基于PHP+MYSQL的图书馆新生借书证激活系统

介绍一种基于PHP语言和MYSQL数据库开发的图书馆新生借书证激活系统,解决如何引导读者主动进行入馆教育学习这一难题,提高新生入馆教育的效果,有力地推动读者培训工作的开展,为更好地向读者提供信息服务打下基础。     

基于混合核函数的自组织神经网络遥感图像分类

自组织神经网络SOM作为一种无监督学习的竞争式网络,已经得到了广泛的应用,它通过对输入信号的竞争学习,将样本划为不同的类别,但其分类效果常很难令人满意.提出了一种基于混合核函数的SOM神经网络改进方法,并和传统的SOM网络进行了对比,Iris数据和Wine数据的分类实验表明,该方法可以明显改进SOM网络的分类效果.然后对某地Landsat卫星遥感图像数据进行分类实验,实验结果表明,与传统的SOM网络、基于多项式核的SOM网络以及基于RBF核的SOM网络相比较,基于混合核函数的SOM神经网络方法的分类效果有较明显的提高.     

基于SPIHT树结构和SVM回归算法的图像压缩研究

提出一种结合SPIHT系数树的支持向量回归图像压缩方法.首先通过离散小波变换,然后融合SPIHT树结构,分解出小波系数,以一个系数树上的系数构成一个向量,采取SVM回归实现对DWT系数相关性的学习,使用较少的支持向量表示原始系数,从而实现图像压缩.原始图像经过小波变换,分解成不同尺度的多个子频带,最低子频带系数集中了大部分能量,对图像重构起决定作用,直接采用DPCM编码,所有高频子带数据进行SVM回归压缩,最后所有数据采用算术编码.实验表明,本算法可有效提高图像的压缩效率,与JPEG2000算法相比较,在压缩率较高时,信噪比明显高于JPEG2000.     

基于Kmeans与SVM结合的遥感图像全自动分类方法*

遥感图像分类方法通常采用监督的学习算法,它需要人工选取训练样本,比较繁琐,而且有时很难得到;而非监督学习算法的分类精度通常很难令人满意.针对这些缺陷,提出一种基于K-means与支持向量机(SVM)结合的遥感图像全自动分类方法.首先使用K-means聚类算法对样本进行初始聚类,根据每类中样本数及其稀疏程度选取一些点作为标记的学习样本训练SVM分类器,然后用SVM对原始数据重新分类.Iris数据和遥感数据的实验结果均验证了新方法的有效性.     

数字图书馆与读者服务

和传统图书馆相比较,数字图书馆在信息量和智能检索等方面有着明显的优势,同时,数字图书馆也从馆员素质、信息资源和图书馆基础设施建设以及服务方式和理念等各方面对信息服务提出了新的要求.     

基于输入扩展改进的BP网络及其在遥感图像分类中的应用

提出了一种基于输入模式扩展的神经网络改进方法,并和Levenberg-Marquardt优化的BP网络(LMBPN)进行了对比。通过二阶内积或切比雪夫多项式等非线性函数,把输入向量映射到更高维的模式空间,可以增强样本的可分性。Iris数据和遥感图像分类实验表明,输入模式扩展的神经网络改进方法可以进一步加快收敛速度,改进模式分类效果。     

数字图书馆与读者服务

和传统图书馆相比较,数字图书馆在信息量和智能检索等方面有着明显的优势,同时,数字图书馆也从馆员素质、信息资源和图书馆基础设施建设以及服务方式和理念等各方面对信息服务提出了新的要求。     

一种SOM和GRNN结合的模式全自动分类新方法

非监督学习算法的分类精度通常很难令人满意,而监督的学习算法需要人工选取训练样本,这有时很难得到,并且其分类精度直接依赖于所选取的学习样本。针对这些缺陷,提出一种非监督自组织神经网络(SOMNN)和监督的广义回归网络(GRNN)结合的全自动模式分类新方法。新方法首先通过SOMNN将原始数据进行自动聚类,再用所得的聚类中心以及中心邻近数据点训练GRNN,然后根据GRNN的分类结果重新计算聚类中心,再根据新的聚类中心和中心邻近点训练GRNN,如此反复,直至得到稳定的中心为止。Iris数据,Wine数据的实验结果都验证了新方法的可行性。