基于特征加权距离的双指数模糊子空间聚类算法

传统的模糊聚类算法(FCM)使用欧氏距离计算数据点之间的差异时,对于高维数据集聚类效果不够理想.对此,以FCM算法的目标函数为基础,用特征加权距离代替传统的欧氏距离,同时向约束条件中引入指数γ和β,提出了一种基于特征加权距离的双指数模糊子空间聚类算法,并讨论了该算法的收敛性.实验表明,所提出算法可以有效提取高维数据集各类别的相关特征,在真实数据集上有较好的聚类效果.     

基于语境距离度量的拉普拉斯最大间距判别准则

线性拉普拉斯判别准则(Linear Laplacian discrimination, LLD)作为一种非线性特征提取方法得到了较为成功的运用. 然而通过分析得知在具体使用LLD方法的过程中还会面临小样本以及如何确定原始样本空间类型的问题. 因此, 本文引入语境距离度量并结合最大间距判别准则的基本原理提出一种基于语境距离度量的拉普拉斯最大间距判别准则(Contextual-distance metric based Laplacian maximum margin criterion, CLMMC). 该准则不但在一定程度上避免小样本问题, 而且由于语境距离度量更关注输入样本簇内在的本质结构而不是原始样本空间的类型, 从而降低了该准则对特定样本空间的依赖程度. 同时通过引入计算语境距离度量的新算法并结合QR分解的基本原理, 使得CLMMC在处理高维矢量模式数据时更具适应性和效率. 并从理论上讨论CLMMC准则具有的基本性质以及与LLD准则的内在联系. 实验证明CLMMC准则具有上述优势.     

基于MDA数据库概念模型可视化设计

该文提出了一种基于MDA数据库概念模型可视化设计解决方案。使得数据库概念模型相当于MDA中的PIM模型;物理模型相当于MDA的PSM模型。概念模型和物理模型之间的相互转化可以自动完成。提高数据库设计的效率和数据库文档一致性。     

纵横信息数字化学习课题实验专项研究优秀实验报告节选(一) 快乐纵横幼儿专项实验研究

引导幼儿自主探索,学会学习兴趣是学习的原动力。上一学年的实验结果表明,实验班的幼儿不仅在识字量、阅读能力的进步方面超过对比班的幼儿,而且在学习兴趣与专注力方面也优于对比班的幼儿。     

平均邻近间隔支撑向量机

近年来,支撑向量机(SVMs)作为一种学习方法已经在机器学习和模式识别的研究领域中得到了成功的运用,然而传统SVMs缺少考虑数据的局部信息.文中将邻近间隔的基本思想引入到SVMs中,提出了平均邻近间隔支撑向量机(ANMSVMs).ANMSVMs继承了传统SVMs的优点,同时又充分利用了数据的局部信息,从而实现了泛化能力的进一步提高.人造数据和真实数据集的实验结果验证了该方法的有效性,并且相对于传统SVMs体现出了更强的泛化能力.     

一种改进IKONOS融合影像中植被色偏的IHS算法

在分析几种改进IHS算法的基础上,针对IKONOS影像融合后植被区出现的色偏问题,提出一种改进算法。该算法采用缨帽变换的方法提取植被信息,并对植被区与非植被区分别采用不同的融合策略,最终得到融合影像。实验结果表明,该算法在保持光谱和提高空间细节之间获得较好均衡的同时,植被区的色偏问题也得到改善,具有更好的目视效果,与几种改进的IHS算法对比分析,该算法均优于其他几种改进算法。     

基于热平衡的中智学图像分割方法

为降低噪声对图像分割结果的影响,提出一种基于热平衡理论的中智学图像分割方法。该方法将图像转化为中智学图像,考虑每一个像素的不确定性,通过热平衡运算及图像增强处理,使噪声点变得更平滑,再使用γ-均值聚类方法分割图像。实验结果表明,对于含不同程度噪声的图像,该方法的分割效果明显优于中智学方法及改进的模糊C-均值方法。     

子空间可能性聚类机制研究

可能性C-均值(PCM)聚类作为经典的基于原型的聚类方法,在处理高维数据集时性能骤降,无法检测出高维空间中嵌入的有效子空间。针对此不足,在PCM基础上引入子空间聚类机制,提出子空间可能性聚类算法SPC。该方法保留了PCM方法的优点,且对高维数据具有较好的适应性,能够有效检测各类所处的子空间。仿真实验验证了SPC算法的有效性。