基于灰色理论的BP神经网络入侵预测模型

提出一种基于灰色理论BP神经网络的网络入侵预测方法。针对传统的预测方法难以高效预测大规模网络的复杂攻击行为,利用基于灰色理论的BP神经网络算法,对网络传输中的数据包建立模型、分析和检测识别,结果表明了改进后的入侵预测模型具有更好的预测精确度和效率。     

基于灰色理论和BP神经网络预测观光农业旅游人数的研究

运用灰色GM(1,1)预测模型与BP神经网络预测模型相结合而成的灰色神经网络模型,对山东枣庄市旅游人数进行预测。基本思路是运用灰色GM(1,1)模型所得到的预测值按前2年来预测下一年的组合规律分别作为BP神经网络的输入输出,并用旅游人数数据对模型进行学习验证。为山东枣庄市沿运区域旅游资源的合理利用及管理提供了科学依据,并以科学预测为依据提供一些观光农业旅游资源合理开发对策。     

基于灰色关联度和BP神经网络的全国人口预测研究

文章首先运用灰色关联度分析,找出了影响人口变化的主要因素,将2009-2018年的主要因素数据作为BP神经网络的输入对网络进行训练;其次运用时间序列预测对2019和2020年的出生率、老龄人口数和农村人口数进行了预测,运用灰色预测对2019和2020年死亡率进行了预测;最后将2019和2020年各因素预测值输入已经训练好的BP神经网络中得到2019和2020年总人口预测值139900和140320,结果显示BP神经网络预测具有较高的准确性。     

基于灰色神经网络和证据理论预测地下水位的研究

用灰色GM(1,1)模型、BP神经网络模型和证据理论相结合而成的灰色证据神经网络模型,对山东枣庄区域地下水位进行预测。基本思路是运用灰色GM(1,1)模型所得到的预测值按前两年来预测下一年的组合规律分别作为BP神经网络的输入输出;再用BP神经网络输出作为证据理论基本可信度分配函数,使用D-S理论将信息进行二次融合;并用地下水位实测数据对模型进行验证。结果表明,预测模型具有可行性和实用性,为生态农业规划发展提供了科学依据。     

基于K-means聚类的河北省乳制品消费偏好集群分析

河北省是人口大省、畜牧业大省,但该区域乳制品发展不平衡、乳品消费结构不合理。基于河北省乳制品消费偏好调研数据,采用K-means聚类模型,对不同年龄群体乳制品消费偏好进行系统分析。结果表明:(1)不同地区年轻群体乳制品消费偏好差异较大。经济因素是影响年轻群体消费的主要因素,在经济发展迅速、收入水平较高的石家庄和保定地区,年轻群体对乳制品的品质和个性化需求提出了更高的要求。(2)不同年龄群体乳制品消费偏好差异较大。老年群体较年轻群体而言,接受新事物、新产品能力较弱,在乳制品的种类和品牌消费上较为稳定;普遍认为各类乳制品价格偏高,多侧重消费纸盒类、简易包装类产品,注重营养元素、乳脂含量较高乳制品的消费,在一定程度上影响老年人的乳制品消费市场。因此,对河北省乳品行业的发展现状提出创新乳品发展、实现精准定位,发展经济、提高居民收人,加强监督管理、保证乳品供应链安全的对策建议,以期促进河北省乳制品行业的可持续发展。     

基于BP神经网络模型的商洛市卷烟需求预测

在国家经济新常态的大背景下,烟草行业自身"小气候"不可避免地发生变化,行业经济运行呈现出一些新的变化和特点。根据商洛市卷烟消费市场调查收集的有关数据,建立卷烟需求神经网络预测模型,介绍了其指标选取、聚类和筛选,利用Matlab软件对数据进行训练、仿真。与实际销量进行对比分析,证明采用的BP神经网络预测结果准确。     

基于灰色理论的浙江省渔业经济区域类型的初探

运用灰色系统理论中关联和聚类分析方法,对浙江省渔业经济评价指标进行关联分析和聚类分析,并对浙江省渔业经济区域类型进行初步划分。结果发现,对浙江省渔业经济最大的影响因素是水产养殖面积,最小的影响因素是渔业劳动力。浙江省11市区的渔业经济发展水平不一致,大致可划分为四个类型,其中Ⅰ类有宁波和台州,Ⅱ类有舟山和温州,Ⅲ类有湖州、杭州、嘉兴、绍兴、金华、衢州6个市区,Ⅳ类有丽水。     

