测值或产品技术创新的评估值。这种n个因素指标的设置, 考虑了概括性和动态性, 力求全面、客观地反映影响产品技术创新发展的主要因素和导致产品个体差异的主要因素, 尽管是黑匣子式的预测和评估, 但事实证明它自身的强大学习能力可将需考虑的多种因素的数据进行融合, 输出一个经非线性变换后较为精确的预测值和评估值。

据文献查阅, 虽然在技术创新预测和评估的现有原理和方法的改进和完善方面有一定的研究,如文献[08]、[09]、[11]等, 但尚未发现将神经网络应用于技术创新预测与评估方面的研究, 在当前产品的市场寿命周期不断缩短、要求企业不断推出新产品的经济条件下, 以神经网络为基础来建立产品技术创新预测与评估模型, 是对技术创新定量预测和评估方法的有益补充和完善。

三、论文预期成果的理论意义和应用价值

本项目研究的理论意义表现在: (1) 探索新的技术创新预测和评估技术, 丰富和完善技术创新预测和评估方法体系; (2) 将神经网络技术引入技术创新的预测和评估, 有利于推动技术创新预测和评估方法的发展。

本项目研究的应用价值体现在: (1) 提供一种基于多因素的技术创新定量预测技术, 有利于提高预测的正确性; (2)提供一种基于BP神经网络的综合评估方法, 有利于提高评估的科学性; (3) 为企业的技术创新预测和评估工作提供新的方法论和实用技术。

四、课题研究的主要内容

研究目标：

以BP神经网络模型为基础研究基于多因素的技术创新预测和评估模型, 并建立科学的预测和评估指标体系及设计相应的模型计算方法, 结合企业的具体实际, 对指标和模型体系进行实证分析, 使研究具有一定的理论水平和实用价值。

研究内容：

1、影响企业技术创新预测和评佑的相关指标体系确定及其量化和规范化。从企业的宏观环境和微观环境两个方面入手, 密切结合电子商务和知识经济对企业技术创新的影响, 系统综合地分析影响产品技术创新的各相关因素, 建立科学的企业技术创新预测和评估指标体系, 并研究其量化和规范化的原则及方法。

2、影响技术创新预测和评估各相关指标的相对权重确定。影响技术创新发展和变化各相关因素在输入预测和评估模型时, 需要一组决定其相对重要性的初始权重, 权重的确定需要基本的原则作支持。

3、基于BP神经网络的技术创新预测和评估模型研究。 根据技术创新预测的特点, 以BP神经网络为基础, 构建基于多因素的技术创新预测和评估模型。

4、基于BP神经网络的技术创新预测和评估模型计算方法设计。根据基于BP神经网络的技术创新预测和评估模型的基本特点, 设计其相应的计算方法。

5、基于BP神经网络的技术创新预测和评估模型学习样本设计。根据相关的历史资料, 构建基于BP神经网络的技术创新预测和评估模型的学习样本, 对预测和评估模型进行自学习和训练, 使模型适合实际情况。

6、基于BP神经网络的技术创新预测和评估技术的实证研究。以一般企业的技术创新预测与评估工作为背景, 对基于BP神经网络的技术创新预测和评估技术进行实证研究。

创新点：

1、建立一套基于电子商务和知识经济的技术创新预测和评估指标体系。目前,在技术创新的预测和评估指标体系方面, 一种是采用传统的指标体系, 另一种是采用国外先进国家的指标体系, 如何结合我国实际当前经济形势, 参考国外先进发达国家的研究工作, 建立一套适合于我国企业技术创新预测和评估指标体系, 此为本研究要做的首要工作, 这是一项创新。

2、研究基于BP神经网络的技术创新预测和评估模型及其计算方法。神经网络技术具有并行分布处理、自学习、自组织、自适应和容错性等优良性能, 能较好地处理基于多因素、非线性和不确定性预测和评估的现实问题, 本项目首次将神经网络技术引入企业的技术创新预测和评估, 这也是一项创新。

五、课题研究的基本方法、技术路线的可行性论证

1、重视系统分析。以系统科学的思想为指导来分析影响企业技术创新发展和变化的宏观因素和微观因素, 并研究影响因素间的内在联系, 确定其相互之间的重要度, 探讨其量化和规范化的方法, 将国外先进国家的研究成果与我国具体实际相结合, 建立我国企业技术创新预测和评估的指标体系。

2、重视案例研究。从国内外技术创新预测与决策成功和失败的案例中, 发现问题、分析问题, 归纳和总结出具有共性的东西, 探索技术创新预测与宏观因素与微观因素之间的内在关系。

3、采用先简单后复杂的研究方法。对基于BP神经网络的技术创新预测和评估模型的研究, 先从某一行业出发, 定义模型的基本输入因素, 然后, 逐步扩展, 逐步增加模型的复杂度。

4、理论和实践相结合。将研究工作与具体企业的技术创新实际相结合, 进行实证研究, 在实践中丰富和完善, 研究出具有科学性和实用性的成果。

六、开展研究已具备的条件、可能遇到的困难与问题及解决措施

本人长期从事市场营销和技术创新方面的研究工作, 编写出版了《现代市场营销学》和《现代企业管理学》等有关著作, 发表了企业技术创新与营销管理创新、企业技术创新与营销组织创新及企业技术创新与营销观念创新等与技术创新相关的学术研究论文, 对企业技术创新的预测和评估有一定的理论基础, 也从事过企业产品技术创新方面的策划和研究工作, 具有一定的实践经验, 与许多企业有密切的合作关系, 同时, 对神经网络技术也进行过专门的学习和研究, 所以, 本项目研究的理论基础、技术基础及实验场所已基本具备, 能顺利完成本课题的研究, 取得预期的研究成果。

七、论文研究的进展计划

2003.07-2003.09：完成论文开题。

2003.09-2003.11：影响企业技术创新发展的指标体系研究及其量化和规范化。

2003.11-2015.01：基于BP神经网络的技术创新预测和评估模型的构建。

2015.01-2015.03：基于BP神经网络的技术创新预测和评估模型计算方法研究。

2015.03-2015.04：基于BP神经网络的技术创新预测和评估模型体系的实证研究。

2015.04-2015.06：完成论文写作、修改定稿，准备答辩。

主要参考文献：

[01] 傅家骥、仝允桓等. 技术创新学. 北京: 清华大学出版社 1998

[02] 吴贵生. 技术创新管理. 北京: 清华大学出版社 2000

[03] 柳卸林. 企业技术创新管理. 北京: 科学技术出版社 1997

[04] 赵志、陈邦设等. 产品创新过程管理模式的基本问题研究. 管理科学学报. 2000/2.

[05] 王亚民、朱荣林. 风险投资项目ECV评估指标与决策模型研究. 风险投资. 2002/6

[06] 赵中奇、王浣尘、潘德惠. 随机控制的极大值原理及其在投资决策中的应用. 控制与决策. 2002/6

[07] 夏清泉、凌婕. 风险投资理论和政策研究. 国际商务研究. 2002/5

[08] 陈劲、龚焱等. 技术创新信息源新探. 中国软科学. 2001/1. pp86-88

第3篇：神经网络量化综述范文

关键词：图像特征提取；人机交互系统；BP神经网络；Canny边缘检测算法

中图分类号：TP391

在感性消费的社会里，情感与体验等无形的因素逐渐变成衡量人生活品质的关键要素，在这样的背景下，公寓作为人的生理心理双重港湾，更是不得不考虑住户的感性需求。如何能够实现用户只通过表达自己的情感就找到符合自己需求的公寓图片呢？本文设计了一个自选公寓人机系统，使得用户能方便快捷地获得符合自己情感需求的公寓图片，并进行选择。

1 感性空间

感性空间的建立主要有下面几个步骤：一是搜集挑选用户对于公寓图片的心理感觉形容词对；二是挑选用户进行问卷调查，利用感性工学语义量化（SD）方法，建立用户情感认知空间；三是对多维情感认知空间进行多元分析，简化情感空间的维数。一和二属于调查阶段，三属于分析阶段。

1.1 调查阶段

首先挑选了11对感觉形容词，再加上一对反映用户喜好的形容词，喜欢和不喜欢，共计十二对：喜欢的――不喜欢的，宽广的――狭窄的，温馨的――清冷的，协调的――不协调的，整齐的――杂乱的，优雅的――不优雅的，明亮的――阴冷的，舒适的――不舒适的，柔和的――刚硬的，现代的――传统的，简约的――复杂的，放松的――紧张的。

选取200幅公寓图片，针对上述十二对形容词，邀请120名用户进行等级评价。评价分为五个等级，例如图1的形容词对宽广的――狭窄的，1、2、3、4、5分别表示非常宽广的，有些宽广的，中性，既不宽广也不狭窄的，有些狭窄的，非常狭窄的。

图1 五级评价

这样就得到最终的结果模型，也即用户感性数据库，可描述为：A= ，其中akij为第k个用户对第i个公寓图片的第j个感性词汇对的等级评价，K=120，I=200，J=12，i=1，2，…，I，j=1，2，…，J。

1.2 分析阶段

因子分析的思想是将众多变量之间的内部关系简化成用少数几个公共变量来描述，一般假设某一样本变量由所有变量均有的公共因子和自己独有的特殊因子两部分组成，因子分析的数学模型为：

X=B F+ε， （1）

（i*j）（i*m） （m*j） （i*j）

其中X为i个原变量j个评价标准的i维矩阵，B为因子载荷矩阵，F为m维的公共因子变量矩阵，ε为特殊因子矩阵，因子载荷矩阵是各个原始变量的因子表达式的系数，表达提取的公共因子对原始变量的影响程度。

对于上述感性数据库A，由于akij为第k个用户对第i个公寓图片的第j个感性词汇对的等级评价，于是可求得所有用户对第i个公寓图片的第j个感性词汇对的等级评价，进而可得到一个均值意象评分矩阵A′，A′= ，对该均值意象评分矩阵利用（1）式进行分析，可得到一个m维公共因子矩阵，也即将原感性空间从i维降到m维，并可得形容词在该感性空间的坐标。

