变权决策中变权效果分析与状态变权向量的确定

引入状态变权向量调节度和标准调节度以及调权水平的概念，为分析状态变权向量调节权重的能力提供了可量化的工具．利用标准调节度讨论了选择状态变权向量的一些基本原则和理论依据，并由调权水平给出了一种选择状态变权向量的可操作性方法．     

一个具有可调变权能力的变权向量

依据变权向量的定义构造一个带参数的变权向量,并证明了变权向量与状态变权向量的关系定理;通过引入变权向量的相对调节度概念,求出了所构造的变权向量的相对调节度,并分析了其变权效果.最后运用该变权向量求解一个算例,所得结果表明,该变权向量不但具有较强的变权能力,而且其变权能力将随参数取值的改变而变化.     

一种基于关联规则的中文概念集生成算法

本文提出了一种基于关联规则的中文概念集生成算法。该算法首先产生文档的中文关键词集，采用向量空间模型VSM(vector space model)表示文档；然后以中文关键词为事务项，以中文文档为事务，采用成熟的关联规则算法发现中文关键词频繁集；再生成原始概念集并对原始概念集进行聚类，最终实现了中文概念集的自生成，同时该算法能引入增量更新的特性，对概念集进行增量更新。通过实验，表明该算法能有效地生成中文概念集，可以用之于对表示中文文档的高维特征向量的语义降维，具有一定的使用价值。     

利用格结构特性生成概念格的算法

给出了概念格中关于后代和后继的一些性质，利用这些性质，提出了一种生成所有概念及其序关系的算法。对于任一形式概念，该算法能产生它的全部后代，并确认哪些后代为后继。为提高算法效率，采用了集合的精确匹配代替高代价的子集关系的检验。与现有算法相比，该算法的计算效率有显著的提高。     

测试向量的周期化关键技术研究与实现

提出了一种将状态取样法和波形提取法结合使用的测试向量周期化方法，在该周期化方法中，需要一个逐拍匹配生成新定时组的过程，为了减少生成定时组时间，实现了一种基于哈希表的周期化算法。它不仅在速度上得到优化，同时也减少了波形失真度。实验结果表明，该周期化方法是一种行之有效的测试向量转换方法。     

带权约简及其在汉语词性标注自动校对中的应用

提出带权约简的概念，并研究了带权约简算法．首先指出已有约简算法无法融合人类的先验知识；然后提出使用权值向量表示这类知识，用于属性重要性的计算，获得基于区分能力的带权约简算法，并分析带权约简与经典约简的关系；最后将算法应用于汉语词性标注自动校对，并讨论了权值向量的具体设置．实验结果表明，使用所提出的算法及相应权值向量，可获得更有利于预测的约简．     

一种不受初始权值向量影响的MCA学习算法

最小主元分析(Minor Component Analysis,MCA)类自适应总体最小二乘算法易受初始权值向量的影响而无法收敛。为解决这一问题,提出了一种不受初始权值向量影响的MCA学习算法,推导出了该算法的收敛条件与最终收敛域,并通过计算机仿真验证了该算法的正确性。     

基于属性的概念格快速渐进式构造算法优化

文章提出一种基于属性的概念格快速渐进式构造算法,主要解决传统算法存在执行时间长和准确率低等问题。首先,该算法引入单属性权值、多属性权值、阈值设定3个内容,并对其进行优化。其次,利用信息熵和偏好修正系数,对单属性权值获取进行调整,从原始数据中获取多属性权值。最后,通过阈值设定衡量多属性的重要性,同时约束条件获取合理的属性权值取值结果。实验结果表明,该算法优化后生成的概念数量小于原概念格中概念的总数,执行时间更短,准确率更高。     

概念向量文本聚类算法

为了解决基于传统关键词的文本聚类算法没有考虑特征关键词之间的相关性,而导致文本向量概念表达不够准确,提出基于概念向量的文本聚类算法TCBCV(Text Clustering Based on Concept Vector),采用HowNet的概念属性,并利用语义场密度和义原在概念树的权值选取合适的义原作为关键词的概念,实现关键词到概念的映射,不仅增加了文本之间的语义关系,而且降低了向量维度,将其应用于文本聚类,能够提高文本聚类效果。实验结果表明,该算法在文本聚类的准确率和召回率上都得到了较大的提高。     

基于向量空间模型的并行信息检索算法

基于向量空间模型的信息检索技术是较为成熟且应用广泛的信息检索技术，该技术将文档和查询信息均用向量空间表示，查询匹配问题转化为向量空间的矢量匹配问题，文档与查询的相似度可用向量之间的夹角来度量．信息检索速度是衡量信息检索技术好坏的重要指标，基于向量空间模型的信息检索之串行算法的计算复杂度为θ（n^3），本文提出了一种在Hypercube SIMD模型上的并行算法，其时间计算复杂度为θ（nlogn），该算法与传统的串行算法相比，能显著地提高查询速度．     