基于改进K-means聚类与分水岭的木材横截面管孔分割

  目的  管孔是木材识别方面的重要特征之一。针对管孔随机分布、大小不一导致管孔分割鲁棒性不高,木纤维、木射线以及轴向薄壁组织等噪声区域对管孔分割效果影响较大的问题,本研究提出了一种改进K-means聚类与分水岭的木材横截面管孔分割算法。  方法  采用改进K-means聚类对管孔区域进行粗分割,有效区分管孔区域与木纤维、木射线以及轴向薄壁组织等噪声区域。再对粗分割结果采用改进分水岭算法进行精分割,分割出的管孔与实际管孔基本吻合。  结果  平均每张木材横截面微观图像有97.1%的管孔被准确有效地分割出来。本研究提出的改进分割算法与其他算法相比,分割效果显著提升,在大小不一且随机分布的管孔分割过程中鲁棒性高,具有良好的分割性能。  结论  该算法有效解决了传统K-means聚类算法在图像分割时受噪声影响大和初始聚类中心随机性问题,为阔叶材管孔特征提取和定量分析奠定了坚实基础。图7表1参16     

基于指标规范值的区域生态环境质量灰色聚类评价

[目的]采用指标规范值的灰色聚类法对区域生态环境质量进行评价。[方法]以巢湖流域为例,介绍了基于指标规范值的区域生态环境质量灰色聚类评价法,并将评价结果与未确知测度法得出的评价结果相比较,进一步验证该方法在区域生态环境质量评价中的可行性。[结果]基于指标规范值的区域生态环境质量灰色聚类评价,将同级标准规范值相近的指标归为一类,同属一类的指标只需设计为相同的白化函数,从而大大减少了白化函数的设计个数。将指标规范值的灰色聚类法用于巢湖流域的区域生态环境质量评价,其评价结果与未确知测度评价法的评价结果基本一致,除流域总体相差一级外,合肥、巢湖、六安的生态环境质量分别属于3级（及格）、4级（较差）、5级（差）,表明该方法具有实用性。[结论]该研究可为区域生态环境综合治理对策的制定提供理论依据。     

基于模糊聚类的神经网络虫情预测

1基于模糊聚类的神经网络预测 首先采用模糊聚类对所有样本进行预处理,再把去噪后的数据作为神经网络的输人数据进行训练和预测。 1．1基于模糊聚类的神经网络结构3层BP神经网络具有令人满意的对连续映射的逼近能力,可以满足预测的要求,因此,采用3层BP神经网络作为研究模型。3层BP神经网络由输入层、隐含层和输出层组成。     

基于BP神经网络的区域创新风险预测方法研究

在文献综述的基础上,提出并分析了区域性创新风险的影响因素,包括内部风险和外部风险。内部风险主要集中在区域创新活动内部,例如技术,管理,财务,文化风险等;而外部风险主要是区域大环境,集中在市场,政策,区域资源方面。为避免人为因素的影响,结合人工神经网络方法中的BP算法,建立了区域创新风险预测模型,进一步分析研究区域创新风险指标的准确性,为后续做区域创新风险分析提供理论参考。     

基于BP神经网络和灰色关联度的侧柏人工林土壤肥力评价

土壤肥力对于诊断森林土壤养分失调和林地土壤退化具有重要意义,可为人工林合理经营提供科学依据。本研究以鲁中山地侧柏人工林样地土壤为材料,采用BP神经网络和灰色关联度对林地土壤肥力进行综合评价,并对这两种方法的应用效果进行对比研究。结果表明,供试林地土壤的粘粒、碱解氮和有效磷含量偏低,速效钾含量整体较为适宜,而阳离子交换量和有机质含量处于较高水平。土壤碱解氮与土壤有机质、阳离子交换量和速效钾之间均存在显著正相关关系,表明土壤氮素对侧柏人工林地土壤肥力有显著影响。评价结果表明,鲁中山地侧柏林地土壤肥力处于中等水平,综合土壤肥力相对较高的样地为位于黑峪林场的22、21号和位于原山林场的9号样地,而燕子山林场土壤肥力较低。BP神经网络和灰色关联度分析的评价结果整体一致,均可用于林地土壤肥力评价。     

基于灰色神经网络模型的重庆能源需求预测

能源是支撑人类生存、经济发展和现代文明不可缺少的物质基础,随着社会经济的发展,对于能源的需求也在不断增长,因此准确地预测能源消费需求对于制定能源规划具有重要的指导意义.基于灰色神经网络预测模型,以重庆市历年能源统计数据为样本,根据能源消耗总量与能源消耗增长率、万元GDP能耗、万元财政收入能耗、居民收入能耗、能源消费弹性等因素之间的相关性,对重庆"十三五"期间能源的消费需求进行了预测,结果表明:运用灰色神经网络模型能够较为科学地预测重庆未来能源的实际需求趋势,可为政府相关部门的决策提供参考.     