2 情感客户模型

建立情感客户模型即建立图像特征空间到用户情感空间的一个映射，为此，需要先对公寓样本图片进行特征提取。

2.1 公寓设计样本图片特征提取

2.1.1 图片颜色特征提取

颜色特征采用颜色直方图法表示，颜色直方图可以是基于不同的颜色空间和坐标系。大部分的数字图像都是用RGB颜色空间表达的，然而为了更接近于人们对颜色的主观认识，首先将RGB颜色空间转换到HSV颜色空间，其转换公式具体为下面（2）、（3）、（4）式：

（2）

（3）

（4）

其中 。再将HSV颜色模型进行颜色量化，最后计算得到颜色直方图。

2.1.2 图片形状特征提取

本文选择Canny算子边缘检测算法对图片形状分析，首先对图像按（5）式灰度化；接着用高斯滤波器平滑滤波，滤波器高斯函数为（6）式，即是根据待滤波的像素点及其邻域点的灰度值按照一定的参数规则进行加权平均，这样可以有效滤去图像中的高频噪声；之后计算图像灰梯度的幅值和方向，并对灰度幅值进行非极大值抑制，即寻找像素点局部最大值，将非极大值点所对应的灰度值置为0，这样可以剔除一大部分非边缘的点；剩下的也不都是边缘点，为了减少假边缘，采用双阈值法，选择相对高低两个阈值，由高阈值可以得到一个边缘图像，由于阈值较高，这样图像就含有很少假边缘，但是产生的图像边缘可能有间断，因此又采用了一个低阈值，将高阙值得到的边缘连接成轮廓，在到达轮廓的断点时，选择低阙值直到边缘能够闭合为止；之后采用Hu不变矩对提取出来的轮廓进行特征提取。

Gray=0.299R+0.587G+0.114B （5）

（6）

2.2 建立情感模型

本文采取的是BP神经网络方法，通过神经网络学习图像特征与用户感性词汇之间的关系，结构图如下：

图2 BP神经网络结构图

输入层维数为基本颜色的个数，输出层维数为感性词汇的个数。我们选择200幅公寓图片作为BP神经网络的训练图，邀请20位用户对这些图像进行情感标注，挑选出代表性词汇，假设我们得到的词汇空间为温馨，清冷，简约，古典，恬淡，高贵，轻快，优雅，分别用（10000000），（01000000）…（00000001）一一对应表示，之后提取图片的颜色特征，得到十二种基本颜色特征，红橙黄绿青蓝紫褐灰粉黑白，分别用（100000000000），（010000000000）…（000000000001）一一对应表示，这样就得到神经网络的训练集。输入层与输出层之间隐含层的作用是根据训练样本，学习提取并储存其内在规律。对于隐含层节点来说，确定其最佳数目的常用方法是试凑法，一般以式（7）作为试凑法的初始值：

（7）

式中m为隐层节点个数，n为输入层节点个数，l为输出层节点个数，a为1-10之间的常数。完成训练后，就可以将训练样本以外的数据输入到网络中，判断网络的预测能力。

3 客户自选公寓设计人机系统

图3给出了该人机系统的框图，图4给出了用户自选流程，用户可以对显示的图片进行选择，文中选取的是200幅公寓图片，但系统图片库中远远超过这个数目，而且系统管理人员会及时更新图片库，所以要求系统能够对更新的图片进行感性注释，当用户输入的是系统形容词库中所没有的形容词时，系统能够进行训练学习，找到其感性空间中对应坐标，并且系统可以该形容词汇自动记忆并加入感性形容词库。

图3 客户自选公寓人机系统框图 图4 用户自选公寓流程

4 实验及分析

本文共选取了200幅公寓图片，邀请用户对图片进行评价和量化，形成情感数据库，当用户提出形容词配对自选公寓时，从图片库中找出符合条件的样本，并显示出来。图5为“清冷的”显示结果。实验中用户感觉较好。

图5 自助公寓系统获取图像

5 结束语

本文将感性工学方法与图像特征提取相结合用于设计人机系统，研究出一种情感模型，通过神经网络方法，使得图片的特征空间可以映射到客户情感空间，从而完成了自选公寓系统最重要的部分，致力于实现人机之间的和谐交流。在公寓样本图像的分析这个问题上，包括图像选取是否涵盖所有类型，包括怎样使提取的特征更准确代表图像，比如有的学者将图像的全局颜色特征和局部特征相结合，等等，未来研究中可以着重这些方面，进一步完善。

参考文献：

[1]黄，赖茂生.图像情感特征的分类与提取[J].计算机应用，2008（03）.

[2]许青，陈坤，彭兆元.基于感性工学的消费者需求分析[J].设计艺术研究，2012（03）.

[3]汪霞，张晓如，冯成.基于颜色、形状的情感图像检索[J].科学技术与工程，2009（11）.

[4]薛雨丽，毛峡，张帆.BHU人脸表情数据库的设计与实现[J]，2007（02）.

[5]Akiya Inoue，Takeshi Kurosawa，Motoi Iwashita，Ken Nishimatsu.Customer Choice-Behavior Modeling Applied to Kansei Engineering.2011 International Conference on Biometrics and Kansei Engineering.

[6]汤凌洁.感性工学方法之考察[D].南京艺术学院，2008：21-39.

[7]苏建宁，李鹤歧.应用数量化一类理论的感性意象与造型设计要素关系的研究[J].兰州理工大学学报，2005（02）.

[8]柯惠新，黄京华，沈浩.调查研究中的统计分析法[M].北京：北京广播学院出版社，1999.

[9]靳清泽.基于神经网络的图像特征和情感映射规则的研究[D].太原理工大学，2012.

[10]李清勇，胡宏，施智平.基于纹理语义特征的图像检索研究[J].计算机学报，2006（01）.

[11]李海芳，柳凌燕，陈俊杰.基于免疫规划的神经网络规则抽取算法[J].电脑开发与应用，2010（07）.

[12]刘红岩，陈剑，陈国青.数据挖掘中数据分类算法综述[J].清华大学学报（自然科学版），2002（06）：727-730.

[13]王上飞，陈恩红，王胜惠.基于情感模型的感性图像检索[J].电路与系统学报，2003（06）.

第4篇：神经网络量化综述范文

关键词：交通流预测 模型 应用

交通量是依照道路规划设计和交通管理为依据的，是指单位时间内通过某一个地方或断面的机动车辆数。常以平均交通量、小时交通量和设计小时交通量为代表。对于交通量的预测主要采用个别推算法，分为直接法和间接法。直接法和间接法的区别就是研究对象的不同，前者以路段交通量为对象，后者以作为对象再转换为前者的研究对象。目前，我国公路建设项目交通量预测还不够成熟，交通量分析预测方法用于高速公路建设项目时，一般采取四段预测，是指交通量的生成、交通分布、方式选择和分配四阶段，以机动车出行起讫点调查为基础，在每个阶段以所建项目区域为对象，分析区域经济变化对交通量的需求，用模型进行模拟，预测四个阶段。很多科学家开发了很多不同的交通量预测模型，按不同学科分为基于统计方法的模型、动态交通分配模型、交通仿真模型、非参数回归模型、神经网络模型、基于混沌理论的模型、综合模型等。这些模型的优缺点分析如下：

一、基于统计方法的模型

基于统计方法的模型很简单，是基于线性的基础，是用数理统计对交通的各参数进行预测，即交通量、平均速度和运行时间。线性模型用于交通流预测，所需检测设备数量小且简单，价格低廉。

基于统计方法的模型分为历史平均模型法和线性回归模型方法。历史平均模型法一般对于历史数据进行延用进行预测，对于未来数据的特性没有改变进行预测。虽然使用历史数据在一定范围对不同时段里的交通量变化问题有所解决，但该历史平均模型精度差，静态预测不够准确，适用性不强、实时性差，不能解决诸如突发事件的交通状况，对于非常规交通事故不能处理。线性回归模型方法是依据预先确定的回归方程，对影响交通流的因素进行预测，局限于一定的流量范围。当实际情况和参数标定时的交通状态相差大时，预测不能及时修正误差，会使其加大，主要影响因素在量化过程中存在着一些不确定性，而在线标定多元线性回归的参数又比较困难。

总之，历史平均模型方法和线性回归模型方法，可采用参数最小二乘法估计，便于计算，但大部分模型都是基于线性的，不能反映交通流的非线性与不确定性，对于交通流变化大时，预测效果低，也避免不了随机干扰因素的影响。

二、交通仿真模型

交通仿真是用计算机模拟道路的实际情况，具体是把车辆当成实体进行仿真，通过交通信息预测交通状况。其实，交通仿真模型需要输入实时的交通数据量，提供一种估计动态旅行时间的方法。严格地说，需要输入用于预测的交通流数据，通过仿真预测道路信息算不上交通预测。交通仿真模型只是模拟实际的一个交通流、占有量和旅行时间之间关系的计算方法，一旦交通流量数据能够通过其他的方法预测得到后，仿真模型可以提供一种估计动态旅行时间的方法，并不能实现实时性。

三、基于动态交通分配的模型

动态交通分配是为了提高路网运行效率和降低交通拥挤程度的方法，是按照一定的规则将动态交通按需分配到路网上，从而得到道路实时交通量的方法。传统的仿真模型，都是要事先确定出行者的出行线路，使用动态交通分配可以得到该结果。传统的静态的交通分配是实时变化的动态交通流问题，并且不是对任何网络通用。DTA模型是根据交通流数据和出行者的线路估算出实时的网络状态。它通常非为三种：：以仿真为基础、以数学为基础、以变分方程为基础或者以主观控制理论为基础的启发式模型。

动态交通分配的方法目的明确、研究方向清楚，但也有很多不足之处：①某些模型的原理简单，但优化时间长，求解难度大或无法求解；②条件设定的比较苛刻，在实际路网中取得信息的代价太麻烦，甚至无法获得相应信息；③由于过分要求用户最优分配结果或最优的精确系统，模型求解难度比较大，不适合应用到大规模路网。

四、非参数回归模型

单条路段分析是只需足够的历史数据，不需要先验知识，利用历史数据中与当前点相似的那些点预测下一个阶段的交通量的方法，它基于本路段及相邻路段的交通流量信息对该路段进行交通流量预测。非参数回归模型一种多条路段分析方法，也叫做多元回归模型，即对单条路段分析的扩展。非参数建模算法是从历史数据信息中建立一个近似模型，它认为系统所有的因素之间的内在联系都蕴涵在历史数据中，非参数建模没有将历史数据作平滑处理，适合在非常规事件或者交通事故发生时使用。

