增量统计方法在二代身份证系统中的应用

报表统计在二代身份证系统中非常重要,而且要求以天为单位按行政区划统计。当数据量比较小时,可以实时统计,但是当数据量比较大时,实践表明如果采用常规的统计方法,性能较差。因此,针对这种情况,提出了一种基于ORACLE的新统计方法—增量统计法,提高系统性能,来满足省、地市、区县、派出所各级公安机关工作人员的统计需求。     

重视老电站更新改造助推新农村建设——以武义县上坊水电站为例

小水电做为可再生能源,其扶持"三农"的重要作用已成为共识.目前浙江省众多的小水电站经过多年运行,存在较大安全隐患,经济效益也受到很大影响.为充分发挥小水电在建设新农村中的作用,对电站进行更新改造已势在必行.本文以武义县上坊电站为例,分析老电站更新改造后在新农村建设中发挥的作用,并总结其推进老电站更新改造的做法以供参考.     

基于增量子空间自适应决策的目标跟踪

基于增量子空间的目标跟踪算法多数不加选择地将检测到的目标作为模板训练的样本, 并以固定频率更新模板, 这种无反馈闭环机制使得算法在目标外观模型发生变化、 光照变化等复杂条件下难以鲁棒跟踪目标, 一旦跟踪失败很难从错误中恢复. 为此, 我们提出一种反馈闭环跟踪算法, 在增量子空间粒子滤波跟踪框架下, 引入跟踪状态判决作为后续模板更新依据. 通过判决反馈信息选择合适的样本适时更新模板, 有效克服目标外观模型的变化, 持续跟踪目标. 实验结果表明, 由于引入跟踪状态判决, 在目标外观变化、光照变化等情况下, 本算法能够以与环境相适应的频率及时更新模板, 提高跟踪精度, 实验结果验证了本文算法的鲁棒性和有效性.     

云计算平台上的增量分类研究

针对已有增量分类算法只是作用于小规模数据集或者在集中式环境下进行的缺点,提出一种基于Hadoop云计算平台的增量分类模型,以解决大规模数据集的增量分类。为了使云计算平台可以自动地对增量的训练样本进行处理,基于模块化集成学习思想,设计相应Map函数对不同时刻的增量样本块进行训练,Reduce函数对不同时刻训练得到的分类器进行集成,以实现云计算平台上的增量学习。仿真实验证明了该方法的正确性和可行性。     

基于云模型的最接近支持向量机增量学习方法*

针对经典支持向量机在增量学习中的不足,提出一种基于云模型的最接近支持向量机增量学习算法。该方法利用最接近支持向量机的快速学习能力生成初始分类超平面,并与k近邻法对全部训练集进行约简,在得到的较小规模的精简集上构建云模型分类器直接进行分类判断。该算法模型简单,不需迭代求解,时间复杂度较小,有较好的抗噪性,能较好地体现新增样本的分布规律。仿真实验表明,本算法能够保持较好的分类精度和推广能力,运算速度较快。     

基于数组的增量式属性约简研究*

为了在动态变化的决策表中,快速方便地获得新的属性约简,利用数组元素对差别矩阵中的属性组合进行计数,提出一种基于数组的增量式属性约简更新算法。当决策表动态变化时,根据数组元素的取值变化,获得差别矩阵中增加和减少的元素,依据这些元素更新原属性约简,快速得到新的最小属性约简。理论分析及实例验证了提出的算法是有效的。     

基于域理论的自适应谐振神经网络研究

提出了一种基于域理论的自适应谐振神经网络算法 FTART,有机结合了自适应谐振理论和域理论的优势 ,以一种独特的方式解决了示例间冲突和分类区域的动态扩展 ,不仅不需要手工设置隐层神经元 ,可以还获得了较快的训练速度和较高的预测精度 .同时还提出了一种可以从训练好的 FTART网络中抽取可理解性好、精度高的符号规则的方法 ,即基于统计的产生测试法 .实验结果表明 ,用该方法抽取的符号规则可以较好地描述FTART的功能.     

Incremental mining of the schema of semistructured data

Semistructued data are specified in lack of any fixed and rigid schema,even though typically some implicit structure appears in the data.The huge amounts of on-line applications make it important and imperative to mine the schema of semistructured data ,both for the users(e.g.,to gather useful information and facilitate querying)and for the systems (e.g.,to optimize access).The critical problem is to discover the hidden structure in the semistructured data.Current methods in extracting Web data structure are either in a general way independent of application background,or bound in some concrete environment such as HTML,XML etc.But both face the burden of expensive cost and difficulty in keeping along with the frequent and complicated variances of Web data.In this paper,the problem of incremental mining of schema for semistructured data after the update of the raw data is discusses.An algorithm for incrementally mining the schema of semistructured data is provided,and some experimental results are also given,which show that incremental mining for semistructured data is more efficient than non-incremental mining.     

Learning Convergence of CMAC Algorithm

CMAC convergence properties both in batch and in incremental learning are analyzed. The previous conclusions about the CMAC convergence, which are deduced under the condition that the articulation matrix is positive definite, are improved into the new less limited and more general conclusions in which no additive conditions are needed. An improved CMAC algorithm with self-optimizing learning rate is proposed from the new conclusions. Simulation results show the correctness of the new conclusions and the advantages of the improved algorithm.     

不确定性操作臂的混合模糊P+ID控制的实验研究

提出了一种机械臂的混合模糊控制策略,它由一企增量模糊逻辑控制器和传统的积分－微分管制器构成,简称ＰｕｚｚｙＰ＋ＩＤ控制器,与传统的ＰＩＤ控制器相比,设计ＦｕｚｚｙＰ＋ＩＤ控制器时,只需多调节一个附加参数,我们应用ＦｕｚｚｙＰ＋ＩＤ控制器控制几何参数变化的两连杆机构臂ＥＤＤＡ,ＥＤＤＡ的阶跃和跟踪控制的实验结果表明：ＦｕｚｚｙＰ＋ＩＤ控制器更有效和更鲁棒。