关于统计学习理论与支持向量机

模式识别、函数拟合及概率密度估计等都属于基于数据学习的问题,现有方法的重 要基础是传统的统计学,前提是有足够多样本,当样本数目有限时难以取得理想的效果.统计 学习理论(SLT)是由Vapnik等人提出的一种小样本统计理论,着重研究在小样本情况下的 统计规律及学习方法性质.SLT为机器学习问题建立了一个较好的理论框架,也发展了一种 新的通用学习算法--支持向量机(SVM),能够较好的解决小样本学习问题.目前,SLT和 SVM已成为国际上机器学习领域新的研究热点.本文是一篇综述,旨在介绍SLT和SVM的 基本思想、特点和研究发展现状,以引起国内学者的进一步关注.  

知识约简的一种启发式算法

知识约简是Ｒｏｕｇｈ Ｓｅｔ理论研究中的核心内容之一，现已证明了寻找决策表的最小约简是ＮＰ－ｈａｒｄ问题，文中首先从信息的角度，对决策表中属性的重要性给出度量；在此基础上，提出了一种基于互信息的知识相对约简的启发式算法，并指出算法的复杂性是多项式的；最后，通过  

工作流技术综述

工作流技术是进入90年代以后计算机应用领域的一个新的研究热点.对工作流技术进行深入的研究对于提高我国企业的信息化程度、运行效率以及竞争能力都有着重要的意义.该文首先介绍了工作流技术的起源与发展;然后对工作流的研究现状进行综述,主要包括工作流定义、工作流模型、工作流实现方案以及工作流事务管理这4个方面;同时分析了目前工作流技术中所存在的不足以及造成这些不足的根本原因;最后指出了工作流技术的未来发展趋势.  

计算机视觉中摄像机定标综述

回顾了摄影测量学和计算机视觉中的各种摄像机定标方法,对各种方法进行了分 析、比较、并讨论了摄像机定标方法应用于计算机视觉中的特点.  

云计算:系统实例与研究现状

针对云计算这样一个范畴综述了当前云计算所采用的技术,剖析其背后的技术含义以及当前云计算参与企业所采用的云计算实现方案.云计算包含两个方面的含义:一方面是底层构建的云计算平台基础设施,是用来构造上层应用程序的基础;另外一方面是构建在这个基础平台之上的云计算应用程序.主要是针对云计算的基础架构的研究与实现状况给出综述,对于云计算的应用也有所涉及.云计算有3个最基本的特征:第1个是基础设施架构在大规模的廉价服务器集群之上;第二是应用程序与底层服务协作开发,最大限度地利用资源;第3个是通过多个廉价服务器之间的冗余,通过软件获得高可用性.云计算达到了两个分布式计算的重要目标:可扩展性和高可用性.可扩展性表达了云计算能够无缝地扩展到大规模的集群之上,甚至包含数千个节点同时处理.高可用性代表了云计算能够容忍节点的错误,甚至有很大一部分节点发生失效也不会影响程序的正确运行.通过此文可以了解云计算的当前发展状况以及未来的研究趋势.  

基于大型数据仓库的数据采掘:研究综述

本介绍了数据采掘技术的总体研究情况，包括数据采掘的定义，与其他学科的关系，采掘的主要过程，分类和主要技术手段，作为例子介绍了关联规则采掘的研究，同时介绍了一些原型系统和商业产品以及主要应用领域，指出了数据采掘研究的挑战性以及目前的局限性。  

基于虹膜识别的身份鉴别

描述了基于虹膜识别的身份鉴别系统.该系统包括虹膜图像摄取、图像预处理、特征提 取和匹配四个部分.虹膜图像摄取采用了自主开发研制的装置,特征提取采用Gabor滤波和 Daubechies-4小波变换等纹理分析方法,匹配采用方差倒数加权欧氏距离方法.与现有的其它 方法相比,该方法利用了二维虹膜图像丰富的纹理信息并具有旋转、平移和尺度不变性.  

人脸识别技术综述

首先对计算机人脸自动识别技术的研究背景及发展历程做了简单回顾，然后对人脸正面像的识别方法，按照识别特征的不同进行了分类综述，主要介绍了特征脸（Ｅｉｇｅｎｆａｃｅ）方法、基于小波特征的弹性匹配（Ｅｌａｓｔｉｃ Ｍａｔｃｈｉｎｇ）的方法、形状和灰度模型分离的可变形模型（Ｆｌｅｘｉｂｌ Ｍｏｄｅｌ）以及传统的部件建模等分析方法。通过对各种识别方法的分析与比较，总结了影响人脸识别技术实用化的几个因素，并提出了研究和开发成功的人脸识别技术所需要考虑的几个重要方面，进而展望了人脸识别技术今后的发展方向。  

模糊PID控制技术研究发展回顾及其面临的若干重要问题

简要回顾了模糊PID控制器的研究发展状况,系统地归纳了模糊PID控制器的 基本形式.讨论了阻碍模糊控制技术发展的几个重要理论问题,包括系统化设计方法,控制 性能优于传统PID控制器的模糊控制器设计,模糊控制器非线性逼近能力及其量化指标,模 糊系统的规则爆炸.文中试图对有关问题的内涵进行重新定义,以及探求解决难题的关键. 如将模糊系统中的"规则爆炸"问题更正为"参数效率"问题.最后,提出了对模糊控制 理论与技术发展的思考,其中特别强调应把"简单性"作为智能控制器设计中的基本策略.  

本体学习研究综述

近年来,本体学习技术逐渐成为计算机科学领域的一个研究热点.根据数据源的结构化程度(结构化、半结构化、非结构化)以及本体学习对象的层次(概念、关系、公理),将本体学习问题划分为9类子问题.分别阐述了这9类问题的基本特征、常用的方法和最新的研究进展,并在此分析框架下进一步介绍和比较了现有的本体学习工具.最后,讨论了存在的问题,指出了未来的研究方向.