基于排序学习前向掩蔽模型的快速增量学习算法

增量学习是一种在巩固原有学习成果的基础上快速有效地获取新知识的学习模式.本文在简述增量学习的相关研究以及排序学习前向掩蔽模型(SLAM)的特点后,提出了一种基于SLAM的快速增量学习算法.该算法在原神经网络模型分类能力的基础上,实现对新增样本的快速增量学习,从而在较短的时间内提高该网络模型的分类推广能力.最后,与SLAM算法和Levenberg-Marquardt 后向传播(LMBP)算法的实验对比结果证实了该算法的有效性.     

微波法萃取紫色甘薯皮原花青素工艺的研究

采用微波提取技术提取紫色甘薯皮中原花青素,研究微波控制条件对原花青素提取率的影响,并在单因素的基础上进行正交实验。研究结果表明:微波提取可以有效缩短原花青素提取时间并提高提取率,微波提取紫色甘薯皮原花青素的最佳提取工艺条件为以60%乙醇为提取液,微波功率600W、料液比为1∶14、微波作用时间140s、提取1次,在此条件下,原花青素的提取率为2.86%。     

一种基于超图模式的高维空间数据聚类方法

本文把一个求解高维空间数据聚类问题转换为一个超图分割寻优问题,提出一种基于超图模式的高维空间数据聚类方法.该方法不需要减少高维空间数据项的维数,直接用超图模式描述原始数据之间的关系,并能通过选择适当的支持度阈值,有效去除噪声点,保证数据聚类的质量.     

GPON中一种基于带宽需求的带宽分配算法

吉比特无源光网络（GPON）是接入网的最新发展趋势，动态带宽分配对提高GPON的服务质量、改进GPON系统时延及信道利用率等性能指标有着重要的意义，是GPON系统的关键技术之一，主要对GPON上行信道动态带宽分配技术进行研究，在分析GPON基于业务和基于T—CONT两种动态带宽分配算法的基础上提出一种新的改进型算法，新算法具有高效率和保证QoS的优点，并分析了这种算法的性能。     

税务局发票管理系统的设计

介绍基层税务局发票管理（增值税专用发票、普通发票）计算机网络系统的设计思想、系统功能、开发与运行中的几个问题。     

关于CTL与E_AG_(LE)两种规划扩展目标表示语言的语义比较

在不确定的智能规划领域中,CTL和EAGLE是两种重要的扩展目标表示语言.虽然与CTL相比EAGLE具有可以表示规划意图和失败处理机制的特点,但是有关严格比较这两种目标表示语言语义的研究工作还不多.文章在规划的执行结构这一语义层次上对这两种语占做了严格的比较,证明了对于许多包括原来曾被认为无法用CTL表示的EAGLE规划目标而言,都存在着一个与之语义等价的CTL规划目标,并且进一步分析了这两种语言在表示规划目标和指导规划求解这两个层次上的优缺点.     

一种基于企业资源计划的OLAP的实现方法

在建立企业资源计划（ERP）数据多维模型的基础上,提出了一种基于ERP的联机分析（OLAP）的实现方法。该方法集成多维OLAP和关系型OLAP的两种技术于一体,模拟计算的结果,验证了该方法对多维数据查询的有效性。     

基于多尺度Meanshift图像去噪算法

针对图像噪声类型未知、Meanshift平滑窗口难以确定致使图像细节被模糊的问题,提出多尺度Meanshift图像去噪算法。结合小波的"数字显微镜"的优点与Meanshift较强无参概率密度估计及快速模板匹配的特点,非常有效地去除了一组实际夜间远程拍摄图像中的未知噪声。算法执行过程中,首先,将图像进行二维离散小波变换,分解出低频子图和承载细节的高频轮廓子图;然后,区别于传统处理方式,高频子图保护不变,对低频子图进行Mean shift分析窗平滑,最后合成高频子图与低频滤波后图像形成去噪声后图像。该方法不仅弥补了单一Meanshift算法由于平滑窗口难以确定致使图像细节被过滤的缺陷,而且解决了一类实拍高噪声图像的去除,信噪比SNR为34.29。结果表明:本文提出的算法可以去除不同类型噪声图像,并可得到较高的信噪比。