p范数正则化支持向量机分类算法

L2范数罚支持向量机(Support vector machine,SVM)是目前使用最广泛的分类器算法之一,同时实现特征选择和分类器构造的L1范数和L0范数罚SVM算法也已经提出.但是,这两个方法中,正则化阶次都是事先给定,预设p=2或p=1.而我们的实验研究显示,对于不同的数据,使用不同的正则化阶次,可以改进分类算法的预测准确率.本文提出p范数正则化SVM分类器算法设计新模式,正则化范数的阶次p可取范围为02范数罚SVM,L1范数罚SVM和L0范数罚SVM.     

玻璃钢管材在德惠支线应急供水工程中的应用

通过玻璃钢管材在德惠支线应急供水工程中的应用,提出玻璃钢管材建设管理要点、注意事项及在工程中应用取得的效果。     

直方图的脑图像分割策略

为了提高核磁共振分割精度和效率,提出了一种基于直方图核磁共振脑图像分割算法.利用脑提取工具剔除脑核磁共振图像中非脑组织.根据灰度变化的特点,将脑图像直方图的区域峰值组成新的直方图,通过基于直方图阈值选取规则将脑组织分割成白质、灰质、脑脊液.实验结果表明:该算法相对于常见的分割算法,获得了较高的分割精度,同时运算效率高,运算时间降低了1~2个数量级.     

套管换热器旋流强化传热性能研究

本文针对工程中常用的套管换热器 ,采用切向引入装置、管内安装扭曲带方法使流体产生旋转流动 ,研究了两种旋流方式对强化传热性能的影响 ,为旋流强化传热装置的应用提供了必要的实验依据。     

基于摘要技术的混合模型流数据聚类算法

传统的数据库管理系统和数据查询算法不能很好地支持对流数据的查询已经被广泛认识,因而需要研究新的流数据模式查询算法.提出了一种基于摘要技术的在线快速混合模型流数据聚类算法,该算法为分阶段混合模型聚类过程.算法首先时最初到达的流数据用多维网格结构进行划分,对划分形成的每一个单元进行数据摘要,提取足够的统计信息.对该摘要运行基于模型的贪心聚类算法,聚类形成的混合模型的摘要信息存储在永久摘要数据库中,从而形成初始聚类混合模型;在聚类模型的维持过程中,当不断有流数据到达时,对到达的数据块用多维网格结构进行划分,对划分形成的每一个单元提取足够的摘要信息.对该摘要运行基于模型的贪心聚类算法形成聚类混合模型.在判断是否可以把新到达的模型合并到现有的混合模型中去时,提出了三种合并标准.实验表明,该算法减少了分类误差,其速度也比传统的基于模型的贪心聚类算法大大加快.     

城市污水厂不同功能区含恶臭和微生物气溶胶气体处理技术选择

某城市污水厂预处理区、生化处理区以及污泥处理区三种不同区域产生的含恶臭和微生物气溶胶气体分别选择采用高效雾化喷淋技术、一体式高效集成除臭技术、高效雾化喷淋技术及一体式高效集成除臭结合的技术进行处理。结果表明,该城市污水厂不同功能区的含恶臭和微生物气溶胶气体取得较好的处理效果。     

香山公园静宜园二十八景（二期）工程——森玉笏等景区修复工程综述

香山公园静宜园二十八景(二期)工程——森玉笏等景区修复工程,建筑面积共计601.65m²,本次修缮对香山景区内的部分景点根据历史材料及设计图纸进行原状修缮或复建,修缮对象分别为森玉笏、鹦集崖、唳霜皋、霞标蹬及知时亭。施工范围包含地基与基础工程、大木结构工程、屋面、地仗油饰及彩画等。     

基于X型力敏器件的俯冲高度传感器

研制了一种基于X型力敏器件的飞机俯冲高度传感器 ,利用差分运算放大器解决了力敏器件定高度差小信号连续量输出存在的问题     

基于bregman距离和等式约束正则化AdaBoost算法

基于J.Kivinen和M.K.Warmuth提出的一种基于正则化的在线学习模式,提出基于bregman距离和等式约束正则化弱分类器权值更新模式,实现了AdaBoostS,AdaBoostIE,AdaBoostRE,AdaBoostDE和AdaBoostE五种弱分类器权更新算法。在实验部分,利用实际数据对提出的五种算法与Real AdaBoost、Gentle AdaBoost和Modest AdaBoost算法作了比较。     

域自适应学习研究进展

传统的机器学习假设测试样本和训练样本来自同一概率分布. 但当前很多学习场景下训练样本和测试样本可能来自不同的概率分布. 域自 适应学习能够有效地解决训练样本和测试样本概率分布不一致的学习问题,作为 机器学习新出现的研究领域在近几年受到了广泛的关注. 鉴于域自适应学习技术 的重要性,综述了域自适应学习的研究进展. 首先概述了域自适应学习的基本问 题,并总结了近几年出现的重要的域自适应学习方法. 接着介绍了近几年提出的 较为经典的域自适应学习理论和当下域自适应学习的热门研究方向,包括样例加 权域自适应学习、特征表示域自适应学习、参数和特征分解域自适应学习和多 源域自适应学习. 然后对域自适应学习进行了相关的理论分析,讨论了高效的度 量判据,并给出了相应的误差界. 接着对当前域自适应学习在算法、模型结构和 实际应用这三个方面的研究新进展进行了综述. 最后分别探讨了域自适应学习在 特征变换和假设、训练优化、模型和数据表示、NLP 研究中存在的问题这四个方面 的有待进一步解决的问题.