一个新的多分类器组合模型

分类在数据挖掘中扮演着很重要的角色,然而单个分类器有很多缺点,包括适用范围十分有限和分类准确度不高等。把多个单分类器的分类结果融合起来是克服这些缺点的有效途径,因此存在很高的研究价值。组合多分类器的一个核心内容是融合规则,现存的融合规则有积规则、和规则、中值规则与投票规则等,但这些规则性能还不够稳定。提出了一个新的基于神经网络的融合规则,并依此建立一个新的多分类器组合模型,实验表明它能提高分类准确度和稳定性。     

基于蚁群优化算法的基因选择

将蚁群优化算法(ant colony optimization algorithm,ACO)引入基因选择领域,并用基因与类别的相关性分析所得值来初始化最优化问题,缩短了找寻最优解的时间;以基因子集整体的样本辨别能力与子集中基因之间的平均距离的线性表达作为目标函数,有利于在找到关键基因的同时消除冗余;同时,由于目标函数不采用分类准确度,大大降低了计算复杂度,提高了方法的灵活性和适应性。     

线性不确定多时滞系统的输出反馈保性能控制

对线性不确定多时滞系统的输出反馈保性能控制进行了研究,应用线性矩阵不等式方法,给出了次最优输出反馈保性能控制的设计方法,并通过一个算例说明了此方法的可行性．     

面向不均衡数据集的ISMOTE算法

为了提高不均衡数据集中少数类的分类性能,提出ISMOTE算法。它是在少数类实例及其最近邻少数类实例构成的n维球体内进行随机插值,从而来改进数据分布的不均衡程度。通过实际数据集上的实验,与SMOTE算法和直接分类不均衡数据算法的性能比较结果表明,ISMOTE算法具有更高的分类精度,可以有效地改进分类器的性能。     

传感器网络中多节点协商可逆的数字水印算法

数字水印技术已被用于保障传感器网络所采集数据的完整性与正确性,已有的无线传感器网络中的水印技术几乎都是不可逆的,因而嵌入的水印会对采集的数据具有一定的破坏。为此,将传统的基于差分扩展的可逆水印算法引入到无线传感器网络,并结合无线传感器网络节点协同工作的特点,将已有基于差分扩展的可逆水印算法发展为多节点协商可逆的数字水印算法。该算法针节点结构松散、自身防御能力弱等问题将整体水印分为一定数目的片段,并由各组节点进行随机化处理使所有的片段呈随机性分布,以增加共谋攻击的难度。同时在节点和终端间用一对同步的随机序列发生器解决了对数据的新鲜性鉴别的问题。     

一种新的电子邮件过滤系统模型的设计

大量垃圾邮件的出现给用户收发E-mail带来了极大的困扰。该文在朴素贝叶斯算法的基础上，利用最小风险贝叶斯算法修正过滤器，设计出了一种新的电子邮件过滤系统模型。重点讨论了实现该系统所需处理的几个关键问题，最后给出了实验结果。     

智能网络UPS系统的设计

本文阐述了智能网络ＵＰＳ系统的含义,分析了四种ＵＰＳ冗余技术的优缺点,提出了网络ＵＰＳ系统的供电方案和思想最后给出了设计应用实例。     

天津轧三小型轧机实现全连轧

原冶金部确定的老轧机改造全国示范工程、由国内设计施工的小型轧机全连轧项目,仅用7个月时间,在天津市轧三制钢有限公司获得成功,并通过了天津市的验收。该公司经技术改造后,实现了轧钢的连续化生产,整个生产流程和电控系统全部采用微机控制,为全国小型横列式轧机的技术改造开辟了一条新路。     

一种基于Hadoop的高分辨率遥感图像处理方法

随着海量、多源的高分辨率遥感数据的获取,耗时较多、效率低下的传统处理方式已经不能满足用户需求。针对上述问题,提出了一种基于云计算的高分遥感数据处理框架,利用Hadoop技术设计和改进了Meanshift图像边缘分割算法,并在Hadoop环境下进行了仿真实验。实验结果表明,在Hadoop环境下的高分辨率卫星图像数据处理速度有了明显的改善。