地理信息系统在我公司的应用前景探讨

全面阐述了地理信息系统(GIS)在集团公司各领城的广泛应用前景,探讨了在管网、物业、电信管理方面的可行性和特点,为GIS今后在集团公司的应用提供参考。     

膳食纤维及制品质量标准的介绍

介绍了膳食纤维及制品质量标准的内容,包括标准范围、技术要求、试验方法及原则等方面.     

领域信息在信息融合进程中的优化处理

提出一种新的局部领域信息最优化组合函数算法，以解决融合过程中局部领域最优信息合理利用问题。引入最小鉴别信息熵的概念后，得到局部领域最小鉴别信息熵的概念与表示方法，应用于信息融合，得到局部领域信息最优化组合函数算法。该算法为避免其他融合方法主要考虑整体的结果而忽略具体过程提供了一种新的方法和思路。     

无需二值化的彩色车牌峰谷分割算法

车辆牌照图形的分割是车牌识别（VLPR）中的关键技术。对于通常采用的基于二值化结果的分割算法，车辆牌照图像的质量往往不佳，二值化后将会产生大量噪声，从而影响车牌分割，使系统整体识别率不高。文中提出了适合于户外流动车辆车牌分割的彩色车牌峰谷分割算法（CLCSA），不需对车牌进行二值化，通过对HIS空间的H分量和RGB空间的B分量适当调整，得到一个峰谷值差异较大的投影图像，从而为车牌正确切分提供了理想的位置。实验结果表明，蓝车牌和黄车牌的正确切分率达到97．5％，明显优于传统的对二值化图像的处理，特别是对于斜车牌和模糊车牌切分效果更加明显，更适用于实际应用。     

基于核函数的构造型网络二分覆盖算法

该文首先介绍了构造型神经网络中的覆盖算法的特点和性质,以及与支持向量机(SVM)中的核函数法的关系。然后,根据这些性质将两者有机结合起来,提出了一种处理多类问题分类的基于核函数的二分覆盖分类算法(Kf-BCC)。仿真结果表明,这种方法可以达到很好的效果,也为多类问题的分类提供了一种有效途径。     

基于覆盖的构造性学习算法SLA及在股票预测中的应用

覆盖算法是神经网络学习算法中的一个十分有效的方法,它克服了基于搜索机制的学习方法和规划学习方法计算复杂性高,难以用于处理海量数据的不足,为神经网络提供一个构造性的学习方法,但该方法是建立在所有训练样本都是精确的假设上的,未考虑到所讨论的数据具有不精确的情况,若直接将该方法应用于数据不精确情况,所得到效果不理想．主要讨论数据具有不精确情况下的时间序列的预测问题,为此将原有的覆盖算法进行改进,引入“覆盖强度”和“拒识样本”的概念,并结合这些新概念给出相应的覆盖学习算法(简称SLA),最后将SLA算法,应用于金融股市的预测,具体应用到以上(海)证(券)综合指数构成的时间序列的预测,取得了较好的结果,这表明了SLA方法的可行性和应用前景。     

基于商空间理论的车牌定位

1引言 随着智能交通系统的全面实施,汽车车牌的自动识别技术变得越来越重要,而牌照定位又是车牌识别中的关键环节.由于受天气、背景、磨损等外界干扰因素的影响,造成得到的车牌图像模糊,牌照区域不明显,给牌照区域的提取带来了较大的困难,因此牌照定位一直是汽车牌照识别系统中的重点和难点.在使用广泛的基于灰度图像的识别中,常用的方法有基于牌照纹理特征对图像进行检测,使用遗传算法对图像进行优化搜索,使用Hough变换以检测直线来提取车牌边界区域等.这些方法都有各自的优点,但是在实际应用中也存在一些不足之处,因此仍然需要做进一步的改进.     

基于商空间的支持向量机方法

1引言 Vapnik提出支持向量的机器学习方法[1]是建立在统计学习理论基础上的一种构造性学习方法,对线性可分情况给出一个用规划方法求解最大间隔的解,对线性不可分情况提出利用核函数,将原问题映射到高维空间,然后按线性可分的情况进行处理,它通过空间的变换解决了传统神经网络通过增加隐层神经元才能解决的问题,并成功应用于众多领域[2～6].     

不同粒度世界的描述法--商空间法

面对复杂对象,如何描述对象往往成为解决问题的基础,为此,该文提出了一种不同粒度世界的描述方法——商空间法．在商空间法中用一个三元组(X,f,T)描述一个问题,在其论域上引入等价关系R,对应于R的商集[X],然后将[X]当作新的论域,对它进行分析、研究,从而将问题表述成不同的粒度世界,进而达到简化问题、解决问题的目的．与粗糙集、决策树等方法相比较,商空间法具有更强的表达能力,它不仅可以定义多种不同的属性函数,而且可以描述论域中的元素、元素之间的相互关系(即结构)、运算等．该文介绍粒度世界的描写、划分法、粒度确定以及不同粒度世界的关系．最后给出了粒度世界的描述实例——互联网中的路由算法及称球游戏,以验证商空间方法的有效性．