基于K-means聚类和改进MLP的苹果分级研究

为准确实现多特征融合的苹果分级,提出了一种基于K-means聚类和改进MLP的苹果分级方法。该方法主要包括图像预处理、亮度均衡化、背景分割、特征加权以及改进的MLP分级网络训练。首先借助均值滤波算法和直方图均衡化操作改善苹果图像质量;接着借助K-means聚类算法进行背景分割;在果体与背景分割的基础上,依次提取苹果的果径、果形、颜色、缺陷、纹理5个特征;然后借助皮尔逊相关性分析和人工挑选偏好权重对特征数据集综合加权,模拟人工分级场景;最后将特征数据送入改进的MLP神经网络中完成苹果的分级定等。通过对400个定好等级的苹果进行分级测试,准确率达到94.25%,验证了分级方法的可行性与准确性。该方法与现行的苹果分级标准相结合,具备时效性强、检测指标完备等分级优势。     

灰色模糊聚类法及其应用

作者将灰色关联度方法与模糊聚类法结合起来,建立了一种灰色模糊聚类法,并应用该方法对浙江省杭州市七个县的农业综合生产力进行了聚类分析。     

基于BP神经网络的低碳经济下区域农业协调发展研究

农业温室气体排放量逐渐增多,日益受到各国重视。低碳经济是倡导低能耗、低污染、低排放的经济模式,农业作为国民经济的基础产业,兼具碳源和碳汇功能,平衡农业生产碳源排放和碳汇量可以促进农业协调发展和可持续发展。基于低碳经济下区域农业协调发展的运行机理,运用BP神经网络方法构建低碳经济下区域农业协调发展评价模型,并采用我国区域农业面板数据为例进行实证研究。研究表明,低碳经济视角下区域农业经济发展水平与资源环境协调水平呈反向变化,我国经济发展较好的区域,资源环境协调度较差,而资源环境禀赋优良区域的经济发展较慢,社会协调度间差异较小。从创新农业技术减少碳源,合理布局农业生产增加碳汇,推动农业碳排放权交易增加农民收入等方面可提高低碳经济下区域农业协调发展的程度。     

基于灰色定权聚类的软件质量评价模型研究

根据人类思维具有"灰性"的特点, 提出了基于灰色系统理论的软件质量评价方法, 即根据调查研究和资料分析建立软件质量的评价指标体系, 通过层次分析法确定指标权重值, 给出白化权函数、各灰类的转折点及灰色定权聚类系数的计算公式. 通过实例, 得出了软件系统质量的实际评价结果. 将灰色系统理论应用于软件工程领域, 形成软件质量的评价模型, 对软件产业的发展具有重要意义.     

基于灰色定权聚类的软件质量评价模型研究

根据人类思维具有“灰性”的特点,提出了基于灰色系统理论的软件质量评价方法,即根据调查研究和资料分析建立软件质量的评价指标体系,通过层次分析法确定指标权重值,给出白化权函数、各灰类的转折点及灰色定权聚类系数的计算公式．通过实例,得出了软件系统质量的实际评价结果．将灰色系统理论应用于软件工程领域,形成软件质量狗评价模型,时软件产业的发展具有重要意义．     

基于模糊聚类的神经网络虫情预测研究

针对虫情预测的模糊性、相关性、非线性、实时性等特点，以及神经网络在小样本预测时泛化能力降低的问题，提出了一种基于模糊聚类的神经网络农作物虫情预测方法。仿真结果表明，该方法简单实用，能快速、准确预测虫情，特别在样本少及样本相关性较大的情况下，能取得较好效果。     

基于K均值聚类改进的蚁群算法研究

蚁群优化算法(ACO)在求解TSP(traveling salesman problem)问题时,其算法的时间复杂度为O(m·n2·t)(其中t表示循环次数,n为城市数,m为蚂蚁数),搜索时间比较长。利用K-means聚类的方法得到多个类,每一个类都看作是一个小的TSP问题,然后在每个类内部和类之间利用改进的蚁群算法寻找最优路径,通过实验仿真,验证了此方法不但能提高解的精度,而且还加快了运行速度。