五、神经网络模型

神经网络可以识别复杂非线性系统，是一种新兴的数学建模方法。交通领域中运用神经网络，是因为交通系统比较庞大复杂，运用神经网络可以很好预测交通量。神经网络采用典型的“黑箱”式学习模式，即不需要了解预测问题的内部机理，不需要任何经验公式，只要输入、输出大量样本，通过神经网络“黑箱”内部自动调整后，就可以建立对应的输入、输出映射关系，即神经网络模型。由于神经网络具有“黑箱”式学习模式，对于数据处理进行自学习和深度综合、分类和关联，而且有独特的并行结构、联想记忆、较强的容错性和鲁棒性、自适应自组织等特点，可以实时更新网络信息，预测交通量的保证，它可以被大量地用在交通预测中。与Kalman filtering不同，神经网络能离线训练，减少了在线预测的计算量。神经网络研究路段它不但能利用历史数据，还可考虑相关路段以及各种影响交通系统的因素，如道路施工、事故、道路条件、天气等。

但神经网络的 “黑箱”式学习模式，在训练过程中需要大量的原始数据，数据不足不会有良好的预测效果，不能获得容易被人接受的输入/输出关系；它的算法理论上存在问题，采用ERM最小化原理，但是不能期望风险最小；同时，推广比较不明显，因为训练完成的网络只适合当前所研究路段，当各种参数改变时，训练完成的网络很难适用，也不能用于其他路段。

综上，交通系统是一个复杂巨系统，这种有自组织特性的动态系统、“组织”与 “自组织”交互作用贯穿始终，内部过程不可逆，而且存在着非线性的相互作用。基于统计方法的模型、交通仿真模型、基于动态交通分配的模型、非参数回归模型和神经网络模型 用于交通流预测，各有其优点和缺陷。单个模型具有局限性，基于非线性系统理论的综合模型将会应用于各种交通流预测中。

参考文献：

第5篇：神经网络量化综述范文

中图分类号：R2-03 文献标识码：A 文章编号：1005-5304（2013）04-0103-05

由于中医诊断主要根据医生的经验来决定，因此，在临床施治过程中存在较大的主观性和不确定性等问题。在中医诊断领域引进数据挖掘技术，不但符合现在多学科交叉发展的潮流，在解决实际问题上，无疑也是中医客观化进程中的又一催化剂。作为一门融合人工智能、机器学习和数理统计等方法的新型学科技术，数据挖掘在克服人类本身认知和思维长度的基础上，充分利用海量临床数据，通过模拟临床诊断推理过程来挖掘临床诊断数据中繁杂的证、症关系，对寻求中医专家的辨证规律有重要价值。目前，在该领域涉及到的数据挖掘方法较多，主要有贝叶斯网络、人工神经网络、粗糙集理论、关联分析、决策树、聚类分析、判别分析、支持向量机、多标记学习、随机森林等。笔者现对这些方法的相关应用综述如下。

1 常见数据挖掘方法

1.1 贝叶斯网络

贝叶斯网络是通过简明的图形方式结合统计理论来定性表示变量间复杂因果或概率关系的一种数据分析方法，包括网络集和概率集两部分。该方法具强大的执行高效推理任务的功能，能充分利用先验知识，而使其在诊断领域的应用价值极大。在解决中医定量诊断问题上，其体现出的功能主要表现在：揭示众多症症之间以及症与证间的复杂关系，探究证候的主要症状和次要症状，定量确定其诊断价值，这有助于确定证候诊断的标准和规范，而且建立的证候诊断模型以概率形式给出诊断结果，能有效辅助专家作出决策。因此，该方法对促进中医诊断学发展所做的贡献不可忽视。张氏等[1]对255例肺癌患者证候以症状之间的关联性及关联强度为基础，利用贝叶斯网络概括出了肺癌的证候要素，包括病机要素9个、病位要素5个及病机要素之主要症状与次要症状。曲氏等[2]对611例抑郁症患者的中医证候进行了研究，采用贝叶斯网络对抑郁症中医症状进行评定，发现拟定的中医证型包含了抑郁症的核心症状和周边症状的不同组合方式，体现了抑郁症临床多变的证候特点。范氏等[3]对收集到的1512例类风湿关节炎（RA）患者的临床数据采用基于聚类的贝叶斯网络模型，提取出了RA的7项主特征及4型的类特征，为中医辨证分型及RA中医诊断标准提供了临床依据。龚氏等[4]对2501例2型糖尿病的临床数据运用该方法分析，发现空腹血糖异常患者及糖化血红蛋白异常患者均以阴虚热盛多见，而餐后2 h血糖异常患者则以阴虚多见。王氏等[5]应用此方法通过分析474例血瘀证临床诊断数据进行血瘀证定量诊断，发现了血瘀证的7个关键症状，并与此同时建立“是否血瘀证”的分类器模型，经交叉验证发现此分类器诊断准确率达96.6%。郭氏等[6]认为，证候的复杂性表现为证候各因素之间的高维高阶性，他们运用贝叶斯网络技术对肺系疾病证候构成因素之间关联形式进行了研究，发现各因素间的联结形式是线性相关与非线性相关并存的，它们相互交织，形成复杂的网络结构，表现出典型的非线性特征。

1.2 人工神经网络

人工神经网络是在对人脑神经网络结构认识理解的基础上人工构造的新型信息处理系统。目前的神经网络模型有：用于分类、预测和模式识别的前馈式神经网络模型，用于联想记忆和优化计算的反馈式神经网络模型，以及用于聚类的自组织映射方法。其中前馈式神经网络模型是目前应用最广泛的神经网络之一。对于将其应用于中医诊断领域，陈氏[7]认为，中医学辨证施治本质上就是对众多数据信息进行处理并提取规律的过程，而人工神经网络恰恰具备较好获得数据规律的能力。人工神经网络模型的优势主要体现于其黑箱结构，这赋予人工神经网络强大的非线性拟合能力，使其能够任意精度逼近非线性函数。

但不足的是，在中医研究中，人工神经网络不能进行变量筛选，对其得到的结果也只是局部最优而非全局最优。如李氏等[8]对142例脾气虚弱及肺脾气虚证HIV/AIDS患者的主要实验指标、四诊信息的主要症状和舌象运用Clementine中的特征选择节点进行筛选，建立脾气虚弱和肺脾气虚的人工神经网络模型，发现该模型能较好地诊断艾滋病患者脾气虚弱和肺脾气虚证型，其样本模型训练集诊断的正确率和测试集诊断的正确率分别为87.25%和80.00%。傅氏等[9]认为，运用数据驱动模式建立中风人工神经网络模型，将为进行繁杂多变的中风证候的动态研究、掌握证候的动态演变规律及在不同时点进行疗效评价提供一个新的探索方向。许氏等[10]通过对心血管疾病中医临床信息数据库中的临床信息和证候类别之间的关系进行分析，发现人工神经网络尤其是OCON网络对该病常见的中医证型的识别率最高，其中心气虚证和心阳虚证分别高达92.4%、82.9%。有研究运用人工神经网络分析RA、糖尿病肾病（DN），分别建立RA和DN证候的BP网络模型，并采用三倍交叉验证的方法，发现这2种模型平均诊断准确率分别为90.72%、92.21%[11-12]。余氏[13]通过文献资料和临床资料收集选用人工神经网络等方法开展2型糖尿病证候诊断标准模型建立及对比研究，所建模型在临床数据测试样本的正确辨识率为73%。

1.3 粗糙集理论

粗糙集理论主要用于分析研究不完备数据，这是继概率论、模糊集、灰色理论之后又一个刻画不确定、不完备系统的有力数学工具。基于其具有能有效处理各种不确定、不完备信息的强大能力，有研究者认为将其用于分析中医症状-辨证要素间相关性，建立定性定量标准，有很大前景[14]。其最大优点在于不需要问题所需处理数据之外的任何先验信息，能够在保留关键信息的前提下求得知识的最小表达式。因此，将粗糙集理论引入中医，运用到中医诊断上，将可能是实现中医诊断智能化的又一个发展方向。

陈氏等[15]以450例老年人细菌性肺炎患者在就诊过程中的285项指标为研究对象，采用粗糙集方法对已经过初始数据处理的各数据进行挖掘分析，得到7种中老年肺炎的证候诊断标准，为疗效评价指标提供了客观依据。陈氏等[16]从与原发性高血压相关的古今医案中收集237例病案，对其症状和体征进行数据预处理，运用基于粗糙集理论的KDD决策分析系统Rosetta软件约简病证属性，获取到了原发性高血压肝阳上亢证的专家知识，为进一步研究原发性高血压肝阳上亢证奠定基础。刘氏[17]运用粗糙集理论对脾胃系疾病的证候诊断进行相关研究，建立了可进行辨证分型的计算机软件，并通过这一软件量化标准来判断患者所属证候，为治疗脾胃系疾病辨证提供可靠依据。谢氏[18]建立了一个基于粗集理论的中医诊断专家系统模型，以模拟中医专家诊断的过程。秦氏等[19]把粗糙集应用于中医类风湿证候诊断，并在类风湿病的各证候诊断上应用。

1.4 关联分析

在数据挖掘方法中，关联分析常用来挖掘特征之间或者数据之间的相互依赖关系，对给定的事务数据库找出满足最小支持度和最小置信度的关联规则。与其他数据分析方法不同的是，关联规则的引入，可以从大量貌似繁杂症与证的数据中，找到隐形的关联，极大促进中医诊断学的发展；并且其所得结果清晰有用，同时支持间接数据挖掘；可处理变长的数据，为寻找诊断数据中的隐性关联带来了方便，其计算的消耗量也可以预见[20]。

肖氏等[21]设计了一种基于遗传算法的正相关关联规则挖掘算法，发现胃部不适症状与处方、证候重要关联关系。陈氏等[22]通过对400例肝硬变患者进行关联分析，找出符合最小支持度和最小置信度并形成规则的中医证候气滞/气郁证和血瘀证，这表明肝硬变和气滞证、血瘀证之间关联度非常高。钟氏等[20]采用关联规则的分析算法，探求胃炎症状与“中虚气滞”辨证之间的关系，得到在中虚气滞证中，口干欲饮这个症状对辨证的影响最大。

