一种简单有效的手写体数字特征提取算法

综合统计特征提取法与结构特征提取法的优点,设计了一种新的基于圈、左右轮廓特征与行分段特征来获取数字字符特征向量的方法。该办法用较少的特征向量就能够保留数字字符拓扑结构中的关键信息,适应性很强。仿真实验中,首先根据字符容易获取的结构特征（圈）对字符进行大体分类,然后利用基于级联结构的AD AdaBoost神经网络根据余下的特征值进行逐层淘汰识别。结果表明,该办法在识别速度与识别正确率方面都有所改进。     

一种实时挖掘数据流近似频繁项的算法

数据流的无限性和流动性使得传统的频繁项挖掘算法难以适用.针对数据流的特点,提出了一种实时的挖掘数据流近似频繁项的算法.在允许的偏差范围内,新算法只需扫描一次数据项,使用的存储空间远远小于数据流的规模,能动态地挖掘数据流中的所有频繁项.将数据项存储到一种新的数据结构中,利用该数据结构可以快速地删除非频繁项.最后,理论分析和实验表明这种方法的有效性.     

聚合物驱超短半径水平井应用效果分析

针对北三东西块注聚初期油层吸水能力下降幅度大,注入压力上升较快,间注井数多的问题,经过多种措施增注手段,效果都不理想,给聚驱过程中的跟踪调整带来很大难度。通过油井分层密闭取样,分析堵塞原因和堵塞距离,应用超短水平井解堵技术,注入状况得到明显改善,为聚合物驱解堵技术提供一定指导作用。     

基于块和分解的改进的支持向量机算法

针对块算法和分解算法各自的特．点，提出一种对一个样本点集合同时进行块算法和分解算法的算法，即对一个数据集合同时进行两个优化的方法，控制了块算法的工作集的规模，加快了分解算法的收敛速度。     

一种基于低维特征的高精度手写数字识别算法

提出了数字字符的轮廓骨架特征,并将这一特征与粗网格特征相结合对脱机手写体数字进行识别。获取特征向量后,利用改进的基于两级级联结构的AdaBoost 神经网络进行逐层淘汰识别。第一级首先使用基于粗网格特征的分类器进行粗分类,淘汰大部分负样本,而使几乎所有的正样本通过。第二级由基于轮廓骨架特征的分类器对通过第一级的样本进一步淘汰识别。仿真结果表明,该办法在识别速度与识别率方面都有较大幅度的改进。     

一种基于遗传算法的改进的BP算法

提出一种利用遗传算法对BP算法的改进方案。充分考虑了BP算法的精确性和遗传算法全局寻优的特点．使BP算法摆脱局部极小的困扰，并且所训练的网络能够达到要求的精度。     

一种改进的文本聚类方法

针对实际中一个文本可能同时是几个类的侯选成员的问题,将粗集与遗传算法结合并应用于文本聚类,改进了聚类过程中权重参数的设定方法,即权重参数由遗传算法确定,从而使权重参数的设定更具有科学性和可操作性,通过仿真实验验证了算法的可行性。     

基于核主成分分析的数据流降维研究

分析了数据流降维算法PCA和KPCA的原理和实现方法。针对在大型数据集上PCA线性降维无法有效实现降维且KPCA的降维效率差,提出了一种新的降维策略GKPCA算法。该算法将数据集先分组,对每一组执行KPCA,然后过滤重新组合数据集,再次应用KPCA算法,达到简化样本空间,降低了时间复杂度和空间复杂度。实验分析表明,GKPCA算法不仅能取得良好的降维效果,而且时间消耗少。     

基于频繁项集特性的Apriori算法的改进

Apriori算法是关联规则中一种重要算法.Apriori算法在求出频繁项集的过程中,需要扫描事务项集里的数据.由于事务项集里只是部分数据有用,所以改进算法,缩小所需扫描的事务项集大小,并提出了一种简单的数据结构--树型结构来存储事务项集数据,使得算法在数据集量巨大时,性能得到有效提高,并用实例验证了这些改进能够正确、有效、快速地实现该算法.