行政事业海量题库管理系统设计

提出了行政事业单位海量题库管理系统,给出了系统总体架构设计思路,论述了各主要功能模块的实现。着重讨论了题目重复度判别、题目难度系数调整等关键算法的实现,给出了系统部署、配置与应用实例。     

光学遥感舰船目标识别方法

提出一种基于粗糙集理论和分层判别回归技术的光学遥感舰船目标识别方法。该方法首先提出新的光学遥感舰船识别特征———面积比编码,并与四类特征组合作为备选特征;然后基于粗糙集理论按同可区分度来计算各备选特征的重要性权值,自动选择出对正确识别贡献较大的特征组合;最后根据分层判别回归原理生成分类判决树来识别光学遥感舰船目标。实验结果表明,本文方法在识别精度和速度方面优于最近邻和支持向量机方法,且通用可行。     

基于电流变化的环状直流配电网故障定位方法

针对现有故障测距方法无法同时对单极接地故障和极间故障进行定位,以及利用电容放电阶段进行故障定位时忽略了多端换流站都会对故障点注入电流等问题,提出一种利用故障线路上的全电流分量对多端柔性直流配电网进行故障定位的方法。通过联立与故障点相邻两网孔的电压方程,从算法上解决了过渡电阻对求解故障位置的影响。在simulink中搭建6端环状模型对所提方法进行仿真,结果验证所提方法可以在发生线路故障时能快速识别故障并进行可靠定位,满足直流配电网的故障测距要求。     

基于Bayes特征判别的选煤建模与识别

研究了煤块的Harr小波变换和幅度投影分析,在对原始图像进行特征判别分析的基础上,建立了煤块和煤矸石的统计模型,提出了用Bayes判别函数分选煤块和煤矸石的算法,实现了用计算机视觉系统对样本进行了识别检验.并运用神经网络BP算法进行训练识别,检验其正确性,最后通过实验验证了算法有效性.     

关于陶瓷原料野外判别方法的答疑

问:请问陶瓷原料野外判别一般有哪些措施和方法?答:该问题是陶瓷企业原料采购环节上存在的关键问题。原料采购人员只有熟悉陶瓷原料的一些专业知识,才能够满足企业的生产发展需要。     

LDE融合光谱回归分类的光照变化人脸识别

针对光照变化人脸识别问题中传统的光谱回归算法不能很好地进行特征提取而严重影响识别性能的问题,提出了局部判别嵌入优化光谱回归分类的人脸识别算法。计算出训练样本的特征向量;借助于数据的近邻和分类关系,利用局部判别嵌入算法构建分类问题所需的嵌入,同时学习每种分类的子流形所需的嵌入;利用光谱回归分类算法计算投影矩阵,并利用最近邻分类器完成人脸的识别。在两大人脸数据库扩展YaleB及CMU PIE上的实验验证了该算法的有效性,实验结果表明,相比其他光谱回归算法,该算法取得了更高的识别率、更好的工作特性,并且降低了计算复杂度。     

基于线性判别边信息结合PHL的三维人脸识别

针对三维人脸识别中受光照、姿态、表情等变化而影响识别性能的问题,提出了一种原型超平面学习算法。利用SVM将弱标记数据集中的每个样本表示为一个原型超平面中层特征,使用学习组合系数从未标记的通用数据集中选择支持向量稀疏集;借助于Fisher准则最大化未标记数据集的判别能力,使用迭代优化算法求解目标函数;利用SILD进行特征提取,余弦相似性度量完成最终的人脸识别。在USCD/Honda、FRGC v2、LFW及自己搜集的人脸数据集上的实验结果表明,该算法优于其他几种三维人脸识别算法。     

一种快速的判别公共向量分类方法

在传统DCV的基础上,提出了一种改进的快速DCV分类方法。该方法与传统的DCV分类方法相比,在保证识别率相同的情况下具有较快的分类速率。传统的DCV分类方法通过计算特征向量之间的距离来进行分类,而所提快速DCV分类方法则通过标量计算完成分类。理论分析及复杂度计算表明,快速DCV分类方法的分类速率是传统DCV分类方法的2倍左右,在Yale、ORL和PIE 3种人脸数据库得到的对比仿真实验结果验证了该算法的有效性。     

软弱破碎围岩隧道二衬施作的合理时机判别研究

为了合理判别软弱破碎围岩隧道的二衬施作时机,结合工程实践,通过洞室拱顶沉降和边墙变形收敛的现场监控量测,提出了利用围岩-初支系统变形实测数据判别软弱破碎围岩隧道二衬施作合理时机的考虑支护是否保守的五级速率比值法并研发了相应的软件,并通过工程实例进行了成功验证。研究表明：1研制的软件操作具有界面简洁、友好,以及操作简单易用的特点,具有测点围岩-初支系统位移和收敛的现场监测数据的录入、储存、修改和管理等功能,能方便地进行软弱破碎围岩隧道的二衬合理时机判别;2通过工程实例验证分析表明,提出的方法是可行的,与现行的二衬时机选择的方法本质上是相同的,但更加具有可操作性,研究成果可以为同类型隧道的二衬时机选择提供可资借鉴的方法。     

一种基于调和随机权网络与曲波变换的图像分类方法

图像分类是图像处理研究中重要且基本的问题之一,而设计有效的特征提取方法和快速高精度的分类器则是图像分类研究的关键.文中以随机权网络算法为基础,结合多项式函数能有效逼近目标函数相对平缓部分的优点,提出调和随机权网络算法,并以此算法作为分类器,结合快速离散曲波变换和局部判别定位法,给出一种图像分类方法.该方法首先利用快速离散曲波变换提取图像特征,然后依据局部判别定位法对所提取的图像特征降维,最后运用所提出的调和随机权网络分类器识别降维的特征,从而有效实现图像分类.实验表明文中方法具有更高的识别率和更快的识别速度.