基于个体选择的动态权重神经网络集成方法研究

神经网络集成技术能有效地提高神经网络的预测精度和泛化能力,已成为机器学习和神经计算领域的一个研究热点。该文针对回归分析问题提出了一种结合应用遗传算法进行个体选择和动态确定结果合成权重的神经网络集成构造方法。在训练出个体神经网络之后,应用遗传算法对个体网络进行选择,然后根据被选择的各个体网络在输入空间上对训练样本的预测误差,应用广义回归网络来动态地确定各个体网络在特定输入空间上的合成权重。实验结果表明,与仅应用个体网络选择或动态确定权重的方法相比,该集成方法基本上能取得更好地预测精度和相近的稳定性。     

动作切分和流形度量学习的视频动作识别

目的 为了提高视频中动作识别的准确度,提出基于动作切分和流形度量学习的视频动作识别算法。方法 首先利用基于人物肢体伸展程度分析的动作切分方法对视频中的动作进行切分,将动作识别的对象具体化;然后从动作片段中提取归一化之后的全局时域特征和空域特征、光流特征、帧内的局部旋度特征和散度特征,构造一种7×7的协方差矩阵描述子对提取出的多种特征进行融合;最后结合流形度量学习方法有监督式地寻找更优的距离度量算法提高动作的识别分类效果。结果 对Weizmann公共视频集的切分实验统计结果表明本文提出的视频切分方法具有很好的切分能力,能够作好动作识别前的预处理;在Weizmann公共视频数据集上进行了流形度量学习前后的识别效果对比,结果表明利用流形度量学习方法对动作识别效果提升2.8%;在Weizmann和KTH两个公共视频数据集上的平均识别率分别为95.6%和92.3%,与现有方法的比较表明,本文提出的动作识别方法有更好的识别效果。结论 多次实验结果表明本文算法在预处理过程中动作切分效果理想,描述动作所构造协方差矩阵对动作的表达有良好的多特征融合能力,而且光流信息和旋度、散度信息的加入使得人体各部位的运动方向信息具有了更多细节的描述,有效提高了协方差矩阵的描述能力,结合流形度量学习方法对动作识别的准确性有明显提高。     

利用Wikipedia的结构化信息计算语义相关性

提出了一种基于Wikipedia的链接信息的计算词汇间语义相关性的新方法.与WordNet知识库相比,Wikipedia的覆盖范围更广,知识更全面,内容更新更快,是进行语义处理的理想资源.与基于Wikipedia的计算语义相关性的同类方法相比,该方法只利用了Wikipedia的链接结构信息,无须繁重的文本处理,计算量小.在相关性计算中,综合考虑了指入型链接和指出型链接的积极作用,并配合链接数量调节因子消除偏斜.利用多个通用的人工定义语义相关性度量数据集,与当前已有的基于WordNet和基于Wikipedia的相关性度量方法进行了试验比较,结果表明此方法在计算语义相关性方面效果显著.     

自动化冲压生产线完全中国造变为现实

济二与美国ISI公司签订技术、品牌、市场授让协议，并为哈飞汽车公司提供两条自动化冲压生产线。     

电主轴的创新概念

在生产型机床上，电主轴被视为技术水平的体现。通过近年来的不断改进，电主轴已经发展成为一种技术成熟的产品，能满足各种不同的要求。然而，电主轴当前的工艺水平怎样?今后如何发展?这些都引人关注。     

支持草绘的概念图形设计系统研究与实现

提出了一个支持概念图形草绘设计的CAD系统原型。采用面向对象的方法设计出系统基本的类结构，实现了笔式输入方式与传统的WIMP交互方式的相互集成。研究了草绘设计的一些关键技术：草绘笔划分段处理与识别、草图规整、手势设计与识别和基于手势的草图编辑操作等，并通过实例对其实现过程进行了说明。     

基于图象处理的蛋白质指纹图谱分析系统

醇溶蛋白质电泳分析法与计算机技术相结合正逐渐应用于农作物种子品种的鉴别。介绍一个基于图象处理的蛋白质指纹图谱分析系统，着重从图象处理，样品匹配及聚类分析等方面介绍该系统的功能、特点，技术实现及使用情况。     

面向概念设计的实体草绘建模

提出了一种简单、快速、高效的基于草绘设计的概念模型创建方法.该方法模仿传统的纸笔草绘设计方式,允许用户自由地在笔式用户界面上勾画特征笔划,然后根据笔划的形状和位置关系采用基于特征的实体建模方法构造不同的扫描特征体素.在此基础上,采用了基于意图捕捉的特征添加及切削机制创建复杂的实体模型,给出了一些关键算法的实现过程.实验结果表明:该方法能够较好地应用到联机三维概念模型快速创建过程中.     

货币交易综合前置系统体系结构设计

引入了前置系统的概念和技术，综合现有前置系统理论特点和技术，提出先进的综合前置系统设计思想，分析了系统的体系架构，介绍了安全和性能等关键技术，并在货币交易系统上实施了该综合前置系统，整合、优化了服务渠道。     

基于扩张矩阵的渐进式特征子集选择算法

特征子集选择问题一直是人工智能领域研究的重要内容,特别是近几年来,特征子集选择的算法研究已经成为机器学习和数据挖掘等领域的一个研究热点。该文在扩张矩阵的基础上提出了类扩张矩阵的概念,并将加权的期望信息和不一致错误率函数应用于特征子集的选择,实现了具有噪音处理功能的渐进式特征子集选择算法———IFSS_EM,实际领域的实验结果表明:IFSS_EM算法具有运行效率高、选择特征较具有代表性的优点,从而使其能够较好地应用于实际领域。