超球体多类支持向量机理论

目前的多类分类器大多是经二分类器组合而成的,存在训练速度较慢的问题,在分类类别多的时候,会遇到很大困难,超球体多类支持向量机将超球体单类支持向量机扩展到多类问题,由于每类样本只参与一个超球体支持向量机的训练.因此,这是一种直接多类分类器,训练效率明显提高.为了有效训练超球体多类支持向量机,利用SMO算法思想,提出了超球体支持向量机的快速训练算法.同时对超球体多类支持向量机的推广能力进行了理论上的估计.数值实验表明,在分类类别较多的情况,这种分类器的训练速度有很大提高,非常适合解决类别数较多的分类问题.超球体多类支持向量机为研究快速直接多类分类器提供了新的思路.     

UML在植物资源检索系统中的应用

为使山东省的植物资源数字化,改变植物工作者手工查阅工具书的现状,以更快捷、全面、准确的方式检索相关资料,设计并实现了山东省植物资源检索系统,并利用UML的其中5种图和其支撑软件Rational Rose,结合植物检索的流程,对植物资源检索系统进行了系统分析与设计,从软件工程的角度完成了功能模型、业务模型和数据模型的建立,从而以静态结构和动态行为相结合的方式较全面、客观、标准的展示了该检索系统的设计部分.     

网格服务资源多维性能聚类任务调度

网格计算是当前一个重要的研究领域,其中任务调度是一个基本组成部分,其性能直接影响到网格服务质量.为了缩短任务调度完成时间,提高任务调度性能,提出了一种网格资源多维性能聚类任务调度算法MPCGSR (task scheduling algorithm based on multidimensional performance clustering of grid service resources).该算法根据网格环境下服务资源数量庞大、异构、多样的特点,预先以构建的网格服务资源超图模型为基础,结合小世界理论对服务资源进行多维性能聚类,将任务与聚类资源相匹配并实施调度.模拟实验结果表明,算法较之同类算法具有优越性,是一种有效的网格任务调度算法.     

一种特征加权FCM算法的图像重建技术研究

针对传统FCM(Fuzzy C-means)算法中初始聚类中心选取的随机性以及对初始值敏感的问题,提出一种基于进化策略的色彩空间加权的FCM聚类算法.通过在RGB(Red Green Blue)色彩空间矢量中设置加权矩阵来补偿各色彩的非均匀性,并采用一种类内最小距离最大的统计聚类算法来初始化聚类中心.实验结果表明,该算法能有效减少颜色量化后的均方差值,保持重建图像的整体层次和局部特征细节,对研究图像处理技术有较强的实际意义.

Abstract：

Aiming at a defect on randomness of the initial clustering center choosing and sensitivity of initial value in tradition FCM(fuzzy C-means) algorithm, a clustering algorithm about FCM of weighted color space based on evolutionary strategy is proposed. By interposing weighted matrix in RGB(Red Green Blue) color space, the color's inhomogeneous is compensated. And by using a statistics clustering algorithm of minimal maximal distance, clustering center is initiated. The experimental results show that the algorithm can decrease effectively the mean square deviation of color quantization, keep overall arrangement of ideas and part characteristic detail in image reconstruction, and has practical value to the study of the image process technology.     

鲁棒区间类型2可能性C均值聚类

提出了一种鲁棒区间类型2可能性C均值(IT2PCM)聚类规则,其实质是采用交替迭代结构进行聚类的交替类估计,但隶属度函数通过区间类型2模糊集合来选择.在提出的方法中,类原型的更新方程通过将降型与解模糊相结合的形式来计算.在鲁棒统计的框架下,通过φ函数的分析指出这种更新方程对类内不确定的模式以及野点具有鲁棒性.最后,与现有的鲁棒聚类规则进行比较.仿真结果说明了IT2PCM良好的鲁棒性.     

基于局部均值与类均值的近邻分类

k-近邻分类是一种流行且成功的非参数分类方法,但其分类性能由于离群点的存在而受到损害.为克服离群点对分类性能的不利影响,提出了一个k-近邻分类的变形和一个基于局部均值向量与类均值向量的近邻分类方法.该方法利用了未分类样本在每个训练类中k个近邻的局部均值的信息和整体均值的知识,不仅能够克服离群点对分类性能的影响,而且取得了比传统的k-近邻分类一致好的分类性能.

     

运用MATLAB进行军用软件可靠性评估

军用软件的可靠性已成为影响武器装备系统质量的关键因素。介绍了非齐次泊松过程类软件可靠性增长模型的原理以及如何运用MATLAB绘制软件故障数据曲线、模型参数估计及分布拟合检验,进而建立可靠性增长模型,进行可靠性评估。     

基于J2ME手机游戏设计及实现

基于J2ME技术开发了手机游戏"突围",首先通过游戏剧情及需求设计了游戏的功能流程,然后详细介绍了基于J2ME开发游戏的主类、主程序、背景类以及精灵类的设计及实现,最后介绍了关键技术敌机智能性的实现.     

聚类分析在非监督图像分类中的应用研究

为了提高聚类分析在非监督计算机图像分类中的应用效果,将设计并实现的基于密度和自适应密度可达聚类分析算法应用于图像分类.通过与K-means和层次聚类对图像分类效果的实验对比,证明了基于密度和自适应密度可达聚类分析算法在非监督计算机图像分类中具有良好的应用效果.     

不同角度下的聚类方法综述

目前聚类分析已经成为许多领域研究的重要方法,特别在图像分割及模式识别中,聚类更是一种常用的重要技术.从统计学角度来看,聚类分析也称群分析、点群分析,它是研究分类的一种多元统计方法,同时聚类分析也是数据挖掘中的核心技术.数据挖掘是近几年随着数据库和人工智能发展起来的一门新兴的数据库技术,它从大量原始数据中发掘出隐含的、有用的尚未发现的信息和知识,帮助决策者寻找数据间潜在的关联,发现被忽略的因素,因而被认为是解决现代社会"数据爆炸"和"Rich Data Poor Information"问题的一种有效方法.对于聚类分析有很多成功的方法,如划分方法、密度方法、K-均值法等.本文从不同方面介绍各种不同聚类方法及其应用.