基于后缀树词序列核挖掘Web文档

通过将文档表示为一棵后缀树,文章提出一种基于后缀树索引计算文档相似度的词序列核.首先根据文档的词序列构造出后缀树,然后根据后缀树词序列核计算文档间的相似度,最后利用支持向量机对文档进行分类.理论分析表明后缀树词序列核的计算只与比较文档的长度成线性关系,大大减少了序列核的计算时间.在reuters21578文档集上将后缀树词序列核与词序列核、多项式核进行比较,实验结果表明在改善速度的同时,后缀树词序列核可达到与词序列核相当的性能,优于多项式核,更适于Web文档挖掘等应用.     

一种基于核的GPS空时自适应抗干扰方法

针对GPS接收系统的空时自适应抗干扰技术,分析目前基于FROST阵列处理的最小均方算法LMS(FLMS)算法,提出一种基于核方法的FLMS算法(Kernel FLMS,KFLMS).通过对空时自适应STAP和算法的建模,研究了KFLMS算法的性能.系统仿真表明,KFLMS算法不仅能抑制大于阵元个数的多个宽、窄带干扰,而且使接收机整体抗干扰能力达到70dB左右,比FLMS算法效果更优.     

基于图像处理技术与支持向量机的鱼龄识别

采用图像处理技术,提出了一种基于核主成分分析(KPCA)与支持向量机(SVM)的鱼年龄自动识别新方法。首先通过KPCA提取鱼的耳石图像的主元,然后用SVM对鱼的年龄进行学习、识别和预测。实验表明,该方法取得了较好的效果。     

激光处理对油松种子老化的修复效应

用He-Ne激光处理贮存五年的油松陈种子 ,用无离子水浸种 30h后析出液的电导率比CK组低 38% ,其发芽率、活力指数最高可达CK组的 14 6 %和 16 9%。试验结果表明 ,适量的激光处理对油松陈种子的老化有修复效应。     

Empirical analysis of strategy selection for the technology leading and technology catch-up in the IT industry

R&D strategies of companies with low and high technological levels are discussed based on the concept of technology convergence and divergence. However, empirically detecting enterprise technology convergence in the distribution of enterprise technology (total productivity increase) over time and identifying key change factors are challenging. This study used a novel statistical indicator that captures the internal technology distribution change with a single number to clearly measure the technology distribution peak as a change in critical bandwidth for enterprise technology convergence and presented it as evidence of each technology convergence or divergence. Furthermore, this study applied the quantitative technology convergence identification method. Technology convergence appeared from the separation of total corporate productivity distribution of 69 IT companies in Korea in 2019–2020 rather than in 2015–2016. Results indicated that when the total technological level was separated from the technology leading and technology catch-up, IT companies were found to be pursuing R&D strategies for technology catch-up.     

多尺度混合注意力胶囊网络的海洋鱼类识别

针对胶囊网络(capsule network,CapsNet)特 征提取结构单一和数据处理中参数量过大的问题,提出 多尺度混合注意力胶囊网络 模型。首先,在网络初始端添加不同尺度的卷积核来多角度提取 特征,并引 入混合注意力机制,通过聚焦更具分辨性的特征区域来降低复杂背景干扰。其次,采用局部 剪枝算法优 化动态路由,减少参数量,缩短模型训练时间。最后,在海洋鱼类数据集F4K(Fish4Knowled ge)上验证, 结果表明,与传统残差网络(residual network50,ResNet-50)、双线性网络(bilinear convo l utional neural network,B-CNN)、分层精简双线性注意力网络(spatial transformation netw ork and hierarchical compact bilinear pooling,STN-H-CBP)以及CapsNet模型相比,该算法 识别精度为98.65%,比ResNet-50模型提升 了5.92%;训练时间为2.2 h,相比于CapsNet 缩短了近40 min,验证了该算法的可行性。     

基于核函数的系统模型辨识

本文提出一种基于核函数的系统模型辨识方法。首先通过线性最小二乘确定低维空间中的非线性子空间,并经主分量分析提取与线性子空间基向量近似正交的非线性主分量,再经核密度估计进行聚类,自适应选择多个核将非线性子空间映射到高维空间,从而将任何一个线性和非线性的联合问题最终变成一个高维空间中的线性问题,最后借助线性最小二乘获得一个精确参数的系统模型。经过实验验证,该方法具有较好的效果。     

基于脉冲序列核的脉冲神经元监督学习算法

脉冲神经元应用脉冲时间编码神经信息,监督学习的目标是对于给定的突触输入产生任意的期望脉冲序列.但由于神经元脉冲发放过程的不连续性,构建高效的脉冲神经元监督学习算法非常困难,同时也是该研究领域的重要问题.基于脉冲序列的核函数定义,提出了一种新的脉冲神经元监督学习算法,特点是应用脉冲序列核构造多脉冲误差函数和对应的突触学习规则,并通过神经元的实际脉冲发放频率自适应地调整学习率.将该算法用于脉冲序列的学习任务,期望脉冲序列采用Poisson过程或线性方法编码,并分析了不同的核函数对算法学习性能的影响.实验结果表明该算法具有较高的学习精度和良好的适应能力,在处理复杂的时空脉冲模式学习问题时十分有效.     

甲状腺结节超声图像分割算法研究

超声甲状腺结节分割是发现与识别甲状腺良恶性肿瘤的关键技术之一.针对模糊聚类法无法准确分割超声图像甲状腺结节边缘,而局部拟合(RSF)模型法对手动初始化轮廓敏感的问题,提出一种融合空间约束模糊C均值聚类和局部拟合RSF模型的分割结节方法.用空间约束模糊C均值聚类法(SKFCM)对图像进行聚类并二值化聚类结果作为RSF模型法初始轮廓,克服了RSF模型法对初始轮廓敏感问题,水平集演化参数也将通过聚类结果自动给出,不再需要人为设定.同时改进了RSF模型法拟合项,并利用高斯正则化规则RSF模型水平集,提高了RSF模型演化效率,缩短了收敛时间.仿真实验结果表明,提出的甲状腺结节超声图像分割方法能够快速准确地分割出结节区域.