1.5 决策树

决策树算法是一种逼近离散值函数的方法，常用来形成分类器和预测模型，是建立在信息论基础之上对数据进行分类的一种方法。岳氏[23]通过选取300例确诊为小儿肺炎患者的数据为基础，成功构建了基于决策树算法的小儿肺炎指纹辨证分类模型，准确率达84.5%。钟氏等[20]从中医胃炎数据中筛选出“中虚气滞”的病历，通过决策树，以“中虚气滞”为目标属性，根据病历中症状辨证是否与目标属性相同设置“yes”和“no”两值，再通过设置的训练样例运用ID3算法构建决策树，以判断未知中医证型的病例是否归属“中虚气滞”。查氏等[24]将397例已确诊活动期RA患者随机分为中药和西药治疗组，通过对其初诊中西医症状及检查结果采用决策树进行证病信息和疗效的相关关系探索，得出可从证候信息的角度获得药物治疗的最佳适应证，从而实现个体化治疗。徐氏等[25]对406例慢性胃炎病例用bootstrap抽样扩增，采用基于信息熵的决策树c4.5算法建立中医辨证模型，测试集模型分类符合率为81.25%。

1.6 聚类分析

聚类分析的实质就是聚集数据成类，使类间的相似性最小，而尽可能增大类内的相似性。其优点是：作为一种探索性的统计分析方法，聚类分析方法可以在对数据没有先验知识的情况下对数据资料进行分类，根据数据的内在相似或相关程度，可使得类别内数据“差异”尽可能小，类别间“差异”尽可能大，对中医药领域中的症状组合规律、证候规律等方面的研究具有一定的推动作用。但由于中医证候复杂程度较大，聚类分析在解决这些问题时存在的局限性表现在：①多结果，主观性大。此分析方法无法根据数据内部特点自主确定分为几类，需要研究者依据其学科知识和经验来确定到底聚为几类、聚到哪一类为最佳；此外，选择不同的类间距离和变量间距离的定义方法，结果将大有不同，因此，多次尝试、反复分析对于此类分析方法来说是必须的。②单分配，即变量只能被聚到某一类。在研究症状的聚类问题时，中医的一个症状常需要能被聚到不同的类中，但聚类分析只能将一个症状归入某一个类别里面。

李氏等[26]应用系统聚类的方法对276例乙肝后肝硬化的症状、体征进行分析研究，得出乙肝后肝硬化基本中医证候有湿热内蕴证、肝肾阴虚证、肝郁脾虚证、脾虚湿盛证、脾肾阳虚证、血瘀证、气（阳）虚证共7类。卢氏等[27]通过制定“中医证候临床观察表”，对106例儿童中间型β地中海贫血患者进行中医证候调查，采用聚类分析等统计学方法得出广州地区中间型β地中海贫血患儿中医证候分布特点为气血两虚证>肝肾阴虚证>脾肾阳虚证>阴阳两虚证，这为进一步规范化辨证论治提供了一定依据。何氏等[28]采用临床流行病学的方法，对143例冠心病PIC术后患者的症状、体征等临床资料进行了聚类分析，得出冠心病PIC术后患者证候分为气虚痰浊、肾虚血瘀、肝气郁结、脾气亏虚、心气亏虚、气阴亏虚共6类。黄氏等[29]应用变量聚类分析的数理统计方法，对慢性疲劳综合征（CFS）进行了中医辨证分型，并对收集到的237例CFS患者的症状、舌象和脉象等临床资料进行了变量聚类分析，得出变量聚类分析能帮助CFS在中医证候中合理分为精髓空虚、阴液亏虚、脾肾阳虚和肝火亢盛共4型，解释比例为61.68%。

1.7 判别分析

与其他统计学方法不同的是，判别分析的主要目的是建立一个线性组合，使其可用最优化的模型来概括分类之间的差异。该方法常用来根据已知数据的分类情况判断未知待分析数据的归属问题等，在证候的研究方面应用最广。

胡氏等[30]根据所收集的413例亚健康失眠患者的中医证型对证候变量进行逐步判别分析，建立判别函数式，得出亚健康失眠中医证型判别函数与临床诊断吻合良好，逐一回代法判别总一致率达81.1%。夏氏等[31]对77例慢性再生障碍性贫血（CAA）患者进行辨证分型分组，应用逐步判别分析方法建立CAA中医证型判别方程，筛选出了与判别方程最相关的6个免疫学和血常规指标。郦氏等[32]以脑梗死中医证型标准化研究结果为基础，采用逐步判别分析，建立了脑梗死各证型与观察指标间的数学判别方程。赵氏等[33]对收集符合RA诊断标准的患者按照辨证对变量进行逐步判别分析，建立了一个具有较好的判别效果的判别模型。薛氏等[34]选用已进行频数分析的文献207篇进行肝病证候的判别分析，认为肝郁脾虚证辨证标准难以脱离疾病特点。

1.8 支持向量机

支持向量机是基于统计学习和结构风险最小化原则的学习机器，可以通过核函数将低维输入空间的数据特征投射到高维数据控件，并求得最优分类的超平面。该算法的关键思想是利用核函数把一个复杂的分类任务映射，使之转化成一个线性可分问题。在许多实际学习问题中，它允许扩大的空间维数非常大，在某些情况下可能无穷大，能较好地解决小样本、非线性、高维数和局部最小等问题。支持向量机方法较适用于中医诊断数据的现状和对中医临床经验的总结。

徐氏等[35]以中医心系503个样本为例，利用支持向量机进行中医心系证候分类研究，结果表明，该方法在证候分类中能达到较高的准确率。王氏等[36]以名医诊治冠心病典型医案115例建立冠心病名医诊疗数据库，运用支持向量机方法提取到名医诊治冠心病8个主要证候要素并确定其定量诊断，阐释了证候要素应证组合规律。殷氏等[37]对舌诊数据进行主成分提取，分别建立Logistic回归和支持向量机模型，发现在小样本情况下支持向量机模型更优，敏感度达92.8%，特异度达92.3%。杨氏等[38]精选1个家系虚寒证的相关基因信息，选择间接比较实验方案进行基因芯片实验，对5例虚寒证和5例正常人差异表达基因的表达值进行建模，使用支持向量机、K近邻分类法等方法，将家系中其他人样本带入，发现其能够正确判别。在舌象诊断鉴别上，谢氏[39]依据支持向量机理论，以径向基函数作为核函数构造多分类分类器，将舌象的特征参数作为输入样本，对病证进行分类，并以肝病病证分类做了仿真。

1.9 多标记学习方法

与其他分类方法不同的是，多标记学习方法的每个研究对象不再对应于单一的概念标记，而是由单个示例（属性向量）表示并对应于多个概念标记，即一个样本和多个类标相关联。鉴于现实社会涉及到的很多真实对象往往都具多语义、多分类目标性，如疾病的证候、证型，待分类的文档、网页，生物信息学中的基因等，因此，多标记学习方法的成熟对促进这些领域的发展也就显得十分重要。然而该方法存在的一个主要问题是不能充分利用各训练样本所含概念标记之间的相关性，从而有效提高学习系统的泛化能力；此外，由于其存在复杂程度较大，运用该方法进行研究尚存在降维方法和特征选择方法较少的不足。

针对中医临床证候兼夹的多标记特点，研究人员首次将多标记学习算法引入到中医问诊的客观化研究。该研究将多标记学习结合频次分析，应用于冠心病的问诊证候模型建立，有效提高了诊断模型的识别率；在此基础上，还结合中医数据特点，提出了多标记学习算法（REAL），并结合信息增益等特征选择方法，挑选出常见证候的20个最优特征，显著提高了慢性胃炎的证候的识别率[40-41]。邵氏等[42]运用多标记学习结合混合优化的特征选择算法（HOML），用于冠心病中医问诊数据分析，建立了中医冠心病数据模型，并获得了冠心病问诊症状的最优特征子集。

1.10 随机森林

随机森林是决策树算法的一种改进，其综合思想是组合多棵bootstrap样本建立的决策树的预测，通过投票给出有效的错判率估计、分类器强度、相关性和变量的重要性等指标。该方法对每个被分析的数据都给出了重要性的评分，在某种程度上有利于有效的特征变量的挑选，降低数据维度。随机森林作为一种自然的非线性建模工具，具有很高的预测准确率，能很好地容忍异常值和噪声，不易出现过拟合，降低分类错误率；也不会出现在bootstrap样本中的OOB数据，还能为样本提供一个数据内部估计，可用来高效估计组合分类器中的泛化误差，有助于理解分类精度以及如何提高精度。

洪氏等[43]通过引入随机森林方法，对《慢性疲劳（CF）中医临床症状分级量化表》中的95个症状进行数据编码，选取CF常见证候要素的主要症状并衡量症状对各证候要素的贡献程度，得到了CF脾虚证、心虚证、肝郁证以及气虚证4个证候要素的症状集，将各症状集作为模型输入，各模型预测准确率分别为96.13%、94.75%、95.89%、94.26%。邹氏等[44]借用特定脾虚证临床数据集证明基于特征提取的分类集成模型比其他集成方法具更低的错误率，认为特征提取在降低错误率上作出了明显的贡献，但其结果是否适用于其他小样本数据尚未证实。王氏等[45]通过文献调研，推测使用随机森林提取亚健康关键症状或指标可帮助亚健康状态的判断。

2 讨论

中医临床诊断数据存在的一个显著特点是证候夹兼、数据多而繁杂、各数据之间的关系藏而不现。因此，借助现代化的信息技术手段，综合运用数理统计分析方法以进一步挖掘四诊以及证候之间的隐性关联具有重要意义。然而，在数理统计方法研究发展正处于高峰期的信息化时代，如何根据待分析的数据库的特点选择正确恰当的方法是当前数据挖掘首先要考虑的问题。

