施工图预算软件程序设计技术

本文分析了施工图预算软件的功能要求，探讨了施工图预算软件设计方法，详细地阐述了定额库数据文件设计，提出采用主元与辅元链接直接存取的文件组织方式，既保证数据调用速度快又保证占用空间少。     

合理遗忘选择训练样本的煤矿瓦斯涌出量预测

为了提高煤矿瓦斯涌出量的预测精度,针对煤矿瓦斯涌出量的训练样本选择问题,提出一种基于合理遗忘训练样本的煤矿瓦斯涌出量预测模型。首先通过引入遗忘因子既考虑了历史数据的影响,又突出了新数据的作用,然后最小二乘支持向量机建立煤矿瓦斯涌出量预测模型,最后进行了仿真分析。结果表明,该模型提高了煤矿瓦斯涌出量的建模效率,获得了更加理想的煤矿瓦斯涌出量预测结果。     

基于子区域匹配的稀疏表示跟踪算法

经典稀疏表示目标跟踪算法在处理复杂视频时不免出现跟踪不稳定情况且当目标发生遮挡时易发生漂移现象。针对这一问题,提出一种基于子区域匹配的稀疏表示跟踪算法。首先,将初始目标模板划分为若干子区域,利用LK图像配准算法建立观测模型预测下一帧目标运动状态。然后,对预测的目标模型区域进行同等划分,并在匹配过程中寻找最优子区域。最后,在模板更新过程中引入一种新的模板校正机制,能够有效克服漂移现象。将该算法与多种目标跟踪算法在不同视频序列下进行对比,实验结果表明在目标发生遮挡、运动、光照影响及复杂背景等情况下该算法具有较为理想的跟踪效果,并与经典稀疏表示跟踪算法相比具有较好的跟踪性能。     

基于结构元矿山产能分配模糊线性规划模型

在矿山产能分配中,矿产品的大约利润、生产所需大约资源及提供生产的大约资源均为模糊数,综合模糊数学与模糊线性规划特点,建立基于结构元素的矿山产能分配的模糊线性规划预测模型。运用模糊结构元理论,将模型中用三角模糊数表达的模糊数用结构元表示,使模型中的参数的隶属函数得到解析表达,进而利用结构元加权序理论,将模型转为经典线性规划模型,实现对实际问题中的模糊事件的精确表达;且约束条件数目相对较少,简化了原模型求解,进而得到某矿山产能取得最大可能利润时的分配,可为决策者提供更精确信息。     

基于主动表观模型的稀疏聚类人脸识别算法

在复杂的非人脸成分干扰以及训练样本过大、训练样本之间相似度较高的条件下,原始稀疏表示分类(SRC)算法识别准确率较低。针对上述问题,提出一种基于主动表观模型的稀疏聚类(CS-AAM)人脸识别算法。首先,利用主动表观模型快速、准确地对人脸特征点进行定位,获取主要人脸信息;然后,对训练样本进行K-means聚类,将相似程度高的图像分为一类,计算聚类中心,将该中心作为原子构造过完备字典并进行稀疏分解;最后,计算稀疏系数和重构残差对人脸图像进行分类、识别。将该算法与最近邻(NN)、支持向量机(SVM)、稀疏表示分类(SRC)、协同表示分类(CRC)人脸识别算法在ORL和Extended Yale B人脸数据库上对不同样本数及不同维数的人脸图像分别进行识别率测试,在相同样本数或相同维数情况下CS-AAM算法识别率均高于其他算法。在ORL人脸库中选取样本数为210时,相同维数条件下CS-AAM算法识别率为95.2%;在Extended Yale B人脸库上选取样本数为600时,CS-AAM算法识别率为96.8%。实验结果表明,该算法能够有效地提高人脸图像的识别准确率。     

基于旋转森林的分类器集成算法研究

为提高决策树的集成分类精度,介绍了一种基于特征变换的旋转森林分类器集成算法,通过对数据属性集的随机分割,并在属性子集上对抽取的子样本数据进行主成分分析,以构造新的样本数据,达到增大基分类器差异性及提高预测准确率的目的。在Weka平台下,分别采用Bagging、AdaBoost及旋转森林算法对剪枝与未剪枝的J48决策树分类算法进行集成的对比试验,以10次10折交叉验证的平均准确率为比较依据。结果表明旋转森林算法的预测精度优于其他两个算法,验证了旋转森林是一种有效的决策树分类器集成算法。     

地采诱发建筑物损伤识别的SVM分析模型

针对地采诱发建筑物损害预测中指标与建筑物损害的关系不确定性问题,综合应用相关分析法、鱼骨图理论及SVM原理构建地采诱发建筑物损害的分析模型。采用相关分析法及原因型鱼骨图模型分析指标与建筑物损害的关联度,计算各因素权重,用建筑物损害观测数据对指标加权的SVM模型进行训练和测试,测试结果良好。研究结果表明：鱼骨图模型可获得指标与建筑物损害的关系,量化输入指标的重要性;建筑物本身条件中与空区位置、建筑物状况的重要性明显高于其他指标,加大建筑物本身建设,可较好地改善建筑物抗损害能力;基于鱼骨图的SVM分析模型可以更好地考虑各指标对建筑物损害的综合影响,回估误判率较低。     

基于数据融合理论的煤矿瓦斯动态预测技术

针对煤矿瓦斯预测中存在的问题,提出了一种以数据融合理论为基础,利用贝叶斯估计方法和自适应加权进行信息处理和数据融合,利用Dempster-Shafer证据理论解决瓦斯预测过程中的不确定性和不精确性问题,并综合考虑煤矿井下瓦斯浓度等相关参数的新方法,实现了对瓦斯状态信息的在线整合,优化了预测参数,提高了煤矿瓦斯预测预报的准确性.该方法从整体上确立了同源数据的完备性,实现了煤矿瓦斯的动态预测.     

一种词频与方差相结合的特征加权方法

通过分析特征词与类别间的相关性,提出了一种新的特征加权方法,依据特征词在特定类中出现的次数、特征词在某一类中的集中程度、特征词在特定类中的均匀分布程度来计算特征权值。通过与TF-IDF进行实验对比,新提出的TF-Var特征权重方法使得分类的微平均准确率得到了明显的提高。