采用重复剪辑近邻法提高决策树算法的性能

决策树算法易受训练样本集中噪声和混杂区域的影响，重复剪辑近邻法能消除样本集中符合某些先决条件的噪声，清除混杂区域中后验概率较小的类别所包含的样本，并在各类样本间形成符合Bayes分类准则的界线，用它对合适的训练样本集进行筛选，可在不损害分类准确率的同时明显地减小决策树的规模，有助于增强决策树的可理解性和可用性，从而提高决策树的性能。     

宋代汝窑古瓷的微量元素-支持向量机算法研究

用支持向量机(Support Vectcr Machine，SVM)算法处理汝瓷釉和汝瓷胎的微量元素含量数据，结果表明官汝窑器与民汝窑器不论按其釉的成分还是按其胎的成分都能完全区分，留一法分类预报正确率亦达100％。这说明官汝窑和民汝窑所用原料有明显差别。本文还根据官汝窑釉中锶含量与其他元素含量关系的规律，为鉴别古汝瓷和近代仿制品提供线索。上述结果表明：支持向量机算法对古陶瓷研究是有用的。     

数据挖掘技术在煤焦油萘回收中的应用研究

用模式识别、数理统计、动态序列分析等数据挖掘技术分析双炉双塔精馏工艺下的煤焦油萘回收数据，找到了萘回收工艺中影响精馏塔塔底洗油含萘的主要因素，建立了可以有效控制洗油含萘量的数学模型，据此提出了提高萘回收率的方法与建议，在实践生产中得到了很好的结果。说明数据挖掘技术在类似的复杂动态工业系统中有着重要作用。     

基于流形保持的半监督局部排列降维算法

判别局部排列是基于谱分析片排列框架下的降维算法,但是,算法只能针对单流形数据进行降维.针对判别局部排列算法存在的缺陷,着重研究了多流形学习和半监督学习技术,利用标签传播算法(LP)和线性重构分析,提出一种流行结构保持的半监督降维算法,利用标签传播后得到的全体样本标签信息进行片都构建,并通过求解目标函数的最优解来获得低维嵌入.在YALE和FERET这两个标准人连数据库上的实验,验证了算法的有效性能并体现了算法在分类上的良好性能.     

基于SVM的特征筛选方法及其若干应用

对于拟合问题，传统的模式识别特征筛选方法以各特征量对训练数据拟合能力的贡献为取舍标准，未考虑经验风险最小化和结构风险最小化间的差别，不能获得预报能力最强的特征筛选结果。为此我们提出了结合支持向量回归法与留一法的特征筛选新算法，并将它试用于镍氢电池材料和氧化铝溶出率两套实验数据集的特征筛选。     

一种基于感兴趣区域的红外目标提取方法

针对复杂背景下的红外图像的小目标提取问题,提出了一种新的红外图像自动分割方法.为了更好地控制计算复杂性及目标提取的准确性,本方法建立在通过自适应Butterworth高通滤波器找到的感兴趣区域之上并充分地利用了该区域中背景信息比较简单、目标易被分割的特性.同时,考虑到像素灰度是红处图像区分目标与背景的重要因素,而像素间的相邻度则能较好的防止虚警的产生,结合像素的灰度和相邻度的综合关系提出了一种新的分割原则.实验证明,新算法取得了很好的效果.     

一种新的基于背景的红外图像分割方法

针对红外图像中目标周围的背景往往比较均匀的特点,文中提出了一种基于背景区域的目标提取方法.首先利用局部熵信息检测到目标的位置,并在此基础上获得一个包含目标的感兴趣区域,最后通过基于直方图搜索的区域增长法来提取感兴趣区域中的背景部分,从而有效地将背景和目标进行了分割,实现了目标完整提取的目的.由于是在感兴趣区域进行提取而且对直方图进行搜索,克服了区域增长法计算量大的缺陷.试验结果证明,该方法能有效且完整地提取目标.     

基于连续过松弛方法的支持向量回归算法

支持向量回归(support vector regression,简称SVR)训练算法需要解决在大规模样本条件下的凸二次规划(quadratic programming,简称QP)问题.尽管此种优化算法的机理已经有了较为明确的认识,但已有的支持向量回归训练算法仍较为复杂且收敛速度较慢.为解决这些问题.首先采用扩展方法使SVR与支撑向量机分类(SVC)具有相似的数学形式,并在此基础上针对大规模样本回归问题提出一种用于SVR的简化SOR(successive overrelaxation)算法.实验表明,这种新的回归训练方法在数据量较大时,相对其他训练方法有较快的收敛速度,特别适于在大规模样本条件下的回归训练算法设计.     

支持向量机算法在镍氢电池阴极材料研制中的应用

镍氢电池阴极材料的组成对电池的电化学容量和寿命关系甚大。本工作可限制过拟合，有较强预报能力的支持向量机算法进行镍氢电池阴极合金材料的配方优化，通过实验数据处理，建立了有关电化学容量和衰减速度的数学模型，留一法证实，支持向量机算法预报准确性高于人工神经网络。这说明支持向量机算法在材料配方设计方面有应用潜力。