一种解决大规模数据集问题的核主成分分析算法

提出一种大规模数据集求解核主成分的计算方法.首先使用Gram矩阵生成一个Gram-power矩阵,根据线性代数的理论可知,新形成的矩阵和原先的Gram矩阵具有相同的特征向量.因此,可以把Gram矩阵的每一列看成核空间迭代算法的输入样本,这样,无须使用特征分解即可迭代地计算出核主成分.该算法的空间复杂度只有O(m);在大规模数据集的情况下,时间复杂度也降低为O(pkm).实验结果表明了所提出算法的有效性.更为重要的是,在大规模数据集的情况下,当传统的特征分解技术无法使用时,该方法仍然可以提取非线性特征.     

使用迭代方法求解核主成分分析

核主成分分析方法是使用核方法将经典的线性算法主成分分析推广到高维空间,用来处理复杂非线性数据的一种常用的特征提取算法,该算法首先在高维空间中计算所有样本之间的核矩阵,然后使用特征分解技术计算核矩阵的特征解,其计算的时间和空间复杂度分别为O(m2)和O(m3).然而在大规模数据集的情况下,由于储存和计算的问题无法进行正常的求解.文中提出首先使用幂迭代方法计算核矩阵的高阶特征解,然后重复使用Schur-Weilandt收缩方法分别计算出核矩阵的其它阶特征解.文中算法在计算过程中,不需要像传统的计算方法那样需要事先存储核矩阵,空间复杂度只有O(m).通过在模拟和真实数据的实验结果充分验证了算法的有效性.     

基于人工神经网络和生物光子学的小麦籽粒状态分类

将生物光子分析技术与人工神经网络相关算法相结合,识别小麦籽粒的不同状态.以经过不同时间的水浸泡处理和去胚芽前后的小麦籽粒为研究对象,通过定制的生物超微弱发光测试仪获取试验样品的生物光子辐射.利用人工神经网络中的误差反向传播(Back Propagation,BP)算法对测量的小麦籽粒生物光子辐射数据进行分类研究.结果显示,该方法对有无胚芽小麦的识别率均达90%以上,对于新旧小麦的识别率也在70%以上.     

引进用户服务系统促进管理制度创新

本文详细阐述了用户服务系统的功能,介绍了系统投入后产生的经济效益和社会效益,以及由此带来的公司管理制度的创新。     

基于加权感受野和跨层融合的遥感小目标检测

针对遥感图像中小目标特征易丢失、易受背景噪声影响和定位难的问题，本文对YOLOX-S目标检测模型进行改进。使用二维离散余弦变换对CBAM注意力模块进行改进并加入到主干网络当中，提高网络对小目标的关注度；其次提出一种加权多重感受野空间金字塔池化模块，提升模型对多尺度目标尤其是小尺度目标的感知能力；采用跨层特征融合的思想，提出一种跨层注意力融合模块，使深层结构中尽可能保留更多的小目标特征；最后使用EIoU损失加强对小目标的定位能力。由大量实验分析可知，在RSOD数据集上，改进模型的APs值相对于基准模型提高了5.1%，在DIOR数据集上提高了2.4%，参数量仅增加了1.01 M，检测速度达到93.6 fps，满足实时性的检测要求。此外，相对于当前最新的目标检测模型，本文改进模型也具有一定优势。     

引进用户服务系统 促进管理制度创新

本文详细阐述了用户服务系统的功能，介绍了系统投入后产生的经济效益和社会效益，以及由此带来的公司管理制度的创新。     

燃气报修信息管理系统技术探讨

燃气是易燃、易爆的产品，燃气公司面对着千家万户的服务需求，管理着全市范围内纵横交错的地下管网和大量设备，如何降低日益增长的管理和服务成本，如何利用先进技术来降低事故发生率和提高处理事故或隐患的准确率和及时率，对燃气这个公共服务行业来说，必须建立计算机报修管理系统，利用先进的管理概念为用户服务这个工作宗旨提供现代化的手段。     

基于超宽带和惯性传感器融合的人体动作捕捉系统

惯性传感器动作捕捉系统能够非常精确的测量人体每个关节的旋转,但是并不能测量人体的位移,降低了系统的可用性。为此提出了一种超宽带定位系统和惯性传感器的融合算法。该算法结合两种传感器的优点,实现的动作捕捉系统不仅可以捕捉表演者的肢体动作,还能够精确定位用户在表演环境中的空间位置。实验表明在室内环境下该动作捕捉系统具有精确性和连续性。     

小麦隐蔽性害虫检测新模型

粮食在存储过程中极易发生虫蚀现象,因此需要快速高效的检测粮食是否染虫.基于生物光子分析技术(Biophoton Analytical Technology,BPAT),提出了一种新型的小麦隐蔽性害虫检测模型.以小麦籽粒和玉米象为研究对象,分别测量正常和含虫小麦的自发光子数,并提取8个统计特征(均值、方差、中位数、四分位数、平均差、离散系数、偏度、峰度)和13个直方图特征组成粮食特征数据向量,对这些特征向量进行主成分分析(principalcomponent analysis,PCA),并在此基础上分别采用线性分类器LDA(linear discriminant analysis)和BP神经网络模型进行识别,实验结果表明,所提模型可以较好地区分正常小麦和含虫小麦.     

基于改进的BP神经网络税收预测模型的研究

因为税收数据的非线性、冗余性等特点,传统的税收预测模型的精度都不高.为了提高税收预测的精度,提出了一种主成分分析和BP神经网络相结合的税收预测模型.首先利用主成分分析法对影响税收的8个因子进行处理,消除重复的信息,结果保留了2个主成分作为神经网络的输入,达到了降维的目的,加快了网络训练的收敛速度.然后用BP网络对样本进行训练,仿真结果表明,通过不同模型之间的对比,发现PCA-BPNN模型的预测精度更高,可用性更好,是一种高效的预测方法.