一个样本量较大的数据库，当需要进行一定的数据分类时，可能有必要对上述方法进行探索。聚类分析可满足对数据进行一定的症状的组合、证候规律的挖掘；若是在已知数据的分类情况下需要对待分析数据进行分类，判别分析恰有这方面的优势；决策树则在实现数据分类挖掘过程中的可视化方面凸显其优势；随机森林可在决策树的基础上进一步提高有效特征变量的提取率，同时还能避免数据预处理过程中的过拟合现象。当然，在临床数据分析过程中也经常出现数据样本量较小、维度较高等现象，支持向量机方法在中医领域的引进则为这些数据的分析带来新的契机。除了对数据进行分类挖掘外，数据之间的关联讨论也是数据分析必不可少的，尤其在中医诊断中探讨各症、证之间的关联领域的应用；在隐性关联分析的众多分析方法中，多标记学习法有效解决了证候夹兼的现象；粗糙集理论有利于建立定量定向标准；人工神经网络在识别证型上主要体现其强大的非线性拟合能力；此外，在探究症与证关系上，贝叶斯网络还是诊断领域的常用之法，该方法还可帮助我们进一步探讨症状集中的主次症。

总之，集各种数据挖掘方法之长于一体来对某一数据库进行挖掘分析将为中医界数据挖掘技术的成熟带来不可预料的进展。目前，大部分数据挖掘方法都只是被单一采用，即使有同时运用多种挖掘方法进行数据分析，也只是对某一数据系统运用多种方法相互比较，所获得的结果效用度较小。多重方法相互交融、相互补充、综合运用于某一数据分析系统中的研究在在中医领域尚不很成熟，或许可以成为数据挖掘在中医药研究中的进一步的模式和规则，为数理统计在中医药知识的创新和发展中开辟一条新的途径。

参考文献：

[1] 张霆，陈波，马胜林，等.基于贝叶斯网络的肺癌证候研究[C]//庆祝浙江省中西医结合学会成立三十周年论文集粹.杭州：浙江省中西医结合学会，2011：50-52.

[2] 曲森，启盛，包祖晓.贝叶斯网络模型在中医证候研究中的应用[C]//世界中联第三届中医、中西医结合老年医学学术大会论文集.北京：世界中医联合会，2010：61-63.

[3] 范建平，李常洪，吴美琴，等.贝叶斯网络在中医诊断中的应用研究[J].管理科学学报，2008，11（6）：143-150.

[4] 龚燕冰，倪青，高思华，等.Ⅱ型糖尿病主要理化指标与中医证候相关性的贝叶斯网络分析[J].中华中医药杂志，2010，25（1）：3l-33.

[5] 王学伟，瞿海斌，王阶.一种基于数据挖掘的中医定量诊断方法[J].北京中医药大学学报，2005，28（1）：4-7.

[6] 郭蕾，王学伟，王永炎，等.论高维高阶与证候的复杂性[J].中华中医药杂志，2006，21（2）：76-78.

[7] 陈伟青.浅论人工神经网络在中医学上的应用[J].河南中医学院学报， 2004，19（11）：12-13.

[8] 李玉森，施学忠，杨永利，等.人工神经网络在HIV/AIDS患者主要虚证诊断中的应用[J].中华中医药杂志，2012，27（5）：1269-1271.

[9] 傅勤慧，裴建，惠建荣，等.中风证候动态研究现状与展望：数据与模型驱动模式的应用[J].中西医结合学报，2011，9（12）：1292-1300.

[10] 许朝霞，王忆勤，颜建军，等.基于支持向量机和人工神经网络的心血管疾病中医证候分类识别研究[J].北京中医药大学学报，2011，34（8）：539-543.

[11] 白云静，申洪波，孟庆刚.基于共轭梯度下降算法的类风湿性关节炎BP神经网络症候模型研究[J].中国中医药信息杂志，2010，17（3）：96-97.

[12] 白云静，申洪波，孟庆刚，等.基于人工神经网络的中医证候非线性建模研究[J].中国中医药信息杂志，2007，14（7）：3-4.

[13] 余学庆.基于智能计算的2型糖尿病中医证候诊断方法研究[D].北京：北京中医药大学，2007.

[14] 晏峻峰，朱文锋.粗糙集理论在中医证素辨证研究中的应用[J].中国中医基础医学杂志，2006，12（2）：90-93.

[15] 陈楚湘，沈建京，陈冰，等.运用粗糙集理论建立中老年肺炎中医症候诊断标准[C]//第二中国控制会议论文集.上海：中国自动化学会控制理论专业委员会，2010：40-42.

[16] 陈素玲，付爽，高云，等.基于粗糙集理论的原发性高血压肝阳上亢证辨证系统的建立[J].山东中医药大学学报，2010，34（3）：201-203.

[17] 刘泉.粗糙集在脾胃系疾病中医辨证中的应用研究[D].武汉：湖北中医学院，2008.

[18] 谢国明.基于粗集理论的中医诊断模型的建立[J].数理医药学杂志， 2005，18（4）：302-304.

[19] 秦中广，毛宗源，邓兆智.粗糙集在中医类风湿证候诊断中的应用[J].中国生物医学工程学报，2001，20（4）：357-363.

[20] 钟颖，胡雪蕾，陆建峰.基于关联规则和决策树的中医胃炎诊断分析[J].中国中医药信息杂志，2008，15（8）：97-99.

[21] 肖光磊，陆建峰，李文林，等.正相关关联规则及其在中医药中的应用[J].计算机工程与应用，2010，46（6）：227-233.

[22] 陈明，杨慧芳，余蕾.基于关联规则的肝硬变辨证数据挖掘研究[J].河南中医杂志，2009，29（3）：258-260.

[23] 岳路.决策树算法在小儿肺炎中医临床诊断中的研究与应用[D].济南：山东大学，2011.

[24] 查青林，何羿婷，喻建平，等.基于决策树分析方法探索类风湿性关节炎证病信息与疗效的相关关系[J].中国中西医结合杂志，2006，26（10）：871-986.

[25] 徐蕾，贺佳，孟虹，等.基于信息熵的决策树在慢性胃炎中医辨证中的应用[J].中国卫生统计，2004，21（6）：329-331.

[26] 李毅，刘艳，寇小妮，等.乙肝后肝硬化症状学聚类研究[J].中医药导报，2012，18（2）：14-16.

[27] 卢焯明，钱新华.以聚类分析法研究儿童中间型β地中海贫血的中医证候分布规律[J].中华中医药杂志，2012，27（3）：607-611.

[28] 何庆勇，王阶.基于聚类分析的冠心病介入术后中医证候分类及诊断[J].中医杂志，2008，49（10）：918-921.

[29] 黄小波，李宗信，陈文强，等.慢性疲劳综合征的中医证候聚类分析[J].中华中医药杂志，2006，21（10）：592-594.

[30] 胡万华，陈克龙，赵娜，等.亚健康失眠患者中医证型的判别分析[J].中医杂志，2012，53（2）：142-144.

[31] 夏乐敏，王运律.慢性再生障碍性贫血中医证型判别方程的建立与使用[J].中华中医药学刊，2012，30（2）：409-411.

[32] 郦永平，温淑云.脑梗死证型量化分级的判别方程研究[J].中国中医急症，2012，21（1）：81-82.

[33] 赵宝利，黄可儿，赵敏.类风湿关节炎中医辨证分型的判别分析[J].中华中医药杂志，2012，27（1）：240-242.

[34] 薛飞飞，汪南.基于判别分析的肝病肝郁脾虚证证候特点的文献研究[J].中华中医药杂志，2011，26（6）：1260-1263.

[35] 徐，王亿勤，邓峰.基于SVM的中医心系证候分类研究[J].世界科学技术―中医药现代化，2010，12（5）：713.

[36] 王阶，吴荣，周雪忠.基于支持向量机的名老中医治疗冠心病证候要素研究[J].北京中医药大学学报，2008，31（8）：540.

[37] 殷彬，方思行.脾虚证诊断的数学模型[J].暨南大学学报：自然科学版，2006，26（3）：363-367.

[38] 杨丽萍，黄睿，张洛欣，等.用特征功能模块法挖掘一个虚寒证家系的基因表达谱[J].中华中医药杂志，2010，25（5）：683-685.

[39] 谢铮桂.基于多分类支持向量机的中医舌诊诊断的研究[J].计算机与数字工程，2008，36（11）：60.

[40] Liu GP， Li GZ， Wang YQ. Modelling of inquiry diagnosis for coronary heart disease in TCM by using multi-label learning[J]. BMC Complementary and Alternative Medicine，2010，10：37.

[41] Liu GP， Yan JJ， Wang YQ， et al. Application of multi-label learning using the relevant feature for each label （REAL） algorithm in the diagnosis of chronic gastritis[J]. Evidence- Based Complementary and Alternative Medicine，2012，6：3-5.

[42] 邵欢，李国正，刘国萍，等.多标记中医问诊数据的症状选择[J].中国科学：信息科学，2011，41（11）：1372-1387.

[43] 洪燕珠，周昌乐，张志枫，等.基于随机森林法的慢性疲劳证候要素特征症状的选择[J].中医杂志，2010，51（7）：634-638.

[44] 邹永杰，周继鹏，王桂香，等.基于特征提取的分类集成在脾虚证诊断中的应用[J].计算机应用与软件，2010，27（3）：22-25.

第6篇：神经网络量化综述范文

Abstract:The paper comment on digital image fusion what it researched maily,and introduce some typical technique of image fusion.

