一种基于自组织过程神经网络的动态样本半监督学习算法

针对时变信号模式分类和未标记样本信息的有效利用问题,提出了一种基于自组织过程神经网络的动态样本半监督学习算法。根据获得的已标记和未标记的过程函数样本信号,分别构建基于竞争学习规则和有教师示教方法的自组织过程神经网络模型,利用该网络的自组织特性,实现动态样本的分类标识。文中分析了算法的信息处理机制,给出了具体的实现步骤。以油田开发水淹状况判别为例,实验结果验证了方法的有效性。     

刀具电子样本系统的设计与实现

应用面向对象数据库软件 ＰｏｗｅｒＢｕｉｌｄｅｒ开发刀具电子样本系统的设计思想与实现方法。     

样本值统计图的ActiveX实现

介绍了ＡｃｔｉｖｅＸ控件设计的方法,并使用ＶｉｓｕａｌＣ＋＋６．０的ＭＦＣ（Ｍｉｃｒｏｓｏｆｔ Ｆｏｕｎｄａｔｉｏｎ Ｃｌａｓｓ）实现一个样本值统计图的ＡｃｔｉｖｅＸ控件。     

基于粗糙集的约简算法及规则融合方法的研究

从不同的角度分析了属性约简的两种重要方法:区分矩阵法和基于属性重要性.根据数据集的实际情况提出了一种基于粗糙集的区分矩阵和属性重要性相结合的启发式算法,并获得了属性约简集.在约简集的基础上分析了静态决策推理规则及算法.在相容决策系统中利用集合向量包含度构造了规则融合的方法,从而得到动态条件规则的极大近似决策值.在知识满足分类质量要求的前提下,根据规则融合方法,对任意给定的样本知识可以判别知识的实际归属类.     

基于线性距离核的支持向量机设计

为了消除样本数量对现有SVM决策函数计算的影响,提出一种基于样本数据线性距离特征的线性距离核函数来改进SVM。基于该核函数的SVM决策函数,实现了与样本数量无关的分类计算,极大提升SVM在执行超大规模分类计算的速度。仿真结果表明,该核函数具有与常用核函数一样的性能,可以完成非线性SVM的训练和分类。     

ND样本下密度核估计的相合性

设{Xn,n≥1}是同分布的ND随机变量序列,f（x）为其概率密度函数,基于x1,x2,…,Xn,对密度函数f（x）的核估计进行了讨论,根据ND序列的性质和不等式,在适当的条件下证明了其强相合和r阶矩相合.     

基于机器视觉的运动行人检测系统研究

现代城市交通道路环境中的交通事故给人类社会带来的危害是不言而喻的,因此,如何尽可能地减少交通事故、降低交通事故所带给人们的损失越来越受到关注。为了能够有效地警告驾驶员避免与车辆附近的运动行人发生碰撞或刮擦,从而保护交通环境中的运动行人安全,运动行人检测技术的研究开发将为我国车辆安全辅助驾驶技术的研究提供有力的理论和技术支持。     

基于多尺度自适应LDA的人脸识别方法

在人脸提取特征时,线性判别分析(LDA)方法受到光照、姿态等因素引起的高频部分影响较大,忽视了可能含有重要鉴别能力的低频信息.同时,人脸识别属于小样本问题,会使类内散布矩阵发生严重退化.针对以上两个问题,提出了一种基于多尺度自适应线性判别分析(MA-LDA)的人脸识别方法,并在ORL和Yale人脸库中进行了验证.MATLAB编程实验结果表明,该方法比传统方法有更好的性能.     

面向行业应用的软件开发检查工具

现有的自动化测试和检查工具能够解决一些常规的测试和检查问题,但是对于行业应用软件开发过程的某些个性化测试和检查要求,没有提供很好的支持.因此针对行业应用软件的个性化要求,提出了一种面向行业应用的软件开发检查工具,在通用测试和检查工具的基础上,从代码检查、数据结构检查、接口检查和日志检查4个方面,对系统进行进一步的测试和检查.实验结果表明,该工具能有效地提高软件系统的开发效率和正确性,降低软件系统的开发成本.     

基于多子空间线性判别分析的特征提取与分类

为了解决高维小样本数据的分类中Fisherface思想判别分析方法的不足,在最大散度差准则的基础上,提出了利用多线性子空间技术对每类样本进行单独描述的方法,该方法能更准确地反映样本在类内类间的分布关系.在分类中不是以距离作为判别依据,而是按照贝叶斯决策规则得到的隶属置信度作为衡量标准.实验结果表明了该方法的有效性,和同类方法相比,有更高的识别率.