基于VC++与BP神经网络对Google Earth识别系统的设计与实现

在Visual Studio. NET集成开发环境下使用VC 的MFC类库进行算法设计实现与编程.通过获取Google Earth的窗口类指针与CDC设备环境并用,将Google Earth显示的文字按RGB格式存储到内存中.利用BP神经网络进行数字识别,识别后再与自定义的图形样本进行对比,达到高精度的结果.     

基于DFT相位检测的误差分析与补偿

用 DFT 进行相位检测的一种数字化方法,对有限长序列进行变换,涉及到信号截断的问题.截断窗口长度决定了信号样本长度,不同的样本长度会影响 DFT 的结果.着重分析了非整数周期所引起的相位误差,并对提高 DFT 的频率分辨率提出补偿措施.     

基于LAD的对称alpha稳定分布参数估计

稳定分布是一种典型的非高斯分布,常用来描述具有尖峰厚尾特点的数据.由于alpha 稳定分布的特性,参数估计成为一个难点.在样本特征函数的基础上,探讨了用最小绝对偏差法估计对称 alpha 稳定分布的参数,并在大样本条件下给出了参数的渐近置信区间.     

分层抽样技术在随机减量法中的应用

作为一种常用的抽样方法,分层抽样技术由于有比随机抽样技术更高的抽样精度,正在得到更加广泛的应用.该文将抽样技术应用于随机减量法中随机振动信号的提取,在一定程度上解决了随机信号段数不足的问题,明显改善随机减量信号的质量.实例表明应用该文方法抽取50个样本所获得的结果同抽取600个样本所获得的结果有相似的精度.     

定数截尾数据缺失场合下k（m）/n系统可靠性指标的Bayes估计

在定数截尾缺失数据样本下,研究了不可修中取串连续失效系统（简记为k（m）/n系统）的可靠性评估问题。利用Bayes方法得到了部件的平均寿命、系统可靠度及平均寿命等可靠性指标的Bayes估计。最后利用随机模拟例子说明了本文方法的正确性和可行性。     

一种新的基于邻域筛选的分类算法研究

基于邻域的概念,提出一种新的样本筛选方法用于分类问题.该方法在特征空间中根据邻域内的样本类别筛选出具有代表性的训练样本,计算其与测试样本的距离作为样本所属类别的判定依据.在UCI数据集和电力系统负荷预测的应用当中,与SVM和NC两种分类方法进行对比分析,证明该方法能够较好地提高样本识别率并降低时间复杂度.     

基于共轭先验分布的两小样本Bayesian检验及实例分析

介绍基于共轭先验分布的两小样本 Bayesian 检验原理及方法,并与经典方法作对比研究.当两组资料确实存在差别且为小样本时,基于共轭先验分布的两小样本 Bayesian 检验方法比传统的两样本 t 检验法得到的置信区间范围要短,精度要高.本文通过实例分析验证了此结论.     

一种优选神经网络训练样本的混合聚类算法

神经网络训练集中含有大量相似样本不但增加了网络的训练时间还对网络泛化能力存在较大影响,合理的选择样本集训练神经网络模型影响着建模的效率。根据实际应用中神经网络学习样本具有的内在特征和规律性,提出了一种基于自组织映射（SOM）神经网络的K-均值聚类算法优选神经网络样本,算法的主要思想是通过对样本数据的聚类分析,剔除孤立样本后挑选出具有代表性的样本训练神经网络。实验结果表明,相对随机选择法而言,本算法能够有效地减少训练样本的数目,提高建模效率。     

模糊核覆盖分类器及其应用*

核覆盖算法是一种性能优秀的分类算法,但在拒识点处理方面存在不足。对核覆盖算法的构造过程进行了分析,修改了算法中覆盖半径的选取原则,对拒识样本引入隶属度函数,将算法推广为模糊核覆盖算法。讨论了孤立覆盖对分类器的影响,对覆盖数进行精简,降低计算量。通过实验验证改进算法的性能,并与其他模糊分类方法进行对比。将模糊核覆盖算法应用于垃圾邮件过滤,实验结果表明过滤器的性能得到了有效提高。     

目标探测精度试验的样本和航次数量设计及其应用

在新型目标探测设备精度鉴定试验中,从动态精度试验样本、估值精度、航次数量分析入手,使用Excel,Origin等数据处理和统计分析软件进行试验设计.通过比较多种方法.确定了海上靶场目标探测精度专用的系统误差、随机误差、百分误差的设计方案.经过众多试验验证,得到了可行、实用的结论.选择一定的置信度,可以缩短试验周期50%～90%,可广泛应用于武器装备试验的数据处理与分析实践.