关键词:数字图像融合;主成分分析;演化计算;神经网络;小波变换;模糊算法

Key words: digital image fusion;principal components analysis;evolutionary computation;neural network;wavelet transform;fuzzy algorithm

中图分类号:TP399 文献标识码:A文章编号:1006-4311(2010)20-0099-01

0引言

二十世纪九十年代以来,图像融合技术的研究呈不断上升的趋势,应用领域也遍及遥感图像处理,可见光图像处理,红外图像处理,医学图像处理等。尤其是近几年来,多传感器图像融合技术已成为机器人,智能制造,智能交通,医疗诊断,遥感,保安,军事应用等领域的研究热点问题。

1数字图像融合的主要研究内容

数字图像融合是将两个或者两个以上的传感器在同一时间(或不同时间)获取的关于某个具体场景的图像或者图像序列信息加以综合,以生成一个新的有关此场景的解释,而这个解释是从单一传感器获取的信息中无法得到的。图像融合的目的是减少不确定性,其作用包括:①图像增强。通过综合来自多传感器(或者单一传感器在不同时间)的图像,获得比原始图像清晰度更高的新图像。②特征提取。通过融合来自多传感器的图像更好地提取图像的特征,如线段,边缘等。③去噪。④目标识别与跟踪。⑤三维重构。

2图像融合研究的发展现状和研究热点

多传感器图像融合是一个正在兴起的,并有着广泛应用前景的研究领域。当前图像融合在特征级的研究重点在于提高融合图像的空间分辨率的同时,尽量保持原图像的光谱特征,从而保证后续分析理解的有效性。另外,图像序列以及视频信息的融合问题也是非常有意义的研究课题。

3几类典型的数字图像融合理论与方法

3.1 主成分分析法主成分分析法的几何意义是把原始特征空间的特征轴旋转到平行于混合集群结构轴的方向去,得到新的特征轴。实际操作是将原来的各个因素指标重新组合,组合后的新指标是互不相关的。在由这些新指标组成的新特征轴中,只用前几个分量图像就能完全表征原始集群的有效信息,图像中彼此相关的数据被压缩,而特征得到了突出。

3.2 演化计算法演化计算是模拟自然界生物演化过程产生的随机优化策略与技术。它具有稳健性,通用性等优点和自组织,自适应,自学习等职能特征,下面是几种常用的演化计算方法:

3.2.1 遗传算法GA(genetic algorithm)遗传算法的基本思想是基于达尔文进化论和孟德尔遗传学说的。所以在算法中要用到进化和遗传学的概念,比如串(在算法中为二进制串,对应于遗传学中的染色体);群体(个体的集合,串是群体的元素);基因(串中的元素,如有一个串S=1001,其中1,0,0,1这四个元素分别成为基因);基因位置;串结构空间;参数空间;非线性;适应度等。遗传算法的原理可以简要给出如下:

Choose an initial population;Determine the fitness of each individual;Perform selection.

Repeat:Perform crossover;Perform mutation;Determine the fitness of each individual;Perform selection;

Until some stopping criterion applies.

这儿所指的某种结束准则一般是指个体的适应度达到给定的阈值,或者个体的适应度的变化率为零。

3.2.2 粒子群算法(PSO)粒子群优化算法是一种进化计算技术,源于对鸟群捕食的行为研究。设想有这样一个场景:一群鸟在随机搜索食物,在这个区域里只有一块食物,所有的鸟都不知道食物在哪里,但是他们知道当前的位置离食物还有多远,那么找到食物的最优策略是什么呢?最简单有效的方法就是搜寻目前离食物最近的鸟的周围区域。PSO算法从这种模型中得到启示并用于解决优化问题。PSO中,每个优化问题的解都是搜索空间中的一只鸟,我们称之为“粒子”。所有的粒子都有一个由被优化的函数决定的适应值,每个粒子还有一个速度决定他们飞翔的方向和距离,然后粒子们就追随当前的最优粒子在解空间中搜索。PSO初始化为一群随机粒子(随机解),然后通过迭代找到最优解。

3.2.3 蚁群算法蚁群算法(ant colony optimization,ACO),又称蚂蚁算法,是一种用来在图中寻找优化路径的机率型技术。它由Marco Dorigo于1992年在他的博士论文中引入,其灵感来源于蚂蚁在寻找食物过程中发现路径的行为。蚁群算法是一种求解组合最优化问题的新型通用启发式方法,该方法具有正反馈、分布式计算和富于建设性的贪婪启发式搜索的特点。

3.3 神经网络法神经网络法是在现代神经生物学和认知科学对人类信息处理研究成果的基础上提出的,它有大规模并行处理、连续时间动力学和网络全局作用等特点,将存储体和操作合二为一。现实世界中图像噪声总是不可避免地存在,甚至有时信息会有缺失,在这种情况下,神经网络融合法也能以合理的方式进行推理。

3.4 小波变换法自从1989年Mallat提出了二维小波分解方法后,小波变换在图像处理中迅速得到了广泛的应用。在图像融合领域,小波变换方法也是一种重要的方法。对于图像融合,在频率域进行比在时间域进行更为有效,融合算法的设计必须把融合的技术目的和图像的频率域表现结合起来考虑。

3.5 模糊图像融合所谓模糊性是指客观事物在形态及类属方面的不分明性,其根源是在类似事物间存在一系列过渡状态,它们互相渗透,互相贯通,使得彼此之间没有明显的分界线。图像融合模糊算法的基本原理是利用模糊隶属度函数量化不同目标类型和相应像素值之间的关系。

4结束语

图像融合是一个众多学科感兴趣的十分活跃的研究领域。图像融合也还有许多问题急需解决。首先,图像融合技术缺乏理论指导。虽然关于图像融合技术的公开报道很多,但每篇文章都是针对一个具体的应用问题,对图像融合技术还没有一个统一的理论框架。所以,建立图像融合的理论框架是目前的一个发展方向。再者由于图像的特殊性,在设计图像融合算法时一定要考虑到计算速度和所需的存储量,如何得到实时、可靠、稳定、实用的融合算法和硬件电路是目前研究的一个热点。另外,建立客观的图像融合技术评价标准也是急需解决的问题。

参考文献:

[1]覃征等.数字图像融合[M].西安交通大学出版社,2004.

第7篇：神经网络量化综述范文

Abstract: According to the scholars' study, this paper constructs the evaluation model based on rough set theory and grey theory to assess supply chain risk level, and verifies the feasibility by the quantitative analysis, which enterprise has strong significance to the management decision making in Enterprise.

关键词：供应链风险管理；风险评估；粗糙集；灰色系统理论

Key words: supply chain risk manegement；risk assessment；rough set；grey theory

中图分类号：C93 文献标识码：A 文章编号：1006-4311（2011）28-0020-02

0 引言

典型的供应链风险管理包括风险识别、风险评估、风险决策和管理、风险监控四个基本阶段。供应链风险评估是指利用一定的方法措施对供应链风险水平进行评价估算。目前，已有一些学者对此进行了一定的研究。哈里克斯（Hallikas）从风险事件的概率和结果的角度,半定量化地研究了供应链风险评估问题。丁伟东等提出了基于模糊评价方法的供应链可靠性评估矩阵。张彦如等在一定偏好基础上，利用模糊理论和风险评估方法建立了不确定性风险评估模型。蒋有凌、杨家其等针对各风险因素对供应链风险的影响程度和各风险因素相对于供应链风险的权重，运用人工神经元网络与专家系统相结合的方法建立了基于模糊综合评判与人工神经网络法的综合评估模型。本文在以往学者的研究基础上，提出了一种基于粗糙集和灰色系统理论的各医疗风险评估方法。首先运用粗糙集理论确定风险指标的权重，再运用灰色系统理论建立模糊矩阵，评估供应链风险水平。

1 粗糙集理论基础

粗糙集（Rough Set）理论由波兰数学家Z．Pawlak在1982年提出。该理论定义了模糊性和不确定性的概念，是一种处理模糊、不确定性问题的新型数学工具。下面给出粗糙集理论中的有关定义。

1.1 信息系统 令I=（U，R，f，V）为一个信息系统，其中U为论域（非空有限集），R为属性集（非空有限集），V为评价值集。对于任意的A?哿R，有等价关系类ind（A）：ind（A）={（x，y）∈U×U│?坌a∈A，f（x，a）=f（y，a）}。称ind（A）为不可分辨关系。U对A的划分表示与等价关系A相关的信息，记为U/ind（A）。

1.2 上下近似集 对于不可分辨关系ind（A），当X?哿U，集合X的上下近似集可以定义为：A（X）=∪{Y∈U/ind（A）│Y?哿X}；A（X）=∪{Y∈U/ind（A）│Y∩X≠?I}。其中，集合posA=A（X）表示集合X的正域。

参考文献：

[1]周艳菊,邱莞华,王宗润.供应链风险管理研究进展的综述与分析[J].系统工程，2006.3,24(3).

[2]丁伟东,刘凯,贺国先.供应链风险研究[J].中国安全科学学报,2003,13 (4)：64-66.

[3]张彦如, 陈敬贤,郑泉，陈黎卿.基于偏好的供应链不确定型风险模糊评估方法研究[J].运筹与管理,2008.2,17(1).

[4]蒋有凌,杨家其,尹靓,杨俊.基于ANN的供应链风险综合评估模型与应用[J].武汉理工大学学报，2008.2,32(1).

第8篇：神经网络量化综述范文

摘 要 随着时代和社会的不断变革，体育事业领域也随之发展并不断变革。由于多年的成就和经验积累，体育训练在体育领域里积累并储存了大量的数据信息。要想使体育事业站在更辉煌的高度成就更高的荣耀，就必须充分挖掘体育训练中的训练数据，充分发现体育训练中的科学规律和模式，使之能够克服训练中的复杂性和难度性。

关键词 数据挖掘 体育训练 人工智能技术

数据挖掘是发现数据知识的一种方法，是发现大量数据中隐藏的特殊关系的过程。数据挖掘是通过利用计算机进行数据信息的统计、分析、检索和识别，是通过人工智能方式对数据库内数据信息的发现、处理和利用的过程。将数据挖掘应用于体育训练指导中，实现体育数据信息的管理和优化，使体育训练资料能够得以充分地勘探和研究使用，从而发挥体育训练的最大动能。

一、传统数据在体育训练中的应用问题

体育训练和指导是提高运动员竞技能力、体能水平、基本素质、专项素质及技能水平的一种重要手段，同时也是通过各种技能指标、体能水平指标和身体素质指标等对运动员的身体状态和运动成绩进行评价和预测。在体育训练中，由于不同的年龄、体重、性别等条件形成了不同的量化检测标准。训练指导员只有通过不同的训练测试数据进行有区别的分析，才能发现运动员之间存在的差距，并制定符合实际的训练方案。随着体育训练数据的不断积累和更新，传统的数据检测、处理方式已经无法满足当前的实际需求，并且呈现出较为严重的弊端。

（一）无法达成训练指标的及时优化

训练指导员通过长期的体育训练经验总结和制定出大量的训练内容和指导方案，储存了大量的体育训练和指导数据，但是这些数据存在离散、模糊等特点，训练指标之间相互独立，无法达成融合交汇，无法形成系统完整的数据分析标准，无法实现体育训练各项目之间的成就共通，导致各项体育训练之间的关系模糊不清，各项体育训练数据和指标未能得到进一步优化和整理。

