使用模拟切削算法的SVM增量学习机制

提出使用模拟切削算法的SVM增量学习机制。模拟切削算法在核函数映射的特征空间中计算每个样本的预期贡献率, 仅选取预期贡献率较高的样本参与SVM增量学习, 有效解决传统SVM增量学习代价高、目标样本选取准确性低、分类器缺乏鲁棒性的问题。一个样本的预期贡献率采用通过该样本的映射目标的合适分离面对两类样本的识别率来表示。对目标样本的选取酷似果蔬削皮的过程, 所提算法由此得名。基准数据实验表明, 文中算法在学习效率和分类器泛化性能上具有突出优势。在有限资源学习问题上的应用表明该算法在大规模学习任务上的良好性能。     

尾矿库环境风险评价方法研究

本文主要针对目前《建设项目环境风险评价技术导则》(HJ/T169-2004),对于大、中型项目尾矿库环境风险评价工作可操作性差,只能停留在定性分析的层面上,存在诸多具体评价方法及计算模式不适应的问题,重点从尾矿库环境风险评价方法及计算模式方面进行探讨研究,给出定量化的评价方法及计算模式。     

一个概率关系专家数据库模型

该文在关系数据库理论的基础上,针对元组级不确定信息,给出了一种概率知识表示的方法,并以此为基础,首先推广传统关系到概率关系,进而推广关系代数到概率关系代数,建立了一个简单的概率关系数据模型,并给出了该模型的一些基本操作,如选择、投影,笛卡尔积、并、差等。该模型对存储和管理不确定信息的数据库的建立有一定参考价值。     

信息融合中重要性测度的区间估计

在现代信息融合中,各个信源之间的相关性使得已不能再用简单的加权平均线性模型来描述,而需要采用非线性模型描述．文中针对基于Ｓｕｇｅｎｏ积分的非线性模型,提出了一种对重要性测度进行估计的方法,该方法仅需比较运算,简便有效,特别适合于有大量信源的大型信息融合系统和实时获得信源证据度信息情况的场合,并指出证据度信息中仅包含重要性测度的区间估计信息,未含有其点估计信息．最后还给出了估计的例子．     

毛/丝交织物蛋白酶整理工艺

毛/丝交织物同时具有羊毛和蚕丝的许多优良特性,但由于羊毛纤维的刚性较大,使织物有刺痒感,而且易起毛起球.现采用蛋白酶对织物进行整理,使织物表面的毛羽减少,摩擦系数降低,手感柔软,服用性能得到改善.通过实验,从蛋白酶用量、整理液的pH值、整理液温度、整理时间几方面综合分析,确定了最优的整理工艺.     

植物修复重金属污染土壤在我国的发展前景

通过分析国内外植物修复重金属污染土壤现状及特点 ,结合国内外发展趋势及我国重金属土壤治理现状 ,提出植物修复是治理重金属污染土壤的重要途径 ,在我国具有广阔的发展前景     

元学习算法选择机制及关联对性能的影响

提出一种元学习定义,从偏差/方差分解角度对元学习中学习算法的选取机制进行研究,得出了元级选用错误率低且偏差小的学习算法、基级学习算法按照错误率及方差从低到高排列的结论。鉴于标准数据集不能充分评估关联对元学习性能的影响,设计了一种模拟算法以产生模拟数据集。在UCI标准数据集和模拟数据集上的实验表明,同常用的多数投票等组合方法相比,基于算法选择机制的元学习表现出优良的性能,且分类器之间的负关联有助于性能的改进。     

基于PCNN的图像高斯噪声滤波的方法

针对图像高斯噪声的特点，提出了基于PCNN的图像高斯噪声的滤波新方法。通过对脉冲耦合神经网络运行机理的分析，指出网络中神经元间的捕获特性本身在一定程度上起着对图像的滤波作用，并介绍了该滤波方法的去噪能力和特点。为进一步适应图像滤波的需要，对PCNN的硬限幅函数加以了改进。最后给出了仿真实验的结果，验证了该方法的有效性。     

一种基于多层神经网络的盲信号分离算法

基于多层神经网络,提出一种盲信号分离算法.该算法不对信号的密度模型做任何假设,通过多层神经网络估计任意信号的概率密度函数,并由此估计信号的评价函数.同其他方法相比,该方法不仅具有更好的分离性能,而且收敛速度较快.该方法可直接应用于所有以非线性函数代替评价函数的盲信号分离算法.实验验证了方法的有效性.     

聚偏氟乙烯的晶体结构及应用

介绍聚偏氟乙烯（PVDF）的α、β、γ、δ晶型等ε种晶体结构,探讨了各种晶型的形成条件,综述了PVDF不同晶型之闻转化的研究进展,介绍了PVDF在化工设备、电子电气和建筑涂料等领域的应用,展望了PVDF的应用前景。