基于SVM概率输出与证据理论的多分类方法

单一技术无法有效解决多类分类问题。为此,提出一种基于一对多支持向量机(SVM)的基本概率分配输出方法,并与置信最大熵模型的D-S证据组合方法结合,给出基于SVM概率输出和证据理论的多分类模型。在3种UCI标准数据集上的仿真结果表明,该方法的分类精度优于传统的一对多和一对一硬输出方法,是一种有效的多类分类方法。     

基于近似Markov Blanket和动态互信息的特征选择算法

针对大量无关和冗余特征的存在可能降低分类器性能的问题,提出了一种基于近似Markov Blanket和动态互信息的特征选择算法。该算法利用互信息作为特征相关性的度量准则,并在未识别的样本上对互信息进行动态估值,利用近似Markov Blanket原理准确地去除冗余特征,从而获得远小于原始特征规模的特征子集。通过仿真试验证明了该算法的有效性。以支持向量机为分类器,在公共数据集UCI上进行了试验,并与DMIFS和ReliefF算法进行了对比。试验结果证明,该算法选取的特征子集与原始特征子集相比,以远小于原始特征规模的特征子集获得了高于或接近于原始特征集合的分类结果。     

基于特征点的快速匹配算法

为了实现快速、高精度的图像匹配,将基于灰度的图像匹配技术与基于特征的图像匹配技术相结合.定义了一种灰度值特征.并提出一种基于图像灰度值特征点的快速匹配搜索算法.该算法利用得出的灰度值特征点作为搜索依据,改变了传统匹配方法遍历性质的搜索策略.由于特征点的选取对噪声和灰度值的线性变化具有一定的"免疫性".因此对灰度值不均匀的图像匹配问题同样适用.该算法在大大提高匹配速度的同时兼顾了匹配精度,实现了高效率、高精度的图像匹配.通过实验,证实了该算法的快速性和准确性.     

基于改进磷虾群算法的K-means算法

针对磷虾群算法易陷入局部最优、搜索能力弱及K-means算法易受初始聚类中心选择影响等问题,提出一种基于改进磷虾群算法的K-means算法。该算法通过混沌初始化、动态分群、精英引领和随机变异等策略改进磷虾群算法,并引入最佳聚类数自适应机制,提高了算法的综合寻优能力。实验通过6种基准函数检验了改进磷虾群算法的有效性,用UCI机器学习数据集及人造数据集测试验证了基于改进磷虾群算法的K-means算法的性能。验证结果表明,改进磷虾群算法在保证较快收敛速度的基础上提升了全局寻优能力,与其他算法相比,该算法各方面性能显著提升。     

一种修正的Dubois-Prade 证据推理组合规则

基于对Dubois-Prade证据推理理论的分析与研究,针对Dubois-Prade组合规则的不足,归纳出3类导致Dubois-Prade组合规则失效的情况;在Dubois-Prade组合规则的基础上,引入了修正因子,给出一种修正的Dubois-Prade组合规则—–MDP组合规则.实例表明,MDP组合规则在处理高冲突、"一票否决"和动态信息融合方面都是有效的.     

一种基于置信最大熵模型的证据推理方法

D-S证据组合规则在处理高冲突信息时会得出与直觉相反的结论,这一直是D-S理论研究的热点.与相关理论优势互补是克服证据理论固有缺陷的有效方法之一.基于对最大熵原理和证据理论的研究,定义了辨识框架上的基本最大熵置信分配函数,并与经典的D-S组合规则及其改进方法相结合,给出了相关推理公式及基于置信最大熵模型.理论分析和实验表明,最大熵新证据的加入使非单焦元的基本置信赋值按比例重新分配给了单焦元,很好地处理了高冲突信息.     

蔚蓝时尚文化

本项工程位于长春市繁华路段，总面积1150m^2，其经营方向为化妆品展示、休闲交谈和瑜珈美体。在设计理念上试图用最简洁的姿态回到起点，以获得建筑本体，使室内空间与建筑紧密相联。并通过光产生空间秩序。围绕这一理念，并结合行业特点进行空间分析,空间的高低错落形成不同功能划分，光通过不同的材质产生不同特性及表情，为空间提供一种秩序。引用园林方盒走廊的透窗，     

基于改进NSGA-Ⅱ算法的双运输机重装空投研究

为了提高空降部队突击突防能力,对双运输机重装空投编队多目标规划问题进行研究。首先,基于分离法分析重装空投货台运动过程,通过欧拉迭代思想构建货台动力学模型。然后,考虑到前机尾涡对后机影响,构建了双运输机编队空间位置模型。为确定双机编队位置关系的最优解,采用改进后的NSGA-II算法,引入支配强度、优化精英策略、种群等级交叉系数以及高斯变异算子,同时基于方差表示拥挤度,计算出最终结果。仿真实验数据表明,优化后的算法不仅能够提升双运输机编队飞行安全性,而且使得空投点更加密集、空投精度更高。     

加权解码在解决纠错输出编码Consistent-Diverse平衡问题的应用

 纠错输出编码作为解决多类分类问题的通用集成框架,能有效的把多类问题分解为二类问题从而使问题得以简化.然而在生成基分类器的过程中,经常面临提高基分类器之间的差异性和增加各基分类器与集成分类器学习的一致性的矛盾,称之为consistent-diverse平衡问题.在保证差异性的前提下减小由学习不一致性引起的分类错误率是解决该平衡问题的一个出发点,在此利用加权解码,通过对加权系数矩阵的再学习进而减弱和消除由基分类器学习不一致性产生的误差.实验利用人工数据集和UCI数据集分别加以验证,结果表明以集成分类器的分类错误率为适应度函数的遗传算法搜索出的最优加权系数矩阵相比其它方法产生的系数矩阵在解决consistent-diverse平衡问题更具有优越性.     

浅谈小基站在LTE网络部署中的应用

随着TD-LTE牌照的正式发放和LTE FDD扩大规模试验网的顺利开展,4G时代正式来临。小基站(Small Cell)经过多年的技术发展,基站建设模式多样,部署灵活快捷,能有效应对日益激增的网络流量,提高宏基站边缘覆盖区域的用户上网速率,为用户带来最佳的移动宽带体验,是4G时代业界广泛关注的焦点技术之一。