模糊综合评判理论在研究性学习系统中的研究及应用

介绍了工程数学中的模糊综合评判理论以及相应树型向量推理算法,并将模糊综合推理机制运用到研究性学习系统中进行研究型应用。该系统中运用模糊综合评判对学习效果进行合理评判,得出综合成绩,以其作为改进研究性学习模式的参考评证,从而使研究性学习过程良性发展。     

基于概念的形状分类与识别

基于内容的图像检索已经成为图像检索的一个重要研究方向。其中利用形状特征可以实现形状较为明显的各类图像库的检索。该文对图像形状特征的提取和描述方法进行了较深入地研究,选取其中一部分特征值,分别利用BP神经网络和支持向量机进行形状识别,取得令人满意的实验效果。     

一种多分类器集成的手写体汉字识别方法

多分类器集成是手写体汉字识别领域的新方向。本文提出的多分类器集成方法通过改进的欧氏距离分类器将待识别汉字分类到某个粗分结果集中,然后根据粗分结果集选择1-N(one-against-rest)的SVM分类器对待识别汉字进行细分,最后用贝叶斯集成两级分类器。实验对国标一级汉字中的1034个手写汉字进行识别,证明了方案的有效性。     

PSDV:一种无结构P2P网络的邻居选择策略

提出一种无结构环境下简单有效的节点间位置的比较方法,以DV（时延统计向量）作为节点在网络中位置的标识和比较peer间位置相近性的依据。给出基于此的节点邻居选择策略PSDV,保证节点的邻居在物理位置上与其是相近的。试验表明本策略能有效缩短节点与邻居间的时延,减少响应时间,证明本策略的合理性和高效性。     

基于主次原型超平面最接近支持向量机

基于广义特征值的最接近支持向量机GEPSVM是一种新的具有与SVM性能相当的两类分类方法,通过求解广义特征值来获得两个彼此不平行的拟合两类样本的超平面,其决策规则是将测试样本归为距其最近的超平面所在的类。然而,该规则在某些情形会导致较差的分类结果。对此,本文提出了在利用GEPSVM产生一个主原型超平面的基础上,再利用主原型超平面及它类样本的信息构造一个次原型超平面,形成一个由主次原型超平面共同决策的最接近支持向量机。该方法不仅简单且易于实现,而且具有较GEPSVM更优的分类性能。在UCI数据集上的实验验证了它的有效性。     

支持向量机序贯最小优化算法推导的改进

已有文献中的支持向量机SMO算法推导过程计算复杂,该文给出一个简洁推导。整个推导过程没有复杂的计算,除了误差函数外,不需引入其它中间变量。     

基于数据挖掘的智能入侵检测系统研究

入侵检测系统是网络安全体系的重要一环。数据挖掘能从大量的、有噪声的、随机的数据中提取出有用的信息,而代理技术可使入侵检测系统具有清晰的系统结构、良好的可扩展性和可移植性。本文对数据挖掘技术和智能检测代理在入侵检测系统中的应用进行研究,提出了一个基于数据挖掘、Agent技术的入侵检测系统框架。     

多特征融合的蛋白质相互作用位点预测

蛋白质相互作用位点预测为蛋白质功能和药物设计的理解提供重要线索。而蛋白质的各种特征为蛋白质相互作用位点预测提供了大量有用信息,特别是进化信息、残基序列邻近和空间邻近性。不同的蛋白质特征对蛋白质间的相互作用的贡献也不一样。通过提取蛋白质序列谱、保守性和残基熵,提出了特征融合技术对蛋白质相互作用位点进行研究,采用SVM构建三种预测器,分别对各种不同的特征加以验证,实验结果表明了基于特征融合方法的有效性和正确性。     

基于支持向量机的红细胞彩色图像分割

对红细胞进行精确的分割并统计各类参数在临床医学中有着重要的意义,但现有经典算法很难实现自动分割并获得较高准确率。红细胞的分割主要有两个难点：一是红细胞的目标提取;二是重叠红细胞的分割。本文首先利用SVM对原始图像进行红细胞提取,把原始细胞分割成红细胞和背景两类目标区域,然后对红细胞区域进行重叠分割（本文中使用改进距离标记的分水岭算法）,最终得到各个红细胞的统计数据。为获得最佳的分割效果,本文通过实验对核函数、支持向量类型及相关参数进行了详细的比较和分析。实验结果表明,该算法能有效、快捷、准确、全自动的实现     

一种基于谱聚类的灰度图像分割法

针对传统模糊核聚类算法当数据类差别很大时,小数据类被误分或被大数据类吞并的缺陷,提出了一种新的加权模糊核C 均值聚类算法(Weighted Fuzzy Kernel C-Means),为每一个类分配了一个动态权值;同时将该算法引入到谱聚类中,设计了一个以图像灰度特征作为分类样本的改进的谱聚类算法,解决了谱聚类应用于图像分割时权矩阵的谱难以计算的实际问题。实验结果表该算法具有较好的分割效果。