（二）无法达成训练状态的正确评价

无论是哪项体育训练，其最终目的都是提高运动员的整体身体素质和身体状态，使运动员能够以最佳的状态和最优的水平来迎接比赛和挑战。传统调节运动员体能状态的方法仅仅是依靠训练指导员的经验，在比赛准备期间进行强化训练。然而这个方法是不完全可取的，如果教练员的经验不足或者未能充分了解到运动员当前的身体状况，就无法分析出当前运动员竞技水平情况，无法正确评价出运动员竞技状态的好坏，从而造成训练决策的失误，进而影响训练结果和比赛成绩。

二、数据挖掘在体育训练指导中的应用研究

现今对体育训练数据进行分析的方法是传统的统计分析法，主要是通过对体育训练数据主成分的分析明确运动项目中各个指标的重要性，通过训练数据的连锁分析明确运动指标间的联系性，通过统计分析预测运动员的比赛成绩。在体育训练中运用统计分析法，打破了传统训练指导员依靠个人经验指导训练的状态，但是这种突破并不完全。对于优秀的运动员，统计分析法的作用就显得微乎其微了。所以，在体育训练中采取更加先进的、科学的数据分析技术尤为重要。

（一）利用分类整理对体育训练数据信息进行数据挖掘

利用数据挖掘的分类功能，将现存的大量模糊的体育训练数据信息进行分类识别，发现隐含于其中的有潜在价值的信息和数据。利用数据挖掘分类功能，按照体育训练数据信息的相似性和差异性进行合理编排，实现体育训练信息的自动化分类，并对此做出归纳性的推理总结，使训练指导员能够在不同条件下及时调整训练对策，理性地面对训练对象，从而做出正确的训练方案和训练方式。

（二）利用回归分析法对体育训练数据信息进行数据挖掘

利用回归分析方法，充分反映出体育训练数据库中数据信息的属性值，通过函数表达方式充分发现体育训练指导数据信息的属性连带关系，使训练指导员能够更加准确地对运动员的竞技状态和身体素质进行预测，并在不同状态下采取针对性的调整策略，使运动员能够以最佳的身体状态和素质迎接比赛和挑战。

（三）利用关联规则对体育训练数据信息进行数据挖掘

利用关联规则法，充分发现体育训练数据库中隐藏的训练数据关系，实现一个训练数据带动其他相关训练数据项的出现，实现海量体育训练数据信息的相关联，从而满足体育训练中训练指导员对运动员状态和成绩的预测需求，使训练指导员充分了解运动员相应的状况并及时做出训练方案的改善。

（四）利用神经网络方法对体育训练数据信息进行数据挖掘

神经网络方法，是一种先进的人工智能技术，具有自行处理、按步储存、高度容错的特点，可以将体育训练数据中不清晰、不完整、不严密的数据信息进行高度处理。利用前馈式神经网络模式对体育训练数据信息进行分类预测和模式识别，利用反馈式神经网络模式对体育训练数据信息进行联想记忆和优化速算，利用组织映射模式对体育训练数据信息进行自动聚类，使训练指导员能够及时发现运动员在训练中的问题，并采取各种行之有效的方法进行解决。

（五）利用Web方法对体育训练数据信息进行数据挖掘

Web是一种综合性的技术方法，可以从文档结构和使用集合中发现隐藏的模式类型，从而实现数据信息输入和输出过程的高度转换。利用Web方法进行数据挖掘，实现体育训练数据信息输入和输出的映射过程，实现数据信息的充分利用。

利用数据挖掘技术，充分发现大量复杂运动训练数据中的科学规律性和相关性，实现体育训练指导和分析的最优化，实现人工智能、数据库和体育训练的有效结合。

参考文献：

[1] 祝玮东.当代体育研究中数据挖掘技术的应用[J].南京体育学院学报（自然科学版）.2010（01）.

第9篇：神经网络量化综述范文

2.基于检测树的抗原合法性快速检测方法孙秋丽，韩芳溪，王晓琳，SUNQiu-li，HANFang-xi，WANGXiao-lin

3.运用改进的SPEA2算法优化网格工作流调度方法李金忠，夏洁武，曾劲涛，王翔，LIJin-zhong，XIAJie-wu，ZENGJin-tao，WANGXiang

4.一种基于AR模型的非线性盲源提取方法及其应用蔡英，王刚，CAIYing，WANGGang

5.基于B样条FFD模型配准的虹膜图像融合方法吴国瑶，马立勇，WUGuo-yao，MALi-yong

6.关于T范数的广义模糊子坡(理想)芮眀力，廖祖华，胡淼菡，陆金花，RUIMing-li，LIAOZu-hua，HUMiao-han，LUJin-hua

7.融合PSO算法思想的进化算法刘建华，黄添强，严晓明，LIUJian-hua，HUANGTian-qiang，YANXiao-ming

8.基于偏最小二乘降维的分类模型比较曾雪强，李国正，ZENGXue-qiang，LIGuo-zheng

9.OPHCLUS:基于序关系保持的层次聚类算法雷小锋，庄伟，程宇，丁世飞，谢昆青，LEIXiao-feng，ZHUANGWei，CHENGYu，DINGShi-fei，XIEKun-qing

10.采样特异性因子及异常检测孙静宇，余雪丽，陈俊杰，李鲜花，SUNJing-yu，YUXue-li，CHENJun-jie，LIXian-hua

11.一种基于SVM的快速特征选择方法戴平，李宁，DAIPing，LINing

12.一种ReliefF特征估计方法在无监督流形学习中的应用谭台哲，梁应毅，刘富春，TANTai-zhe，LIANGYing-yi，LIUFu-chun

13.基于agent的模式表示模型AIM程显毅，朱倩，管致紧，CHENGXian-yi，ZHUQian，GUANZhi-jin

14.歌词与内容相结合的流行音乐结构分析梁塽，许洁萍，李欣，LIANGShuang，XUJie-ping，LIXin

15.基于免疫网络的无监督式分类算法梁春林，彭凌西，LIANGChun-lin，PENGLing-xi

16.舌体图像分割技术的实验分析与改进李国正，史淼晶，李福凤，王忆勤，LIGuo-zheng，SHIMiao-jing，LIFu-feng，WANGYi-qin

17.基于退火遗传算法的NURBS曲线逼近刘彬，张仁津，LIUBin，ZHANGRen-jin

18.基于Harris角点的木材CT图像配准张训华，业宁，王厚立，ZHANGXun-hua，YENing，WANGHou-li

19.基于词语量化相关关系的句际相关度计算钟茂生，刘慧，邹箭，ZHONGMao-sheng，LIUHui，ZOUJian

20.iCome:基于多义性的图像检索系统陈虎，黎铭，姜远，周志华，CHENHu，LIMing，JIANGYuan，ZHOUZhi-hua

21.基于字的词位标注汉语分词于江德，睢丹，樊孝忠，YUJiang-de，SUIDan，FANXiao-zhong

22.不均衡问题中的特征选择新算法:Im-IG尤鸣宇，陈燕，李国正，YOUMing-yu，CHENYan，LIGuo-zheng

23.基于流形学习的图像检索算法研究贺广南，杨育彬，HEGuang-nan，YANGYu-bin

24.基于BIRCH的木材缺陷识别吴东洋，业宁，WUDong-yang，YENing

25.基于自扩展与最大熵的领域实体关系自动抽取雷春雅，郭剑毅，余正涛，毛存礼，张少敏，黄甫，LEIChun-ya，GUOJian-yi，YUZheng-tao，MAOCun-li，ZHANGShao-min，HUANGPu

26.层次聚类算法的有效性研究胡晓庆，马儒宁，钟宝江，HUXiao-qing，MARu-ning，ZHONGBao-jiang

27.基于相异性和不变特征的半监督图像检索宿洪禄，李凡长，SUHong-lu，LIFan-zhang

28.基于方向场信息的指纹图像质量评测李铁军，刘倩，张宇，LITie-jun，LIUQian，ZHANGYu

29.一种基于概念格的用户兴趣预测方法茅琴娇，冯博琴，李燕，潘善亮，MAOQin-jiao，FENGBo-qin，LIYan，PANShan-liang

30.基于鲁棒性神经模糊网络的脉冲噪声滤波算法李岳阳，王士同，LIYue-yang，WANGShi-tong

31.CAN2:构件组合式神经网络吴和生，王崇骏，谢俊元，WUHe-sheng，WANGChong-jun，XIEJun-yuan

1.基于半马尔可夫对策的多机器人分层强化学习沈晶，刘海波，张汝波，吴艳霞，程晓北，SHENJing，LIUHai-bo，ZHANGRu-bo，WUYan-xia，CHENGXiao-bei

2.文本分类中一种新的特征选择方法王法波，许信顺，WANGFa-bo，XUXin-shun

3.模因机制下人类元音系统演化的计算模型云健，江荻，潘悟云，YUNJian，JIANGDi，PANWu-yun

4.基于ICA的语音信号表征和特征提取方法董治强，刘琚，邹欣，杜军，DONGZhi-qiang，LIUJu，ZOUXin，DUJun

5.预测状态表示综述王历，高阳，王巍巍，WANGLi，GAOYang，WANGWei-wei

6.基于多天线的机器人定位和高效节能无线互联网络孙毅，肖继忠，FlavioCabrera-Mora，SUNYi，XIAOJi-zhong，FlavioCabrera-Mora

7.基于均值距离的图像分割方法王新沛，刘常春，白曈，WANGXin-pei，LIUChang-chun，BAITong

8.整车物流企业联盟的协同收益分配模型刘鹏，吴耀华，许娜，LIUPeng，WUYao-hua，XUNa

9.蒙特卡罗方法模拟生物组织中光的分布高迪，魏守水，任晓楠，崔建强，徐从娟，GAODi，WEIShou-shui，RENXiao-nan，CUIJian-qiang，XUCong-juan

