基于蚁群聚集信息素的半监督文本分类算法

半监督文本分类中已标记数据与未标记数据分布不一致,可能导致分类器性能较低。为此,提出一种利用蚁群聚集信息素浓度的半监督文本分类算法。将聚集信息素与传统的文本相似度计算相融合,利用Top-k策略选取出未标记蚂蚁可能归属的种群,依据判断规则判定未标记蚂蚁的置信度,采用随机选择策略,把置信度高的未标记蚂蚁加入到对其最有吸引力的训练种群中。在标准数据集上与朴素贝叶斯算法和EM算法进行对比实验,结果表明,该算法在精确率、召回率以及F1度量方面都取得了更好的效果。     

基于条件随机场的低图像质量车牌字符分割

提出一种基于条件随机场的车牌字符分割算法,能够对光照不均、相机拍摄角度造成的低图像质量的车牌图像,特别是日益增多的车牌边框与字符相连接车牌图像进行有效的字符分割。算法首先进行车牌图像校正,然后利用标注车牌数据进行模型学习,对车牌图像像素列进行分类识别,最后组合成车牌字符分割结果。理论分析与实验结果验证了算法的有效性。     

基于随机森林的亚健康状态预测与特征选择方法研究

亚健康状态是一种介于健康和疾病之间的低质量状态。研究的目的是要确定哪些因素或因素组合能够针对亚健康状态进行预测。临床流行病学调查,获取572个实际案例(其中,523宗均为亚健康状态,49宗为健康),在报告中包括了50种相关症状。应用随机森林分类技术进行基于临床数据分析的亚健康状态预测,正确分类率为91.28%。由50倍随机森林方法所得到的特征选择(症状),即疲劳、心悸、四肢肌无力、疲劳程度和悲观态度是重要的判别变量。相关实验结果显示了提出方法的可行性与高效性。     

随机环境下带有私人信息的单机能力分配策略

本文研究随机环境下考虑私人信息的单机能力分配问题.该问题中各部门的单位产品收益、需求信息及加工设备各时段的能力为私人信息,且各时段中产品的加工时间为随机变量.本文采用设备方与各部门协商的方法对问题进行求解,首先利用随机规划理论将能力分配问题清晰化,然后利用拉格朗日松弛和泰勒级数展开方法进行协商机制设计,接着给出基于偏转次梯度方法的协商参数更新法则,最后综合上述过程给出最终的问题求解算法.数值算例验证了算法的有效性并分析了关键参数对能力分配结果的影响.     

随机非线性和部分转移概率未知时马尔科夫系统的H1控制

研究上述系统时: 1) 利用了非线性的概率分布信息; 2) 利用了转移概率中已知部分和未知部分的关系. 利用李雅普诺夫泛函方法和线性矩阵不等式方法, 本文得到了使得系统随机稳定的充分条件并得到了相应的反馈控制增益. 文中最后给出的例子表明了所建立模型和分析方法的有效性.     

具有数据包丢失的离散随机不确定系统的线性最优满阶估值器

研究了具有数据包丢失和随机不确定性离散随机线性系统的状态估计问题.其中数据包丢失是随机的,且满足Bernoulli分布,系统矩阵中的随机不确定性由一个白色乘性噪声来描述.首先,通过配方方法,提出了最小均方意义下的无偏最优线性递推满阶滤波器.所提出的滤波器用到了当前时刻和最近时刻接收到的观测来保证线性最优性.与多项式滤波和增广滤波器相比,本文的滤波器具有较小的计算负担.然后,基于所获得的线性滤波器推导了线性最优预报器和平滑器.进一步研究了线性最优估值器的渐近稳定性,给出了稳态特性存在的一个充分条件.最后,通过两个仿真例子验证了所提估计算法的优越性.     

雾天视频清晰化系统研究

针对在雾天等恶劣天气条件下普通监控系统不能发挥应有的作用,设计基于DM642数字信号处理器的雾天视频清晰化系统,给出系统硬件结构和软件流程。以Retinex图像增强理论为基础,根据传统Retinex算法的数学定义提出随机喷射Retinex(RSR)算法。RSR算法以2-D像素点集合代替传统路径比较方法,解决了路径依赖、样本噪声问题,优化了计算复杂度。实验结果表明,系统实现了良好的实时性、稳定性和视频图像清晰化。     

有界随机测量时滞的网络控制系统的最优估计（英文）

在假设测量没有丢包的情况下,研究了带有随机测量时滞的网络控制系统的最优估计问题.利用已知的时滞分布概率,建立新的模型来描述随机时滞测量.进一步将带有时滞的测量等价成每个通道是单时滞的多通道测量,从而利用新息重组方法,通过求解黎卡提方程求解最优估计器.最后给出仿真实例验证了该算法的有效性.     

三支决策及其相关理论研究综述

三支决策、粗糙集、集对分析以及模式识别理论都是处理模糊和不确定性知识的有效理论。分析三支决策与粗糙集、集对分析、模式识别的相似和想通之处,并将它们相互渗透,为今后三支决策理论的进一步发展和完善奠定理论基础。     

基于随机森林分类算法的边坡稳定预测模型

基于随机森林分类算法,提出一种边坡稳定预测模型。应用收集的边坡稳定状态实例资料,选取边坡的岩石重度、黏聚力、内摩擦角、边坡角、边坡高度、孔隙水压力等参数,对边坡稳定性进行预测,并与SVM模型和RBF神经网络模型的预测精度相比较;研究了随机森林模型中决策树的数量对模型预测精度的影响,并最终确定在样本数目为100左右时,模型中树的棵数设为500较合适。模型预测结果表明:选取的边坡参数比较合理,随机森林预测模型较其他模型更为精准,能有效预测边坡的稳定状态。