简单非线性神经网络分类器及其在签名认证中的应用

该文分析了手写签名样本的特征值在特征空间上的分布。在此基础上,直接从神经元分类功能的物理意义出发,设计了具有非线性边界的,用于手写签名认证的神经网络分类器,妥善地解决了实际应用中,由于真实签名样本数量少和伪签名样本缺乏,不能训练神经网络的问题,取得了较好的认证结果。     

非线性局部寻优时间弯曲校正及签名特征空间稳定性研究

根据签名动态信息进行签名认证可以提高认证系统的安全性，它是在由签名动态信息的特征值张成的特征空间上的分类问题，然而，签名动态信息时间序列的时间弯曲现象使得特征值分离，不容易在特征空间上确定出真签名的特征值稳定的子空间，在签名样本数量小时尤为如此，因此提出一种非线性局部寻优时间弯曲校正方法，这具有较好的校正效果和较低的计算复要度，利用它对签名样本的动态信息时间序列进行校正，可以提高签名特征向量在特征空间上分布的聚扰性，拉开真，伪签名特征向量在特征空间上的距离，综合利用非线性局部寻优时间弯曲校正方法和线性时间弯曲校正方法对有限数量的标准签名样本进行处理，可在特征空间划分出不同置信度的特征稳定的子空间，以此满足不同安全程度认证的需要。     

基于日志分析的超级计算机错误预测方法研究*

大量的错误严重影响了超级计算机系统的稳定性,错误预测对于提高其稳定性有重要作用,日志分析是进行错误预测的有效方法.建立了错误预测的基本框架,包括日志的预处理、基础预测器和联合预测器,其中基础预测器包括时间预测器和关联预测器.在BlueGene/L日志上进行的实验结果显示联合预测器的预测效果比基础预测器好.这表明错误预测...     

电场数值计算在分析 GIS 中金属颗粒影响中的应用

利用一种不规则电场的数值计算方法,即有限元法,计算了不同形状大小的金属颗粒在ＧＩＳ断路器产生的局部不均匀电场,直观的显示了电场畸变的程度。根据计算结果,讨论分析了金属颗粒对ＧＩＳ稳定运行的影响。     

融合无监督和监督学习策略生成的多分类决策树

提出了一种融合无监督和监督两种学习策略生成多分类决策树的方法．它首先利用无监督聚类方法能够发现待分类样本之问的内在联系和规律的特点，确定出最为符合多类样本分布特征的决策树的树型，继而利用监督学习支持向量机的方法对样本进行准确的分类，通过采用核函数和不对称的Lagrangian系数限制条件，支持向量机很好的解决了样本特征空间上的线性不可分性和决策树型确定过程中出现的训练样本不对称性的影响、该方法具有较高的计算效率和准确性，在实验申取得了比较好的结果．     

超级计算机错误预测模型研究

错误预测对于提高计算机系统的运算稳定性有重要意义,日志分析是建立错误预测模型的有效方法。在同类型错误的时间预测模型的基础之上,通过日志分析建立了不同类型错误之间的关联模式,并在此基础上建立了基于关联模式的错误预测模型,填补了时间预测模型在错误发生后的短时间内无能为力的缺陷,提高了预测率,并在IBM的BlueGene/L的系统日志数据上验证了关联模式错误预测模型的有效性。     

逆C均值学习样本筛选方法

在有监督分类中,歧义学习样本将导致学习时间增长,分类性能下降等问题。本文提出一种逆C均值样本筛选方法,可有效剔出歧义的训练样本。该方法采用类似C均值聚类分析逆过程的方法,将有歧义的学习样本从训练集中剔除。本文以有监督图像分割中的样本选择为例进行实验。实验表明,该方法可有效消除由人机交互引入的歧义样本。     

特征子模式半定规划描述的序列分类方法

序列相似性描述是序列分类的关键,根据序列产生的背景和机理,融合利用具有不同物理意义的特征子模式集合进行序列相似性描述可以改进序列分类的效果.对于在多个特征子模式集合的核变换空间上进行的相似性描述,可利用半定规划方法,在使得分类边界距离最大的意义下对核矩阵相似性描述结果进行优化,从而建立起一种能够融合利用多种意义特征子模式集合的序列分类方法.该方法用于手写签名序列的识别实验,在基准签名数据集上取得了较好的实验结果.     

局域动态特征弯曲校正和作用均衡签名认证方法

利用手写签名动态信息进行身份认证是一种安全性高的个人身份认证方法．由于书写过程稳定性不一致，签名动态信息在时间轴上表现出平移、压缩和舒张等弯曲现象，但某些时间区段内动态信息的稳定性较高，弯曲现象相对微弱，这些特征鲜明的局部区域是签名认证的重要依据．通过设计核变换矩阵选取特征相对稳定的局部动态信息，并根据它们稳定程度的高低来均衡它们在签名认证中的作用，可以避免签名动态信息上不稳定局部对认证结果的负面影响．对挑选的特征局部进行非线性时间弯曲校正，与签名全程动态信息的时间弯曲校正相比较，不仅降低了计算量，而且可以避免校正误差积累．利用校正结果生成核变换矩阵，进而对线性支持向量机实施核化，得到的非线性签名认证器在实验中获得了比较好的认证准确率．     

基于社群发掘构建在线社交网络的高层架构

针对在线社交网络的巨大规模和复杂结构造成的网络分析困难问题,提出建立简明的在线社交网络的高层架构。定义在线社交网络高层架构由社群、链接中心及其它们之间的关联关系组成,提出一种基于社群发掘的在线社交网络高层架构构建方法。通过建立定量属性图来表达在线社交网络,综合利用节点和边的属性进行社群发掘。基于社群发掘结果辨识连接中心,生成社群和连接中心之间的关联关系,从而构建起在线社交网络的高层架构,实现对复杂在线社交网络的高层次的简明表达。将该方法用于建立一个商业电子公告板(BBS)在线社交网络的高层架构,在关联强度和社群尺度分别为0.5和3时可获得良好的社群发掘结果,建立的高层架构与实际情况比较一致。