一种新的动态权重更新相关反馈方法*

提出了正负相关图像所占比例与特征值的标准方差相结合来调整对应权值的方法.为了避免相关反馈的权值调整陷入局部最优状态,引入一个干扰因子,使权值跳出局部最优区域.结果表明了该方法的优越性.     

矩阵Hadamard积特征值估计

利用矩阵的Hadamrd幂与柯西—施瓦兹不等式,首先给出了非奇异M-矩阵A与非奇异M-矩阵B的逆矩阵B-1的Hadamard积的最小特征值τ(AoB-1)的新下界估计式.然后给出了非负矩阵和M-矩阵的逆矩阵的Hadamard积的谱半径上界估计式,进而给出M-矩阵最小特征值的下界的新估计.数值例子说明新的界值估计式改进了已有的结果.     

周向外压作用下多孔圆筒屈曲分析

分别以圆筒和多孔圆筒为研究对象,采用了特种值和双非线性两种方法对周向外压作用下圆筒和多孔圆筒进行屈曲分析,将所求得的圆筒临界载荷与解析法结果进行比较,发现双非线性法求得的临界载荷与解析法吻合程度高.并参照ASME-VIII-2中许用外压的相关规定,以双非线性法求得的临界载荷确定了多孔圆筒的许用外压.     

隐目标回归算法设计研究

对常用的回归方法进行研究.此类方法虽然几何解释明确、易于求解,但均须事先确定(或假定)变量间的因果关系,再考虑建模,在实际应用中,对于很难确定变量的因果关系的问题,如物联网数据分析,上述方法就会失效.为此,提出一种无需假定因变量的隐目标回归方法.该方法易于核化,可以推广到非线性回归问题.通过人工数据和国际标准数据集上的实验验证了所提算法的有效性.     

一种快速有效的机载目标识别算法

针对机载三维运动、复杂场景下特定目标识别困难的问题,提出了一种快速有效的算法。先采用基于颜色的目标检测技术,快速实现目标兴趣区域的粗定位;然后根据链码跟踪方法提取兴趣区域的特征;再根据样本视频总结归纳出的决策规则对兴趣区域的特征进行判断;最终实现特定目标的识别。实验表明,新算法速度快,实用性强,适合实时处理。     

改进贝叶斯分类的智能短信分类方法

随着移动通信技术的不断发展,手机的普及率在不断上升,而短信作为传统的移动通信服务,长久以来一直在人们的日常生活中占据着极为重要的位置。可以说,短信在一定程度上记录了人们生活的轨迹。但是,现有的短信管理系统仅对短信进行以联系人为特征分类、以时间为顺序显示的简单非智能化的管理,导致了用户手机中各类短信混杂不清,短信的管理效率极低。通过研究短信的特征,分析传统的基于文档频率的特征值提取方法和基于互信息的特征值提取方法的优势与不足,提出了一种适用于短信的基于词频和互信息的特征值提取方法,并结合短信长度实现了一种改进的贝叶斯分类算法。实验证明,算法在进行短信分类时可以得到相当可观的召回率和准确率。     

基于隐马尔科夫模型的DNA序列分类方法

DNA序列分类是生物信息学的一项基础任务,目的是根据结构或功能的相似性预测DNA序列所属的类别。为进行有效分类,如何将序列映射到特征向量空间并最大程度地保留序列中蕴含的碱基间顺序关系是一项困难的任务。为克服现有方法容易导致因DNA序列碱基残缺而影响分类精度等问题,提出一种新的DNA序列特征表示方法。新方法首先为每条序列训练一个隐马尔科夫模型（HMM）,然后将DNA序列投影到由HMM状态转移概率矩阵的特征向量构成的向量空间中。基于这种新的特征表示法,构造了一种 K-NN分类器对DNA序列进行分类。实验结果表明,新型特征表示方法可以较为完整地保留 DNA 序列中不同碱基间的关系,充分反映序列的结构信息,从而有效提高了序列的分类精度。     

一种改进的OFDM信道估计算法

在无线通信当中,信道估计会受到许多因素的影响,例如噪声、衰减等。如何使得信道估计的准确度提高变成重中之重。通常我们应用的SVD信道估计算法,主要是用循环前缀长度为界来截取的特征值,这种做法的弊端是导致比较大信道噪声。因此,该文的对于这一问题,提出了一种优化的SVD算法,本算法的核心是估计信道的最大多径时延,从而来得到我们所需要的特征值,进而来降低噪声的干扰[1],通过仿真,我们可以看出本算法所体现的优越性。     

非负矩阵的Hadamard积的谱半径上界

对于非负矩阵,它的谱半径一定是它的一个特征值.而求矩阵的特征值有时会非常困难,因此对非负矩阵的谱半径即最大特征值进行估计,是矩阵理论的核心问题之一.利用著名的Gerschgorin圆盘定理和Brauer卵形定理,证明了两个非负矩阵A与B的Hadamard积的谱半径上界的两个估计式.     

几种特殊矩阵的Pareto特征值问题

Pareto特征值问题是定义在正卦限上一类锥约束问题,在许多领域有着深厚的背景。将讨论Pareto特征值的一些理论性质,包括给定矩阵Pareto特征值范围及个数上界。引进了一类新矩阵,讨论并给出它的部分理论性质,可直接计算其最大Pareto特征值。