基于几何分析的支持向量机快速训练与分类算法

当支持向量机中存在相互混叠的海量训练样本时,不但支持向量求取困难,且支持向量数目巨大,这两个问题已成为限制其应用的瓶颈问题。该文通过对支持向量几何意义的分析,首先研究了支持向量的分布特性,并提出了基于几何分析的支持向量机快速算法,该算法首先从训练样本中选择出部分近邻向量,然后在进行混叠度分析的基础上,选择真实的边界向量样本子空间用来代替全部训练集,这样既大大减少了训练样本数目,同时去除了混叠严重的奇异样本的影响,并大大减少了支持向量的数目。实验结果表明:该算法在不影响分类性能的条件下,可以加快支持向量机的训练速度和分类速度。     

矢量字库的设计与实现

矢量字库是使用矢量文字的主要方式。本文以一种轮廓文字位图矢量化的方法为基础，详细介绍了从文字住图数据抓取、位图轮廓提取、矢量化数据生成、到矢量化字库生成、读取及显示的设计与实现方法。     

一种利用向量空间模型快速检索文本情报的方法

向量空间模型(VSM)是一种效果较好的信息检索模型。本文提出了利用向量空间模型实现对文本情报快速检索的方法。在阐述建立分类情报的索引词向量的基础上，讨论了利用索引词向量映射文本情报和存储文档向量矩阵的方法，并通过实例介绍了如何通过计算检索向量和文档向量矩阵的相关度来确定返回的检索内容。     

面向矢量瓦片的海量空间数据并行处理技术

随着地图测绘技术的发展,原始地图数据量呈现爆炸式增长,对地图数据处理的空间及时间效率提出了更高需求。针对上述需求,本文提出一种面向矢量瓦片包含矢量数据切图并行和矢量瓦片上传并行的两级并行处理技术。实验结果表明,此并行处理技术在提高矢量数据切图和矢量瓦片上传效率上有显著效果,在海量矢量数据的高效处理上,本文提出的方法是可行的。     

求有效极小（受控）可重复向量的一个算法

文献［１］基于有效（受控）可重复向量，给出了判定一个标准Ｐｅｔｒｉ网产生的语言分别为正规语言或上下文无关语言的充要条件，然而，求取一个标准Ｐｅｔｒｉ网的有效（受控）可重复向量是着定网语言属型的前提条件，文献［１］没有给出求取它们的方法，本文提出一个算法，使得文献［１］判据可实现，此外，作为副产品，同时产生出网的所有极小Ｔ－不变量以及公平性判定的实现。     

基于向量投影的支撑向量预选取

支撑向量机是近年来新兴的模式识别方法,在解决小样本、非线性及高维模式识别问题中表现出了突出的优点．但在支撑向量机中,支撑向量的选取相当困难,这也成为限制其应用的瓶颈问题．该文对支撑向量机的机理经过认真分析,研究其支撑向量的分布特性,在不影响分类性能的前提下,提出了基于向量投影的支撑向量预选取法,从训练样本中预先选择具有一定特征的边界向量来代替训练样本进行训练,这样就减少了训练样本,大大加快了支撑向量机的训练速度。     

最小方差支撑向量回归

基于支撑向量回归(SVR)可以通过构建支撑向量机分类问题实现的基本思想,推广最小类方差支撑向量机(MCVSVMs)于回归估计,提出了最小方差支撑向量回归(MVSVR)算法.该方法继承了MCVSVMs鲁棒性和泛化能力强的优点,分析了MVSVR和标准SVR之间的关系,讨论了在散度矩阵奇异情况下该方法的求解问题,同时也讨论了MVSVR的非线性情况.实验表明,该方法是可行的,且表现出了更强的泛化能力.     

基于VML的矢量图形动态生成过程的研究

Web数据库应用系统中,有时需要有一些统计数据图形给用户传达准确、直观的数据信息。利用HTML来添加图形的传统做法,由于受存储形式限制,其下载速度慢,且不能进行放大、缩小等功能。单纯采用HTML不能很好地表示矢量图形,不能解决这方面的问题。采用VML能够为这一问题提供合理的解决方案。利用VML结合ASP访问数据库,动态生成客户端脚本,绘制出矢量图形。结果表明采用这种方式能够充分发挥ASP的优势,并能表示出形象生动、可放大缩小而不影响图像质量的矢量图形。最后结合一个实例,绘制了数据项统计比较走势图,具有较强的表现力。充分表明采用VML绘制矢量图形具有极大的优势。     

矢量投影变换在同步电机换向控制中的应用

本文介绍了交流同步电动机矢量控制的基本原理，就电机换向部分进行了矢量的投影计算及总结，并进行仿真验算，为同步电机矢量的控制分析提供参考。     

具输入信号的非线性系统的稳定性

考虑了具有缓变输入信号的非线性动力系统的一类平衡点集合的稳定性. 采用不同于相应文献的分析技巧, 充分利用非线性系统右端项提供的信息, 在较相应文献输入信号更弱的假设下, 得到了由输入信号产生的轨线充分接近系统相应解的一些充分条件, 放宽了该类控制系统设计中对输入信号的限制. 并举实例说明结论的有效性.