10.变时滞神经网络的时滞相关全局渐近稳定新判据刘国彩，刘玉常，鞠培军，LIUGuo-cai，LIUYu-chang，JUPei-jun

11.用H∞控制器抑制Buck变换器中的参数扰动贤燕华，冯久超，XIANYan-hua，FENGJiu-chao

12.云神经网络的函数逼近能力于少伟，YUShao-wei

13.一种胶原支架材料的结构与性能表征胡顺鹏，赵洪石，王冠聪，曹成波，刘宏，李文波，杨晓宇，HUShun-peng，ZHAOHong-shi，WANGGuan-cong，CAOCheng-bo，LIUHong，LIWen-bo，YANGXiao-yu

14.TiO2/ZnO纳米光催化剂的制备及性能研究徐青，吕伟，XUQing，L(U)Wei

15.溶剂热法合成CeO2纳米微晶于丽丽，刘宝，钱立武，钱雪峰，YULi-li，LIUBao，QIANLi-wu，QIANXue-feng

16.碳纤维用流化炉计算机控制与性能测试高学平，朱波，于宽，GAOXue-ping，ZHUBo，YUKuan

17.地铁隧道衬砌管片承载力试验及计算方法周海鹰，李立新，陈廷国，ZHOUHai-ying，LILi-xin，CHENTing-guo

18.济南城市防洪汛情预警等级判定方法王育奎，徐帮树，李术才，WANGYu-kui，XUBang-shu，LIShu-cai

19.分散性土的鉴别及改性试验李华銮，高培法，穆乃敏，王琳，LIHua-luan，GAOPei-fa，MUNai-min，WANGLin

20.大跨度钢管拱吊装中温度荷载效应分析及应用孙国富，李术才，张波，SUNGuo-fu，LIShu-cai，ZHANGBo

21.地震作用下大型桥梁群桩基础动水压力效应分析李富荣，何山，王志华，LIFu-rong，HEShan，WANGZhi-hua

22.两性荧光增白剂的合成及其性能杨晓宇，曹成波，周晨，胡顺鹏，YANGXiao-yu，CAOCheng-bo，ZHOUChen，HUShun-peng

23.[BPy]Br和[BMIm]Br微波辅助合成动力学徐鸣，XUMing

24.聚合物/表面活性剂二元体系油水乳化过程动态表征方法研究马宝东，高宝玉，卢磊，张永强，MABao-dong，GAOBao-yu，LULei，ZHANGYong-qiang

25.天然气发动机三效催化剂张强，李娜，李国祥，ZHANGQiang，LINa，LIGuo-xiang

26.单轴并联式混合动力客车动力总成匹配牛礼民，赵又群，杨攀，李佳，NIULi-min，ZHAOYou-qun，YANGPan，LIJia

27.二级增压系统中高压级压气机性能研究何义团，HEYi-tuan

28.高精度电阻数据自动采集与动态显示系统设计王泽静，秦敬玉，米春旭，WANGZe-jing，QINJing-yu，MIChun-xu

29.循环泵启动瞬间排水系统壅水数值模型分析高坤华，张成义，胡亦工，徐士倩，郑冠军，王伟，GAOKun-hua，ZHANGCheng-yi，HUYi-gong，XUShi-qian，ZHENGGuan-jun，WANGWei

30.基于对偶树复小波-Contourlet变换的自适应多传感图像融合算法赵文忠，ZHAOWen-zhong

31.激活能测试装置设计及微晶硅薄膜激活能测试陈庆东，王俊平，张宇翔，卢景霄，CHENQing-dong，WANGJun-ping，ZHANGYu-xiang，LUJing-xiao

32.Mintegration:一种针对大规模数据的并发数据集成方案陈胜利，李俊奎，刘小东，CHENSheng-li，LIJun-kui，LIUXiao-dong

1.基于极大圆盘引导的形状插值实现三维表面重建秦通，孙丰荣，王丽梅，王庆浩，李新彩，QINTong，SUNFeng-rong，WANGLi-mei，WANGQing-hao，LIXin-cai

2.结构大间隔单类分类器冯爱民，刘学军，陈斌，FENGAi-min，LIUXue-jun，CHENBin

3.基于蚁群系统的聚类算法研究沙露，鲍培明，李尼格，SHALu，BAOPei-ming，LINi-ge

4.一种采用动态策略的模拟捕鱼优化方法王勇，庞兴，WANGYong，PANGXing

5.一种基于微粒群思想的蚁群参数自适应优化算法夏辉，王华，陈熙，XIAHui，WANGHua，CHENXi

6.基于雷达图像的运动目标形态检测及跟踪技术刘文亮，朱维红，陈涤，张泓泉，LIUWen-liang，ZHUWei-hong，CHENDi，ZHANGHong-quan

7.人机交互中基于可穿戴式计算的手势和活动辨识盛卫华，祝纯，SHENGWei-hua，ZHUChun

8.基于炼油过程生产特性的优化调度模型李明，李歧强，郭庆强，丁然，LIMing，LIQi-qiang，GUOQing-qiang，DINGRan

9.一种新型微流体主动混合器的仿真与分析徐昊，魏守水，张敬涛，XUHao，WEIShou-shui，ZHANGJing-tao

10.混合变时滞二重边复杂网络自适应同步反馈控制赵永清，江明辉，ZHAOYong-qing，JIANGMing-hui

11.超高强度钢板热冲压及模内淬火工艺的发展现状李辉平，赵国群，张雷，贺连芳，LIHui-ping，ZHAOGuo-qun，ZHANGLei，HELian-fang

12.莱钢120吨转炉冶炼超低硫钢工艺优化王庆春，李木森，范树璐，张继军，WANGQing-chun，LIMu-sen，FANShu-lu，ZHANGJi-jun

13.热加工材料动态再结晶介观组织模拟模型的研究进展王丽君，关小军，禹宝军，赵健，WANGLi-jun，GUANXiao-jun，YUBao-jun，ZHAOJian

14.模拟体液中类骨羟基磷灰石的合成张爱娟，ZHANGAi-juan

15.洋葱状富勒烯的硬脂酸修饰姚延立，马国利，YAOYan-li，MAGuo-li

16.Eu3+掺杂生物多孔硅酸钙发光材料性能赵其斌，周淑君，范同祥，丁剑，张获，ZHAOQi-bin，CHOWSuk-kwun，FANTong-xiang，DINGJian，ZHANGDi

17.Al-Zn-Mg-(Sc)-(Zr)合金时效初期微结构演化的MonteCarlo模拟孙媛，王桂青，SUNYuan，WANGGui-qing

18.地下工程突水机理及其研究最新进展李利平，路为，李术才，张庆松，许振浩，石少帅，LILi-ping，LUWei，LIShu-cai，ZHANGQing-song，XUZhen-hao，SHIShao-shuai

19.基于趋势检查法的遗传神经网络模型及工程应用邱道宏，张乐文，崔伟，苏茂鑫，孙怀凤，QIUDao-hong，ZHANGLe-wen，CUIWei，SUMao-xin，SUNHuai-feng

20.新陈代谢GM(1,1)模型在建筑物沉降预测中的应用边培松，王登杰，于少华，BIANPei-song，WANGDeng-jie，YUShao-hua

21.地铁管片抗裂度及裂缝宽度试验和计算方法周海鹰，李立新，陈廷国，ZHOUHai-ying，LILi-xin，CHENTing-guo

22.信息动态

23.FRP-螺栓联合加固技术锚固参数的研究管延华，苗海涛，宋修广，GUANYan-hua，MIAOHai-tao，SONGXiu-guang

24.多孔安山岩在沥青路面中的应用研究郭德栋，许宏妹，李小刚，GUODe-dong，XUHong-mei，LIXiao-gang

25.基于自治域的RBAC访问控制模型龙军，曾小仨，张祖平，LONGJun，ZENGXiao-sa，ZHANGZu-ping

26.无线传感器网络节点定位算法夏少波，许娥，XIAShao-bo，XUE

27.微切削加工A17050-T7451过程切屑形貌及尺度效应研究周军，李剑峰，孙杰，ZHOUJun，LIJian-feng，SUNJie

28.乙酸乙酯生成过程的间歇反应精馏的模拟和优化冯震恒，张忠诚，FENGZhen-heng，ZHANGZhong-cheng

1.知识保持的嵌入方法张道强，ZHANGDao-qiang

2.基于多级结构相似度的快速指纹匹配算法杨栋，杨公平，尹义龙，张利明，YANGDong，YANGGong-ping，YINYi-long，ZHANGLi-ming

3.基于混沌动力学模型的群体目标检测与分类乔伟，王汇源，吴晓娟，刘鹏威，QIAOWei，WANGHui-yuan，WUXiao-juan，LIUPeng-wei

4.基于图像分解的敦煌壁画图像修复方法黄伟，王书文，杨筱平，贾建芳，HUANGWei，WANGShu-wen，YANGXiao-ping，JIAJian-fang

5.基于模糊神经网络的移动机器人自适应行为设计李贻斌，李彩虹，，LIYi-bin，LICai-hong，SONGYong

6.约束环境下的多移动机器人自适应伸展算法谈金东，陈曦，TANJin-dong，CHENXi

7.配送中心分拣订单合批策略的研究王艳艳，吴耀华，孙国华，于洪鹏，WANGYan-yan，WUYao-hua，SUNGuo-hua，YUHong-peng

8.基于四元数MUSIC的双极化散射中心参量提取蔡倩，汪飞，张焕春，CAIQian，WANGFei，ZHANGHuan-chun

9.双轴压缩试验中砂土剪切带形成的离散元模拟分析蒋明镜，李秀梅，JIANGMing-jing，LIXiu-mei

10.长期交通荷载作用下粉砂土累积变形本构模型构建及数值积分格式张宏博，苗海涛，宋修广，ZHANGHong-bo，MIAOHai-tao，SONGXiu-guang

11.多元多方程地应力反演与工程应用研究岳晓蕾，李术才，陈启辉，葛雁平，YUEXiao-lei，LIShu-cai，CHENQi-hui，GEYan-ping

12.蒸压粉煤灰多孔砖砌体偏心受压承载力试验研究徐春一，刘明，王广林，XUChun-yi，LIUMing，WANGGuang-lin

13.二层框架填充墙出平面反应分析的试验研究程云，刘明，刘晓伟，CHENGYun，LIUMing，LIUXiao-wei