一类模拟生物复眼几何结构的数据处理方法--方向量子化表示的应用

根据生物复眼几何结构及其处理信息方式 ,提出了一类新的数据处理方法——方向量子化方法 ,用以描述集合的外部轮廓 .理论分析表明 :这一方法具有表述简洁、易于编程、半动态维护方便和可直接在各种并行计算模型上实现等优点 .文中将利用方向量子化表示求解一系列与凸集有关的问题 ,以显示这一方法广泛的应用前景     

简化Newton法的点估计(为庆贺游兆永教授60寿辰而作)

本文通过对强函数的分析将Smale在1986年数学大会上报告的关于Newton迭代点估计的工作推广到简化Newton法,证明了当α(z,f)≤1/13时,对于所有实的或复的Banach空间E到,型空间F的解析映射f和z∈E,z是f的一个逼近零点.而当时z是f的一个第二类逼近零点.     

基于贝叶斯理论和在线学习支持向量机的短期负荷预测

该文将贝叶斯理论用于短期负荷预测(STLF)中输入特征的自适应选取。该理论将所有能够获得的信息，包括样本信息和先验知识结合在一起加以利用，不但避免了过拟合问题，而且简化了预测模型。文中同时建立了基于支持向量机(SVM)在线学习的短期负荷预测模型。在充分利用SVM解的稀疏性并结合KKT条件的基础上，以递增和递减算法可直接得到新的回归函数而无需重新训练，从而提高了一般SVM方法进行负荷预测的计算速度。多个实际系统的预测算例表明了该方法在预测精度和预测速度方面的有效性。     

基于视觉系统的聚类:原理与算法

传统的聚类分析方法只强调其对产生数据的物理系统原理的依赖 ,而忽略了人类感知数据结构的方法对聚类分析的影响。我们认为 ,这二者就聚类算法的构造和聚类结果的分析而言 ,具有同等的重要性。人类主要通过眼睛来感知结构。根据这一现点 ,我们提出了基于视觉前端系统尺度空间模型实施聚类的原理与方法。这一方法不仅可用于解决聚类有效性方面那些与人类感知结构方式有关的基本问题 ,而且可克服传统算法对初值敏感、难以找到最优聚类 ,难以确定聚类类数等缺陷。数值实验表明 ,这一方法具有广泛的应用前景 ,特别在那些与人类视觉相关的研究领域 (如图像分析和模式识别 )中 ,这一方法尤为有效     

Newton类方法的点估计结果

本文证明了Ｓｍａｌｅ关于Ｎｅｗｔｏｎ法的点估计结果，对于简化Ｎｅｗｔｏｎ法、割线法、连续Ｎｅｗｔｏｎ法以及其数值化实现仍然成立。     

拟变分不等式的迭代解法

本文将一类变分不等式的造代格式应用于求解拟变分不等式并证明了该迭代格式的强收敛性;推广了[3]中的方法并给出一类求解变球域约束拟变分不等式的迭代格式的收敛性证明。     

选择性集成学习算法综述

集成学习因其能显著提高一个学习系统的泛化能力而得到了机器学习界的广泛关注,但随着基学习机数目的增多,集成学习机的预测速度明显下降,其所需的存储空间也迅速增加.选择性集成学习的主要目的是进一步改善集成学习机的预测效果,提高集成学习机的预测速度,并降低其存储需求.该文对现有的选择性集成学习算法进行了详细综述,按照算法采用的...     

3维点云的拓扑结构表征与计算技术

拓扑结构特征在3维点云的简化、变形、曲面重建、匹配与检索、形状分析与理解、压缩与传输以及实际应用中具有重要的作用,是3维点云信息的一类关键特征。该文综述了3维点云拓扑结构表征与计算的一些有关概念、方法和技术,评述了点云拓扑结构表征与计算的典型方法及其最新进展,介绍了点云拓扑结构表征及计算的一些实际应用,给出了一些研究结果,并展望了这些问题的发展趋势。