Kernel-kNN: 基于信息能度量的核k-最近邻算法

提出一种核k最近邻算法. 首先给出用于最近邻学习的信息能度量方法, 该方法克服了高维数据不便于用传统距离度量表示的困难, 提高了数据间类别相似性和距离的一致性. 在此基础上, 将传统的kNN扩展为非线性形式, 并采用半正定规划学习全局最优的度量矩阵. 算法主要特点是: 能较好地适用于高维数据, 并有效提升kNN 的分类性能. 多个数据集的实验和分析表明, 本文的Kernel-kNN算法与传统的kNN算法比较, 在低维数据上, 分类准确率相当; 在高维数据上, 分类性能有明显提高.     

基于核空间中最优变换和聚类中心的鉴别特征提取

应用统计学习理论中的核化原理,可以将许多线性特征提取算法推广至非线性特征提取算法.提出了基于核化原理的最优变换与聚类中心算法,即通过非线性变换,将数据映射到高维核空间,应用最优变换算法,实现原空间数据的非线性特征提取,而求解过程却借助“核函数”,回避了复杂非线性变换的具体表达形式.新算法可提取稳健的非线性鉴别特征,从而解决复杂分布数据的模式分类问题.大量数值实验表明新算法比传统的最优变换与聚类中心算法更有效,甚至优于经典的核Fisher判别分析.     

对DES实行优化控制的一种方法

对一类离散事件系统(DES),本文分析了其影响加工效率的因素,提出了优化控制的指标,并根据局部优化与全局优化相结合的原则提出了一种次优控制的方法,计算复杂度的分析表明了它的可行性和有效性,计算机仿真结果表明优化的闭环DES有一个从动态到静态最终稳定的过程,但只有当生产过程进入程序化生产后总加工效率才能随生产的进行而不断提高.     

一种求解TSP问题的新型人工神经网络方法

该文基于输出一阈值耦合神经网络的自动波现象,提出了一种用自动波方法求解TSP问题的方法。该方法具有鲁棒性和可靠性好、大规模并行计算等特点,可用于求解对称、非对称赋权图的TSP问题。与目前其它求解TSP问题的方法相比,自动波方法执行更为简单,不需要太多人为的选择参数等问题,且不存在局部极小点的问题,求得的解全部是最优解。其所需的计算量(迭代次数)主要取决于最短回路的长度,而与图的复杂程度、所存在的通路总数关系不大。最后文中给出了TSP求解的例子。     

一种新的彩色图像增强方法

根据人眼视觉感知色彩的特性,提出了在HIS色彩空间上的一种基于脉冲耦合神经网络的彩色图像增强算法。该算法能够在平滑图像、突出图像边缘的同时,通过对亮度强度分量的非线性对数拉伸和对饱和度分量的非线性指数调整,改善了图像的视觉效果和图像色彩的真实效果。     

基于Hofield网络的图的着色算法

应用Ｈｏｐｆｉｅｌｄ网络模型，系统地研究了图的正常ｋ－顶点着色，正常ｋ－边着色以及正常ｋ－全着色的具全算法，建立了相应的数学理论，了此领域内的某些工作。     

一种基于监督降维和形状分析的基因选择方法

因为由主分量分析与形状分析相结合的基因选择方法没有有效利用样本的类别信息,所以提出了一种新的基因选择方法,将间隔最大化判别分析和形状分析相结合,在选择基因过程中不仅考虑了基因与基因之间的相互作用,也考虑了基因与类之间的相互关系,提高了所选基因集的分类性能.对4组微阵列基因表达数据的实验表明,该方法的性能优于主分量分析与形状分析相结合的方法,与当前两个流行的多变量F ilter方法相比,也具有一定的优势.     

一种信号频率及二维到达角联合估计新方法

提出了一种窄带信源频率、俯仰角及方位角联合估计新方法.该方法选择特定序号阵元输出计算的高阶累积量构造4个矩阵,然后在累积量域构造三面阵,并分析了该三面阵低秩分解的唯一性,接着利用分解得到的4个对角阵联合估计信源参数.该方法无须参数配对,无须谱峰搜索,适用于任意加性高斯噪声环境.仿真结果表明该算法是有效的.     

浅谈英语单词记忆方法之我见

英语是一门语言学科，是一种交际工具，学生要提高为交际进行听、说、读、写的能力，就要掌握一定的词汇量，词汇量的多少是英语水平高低的关键所在。学习需要记忆，没有记忆就无法运用所学的知识去解决新的问题，要使记忆能保持长时间直至牢固不忘，除了勤学苦练之外，     

吸湿排汗仿真丝高弹针织面料的开发

采用CoolMax长丝/氨纶包芯纱开发具有优良吸湿排汗性的仿真丝高弹针织面料,分析了产品在设计、纺纱、针织工艺及生产过程中遇到的具体问题,提出了解决方案;与棉织物、普通涤纶长丝织物的对比测试表明,该面料具有更优的吸湿排汗性能.