基于最短路径和自然梯度的过完备ICA算法

独立成分分析(ICA)是一种在给出的随机向量中找出统计独立的数据的统计方法，而过完备独立成分分析则是ICA问题中的一类特殊的情形，它要的源信号的数目比观测信号的数目要多。该文提出了一种基于最短路径算法和自然梯度的解决过完备独立成分分析的新算法Turbo-overcomplete。该算法采用了最短路径方法来推断源信号和采用自然梯度的方法来学习基向量，并采用Turbo-overcomplete算法来进行语音信号分离的实验，并把实验结果与现在的一些过完备独立成份分析算法进行了比较。     

基于TCP/IP协议虚拟网络通讯平台的研究和实现

本文旨在从降低网络应用程序开发的网络通信的复杂性出发，设计一个基于多协议，对等交互，网络编程细节透明以及通讯性能良好的网络通讯平台；应用面向对象技术，具体实现了一个基于TCP／IP协议的虚拟网络通讯平台。     

小置信范围下指示函数的沃尔什逼近

文章讨论了基于统计学习理论中满足较小置信范围时，采用沃尔什函数逼近机器学习响应函数，从而在结构风险最小化原则条件下使风险泛函最小，保证了小样本环境下机器学习的误差最小，并且获得较好的学习推广能力。     

基于有色Petri网的一种密码协议的描述和分析

Petri网作为一种数学工具,已被广泛应用于过程的描述、分析和验证。文章使用有色Petri网对文献[1]中提到的一种密码协议进行描述和分析,发现并验证该协议的安全缺陷。     

基于离散小波变换的Overcomplete ICA并行结构

本文利用离散小波变换提出了一种过完备独立成分分析（Overcomplete ICA）的禀性结构,它是一个由两个子Overcomplete ICA过程组成的混合系统。其中一个过程将高频的小渡部分作为输入,另一个过程将低频的部分作为输入。这两个过程的输出结果最后被合并为最终的结果。对比现有的Overcomplete ICA算法,本文提出的方法利用了全部的观测信息,而两个子过程的有效输入长度仅为原来的一半。因此,本文提出了一种处理Overcomplete ICA问题的新途径。文中的实验数据显示,通过此方法可以成功地分离混合的声音数据。     

一类变量可分离的支持向量分类机的研究与应用

针对传统SVC方法在样本容量大时存在训练时间过长的不足，建立了一种变量可分离的支持向量分类模型DCSVC，并将其应用于随机生成的模拟数据的学习与航空公司旅客运输数据的预测中。实践证明，DCSVC算法预测的误差小于传统SVM算法，具有较高的精度，且训练时间比传统SVC短。     

基于ICA与Bayes的判别分析模型

简要介绍了Bayes判别分析模型的特点及存在的问题,概括了独立成分分析(ICA)的特点及发展现状,提出了基于ICA与Bayes的判别分析模型--IBD模型.该模型首先利用ICA的方法将相关性数据指标转换为互相独立的数据指标,并通过卡尔曼滤波方式滤去高频数据,有效地去除了噪声,最后利用Bayes方法对转换的数据进行判别分析.实验结果表明,当数据之间存在相关关系时,IBD模型的判别分析效果要优于Bayes与Fisher判别分析模型.     

边界邻近支持向量机

针对训练大样本支持向量机内存开销大、训练速度慢的缺点,提出了一种改进的算法—边界邻近支持向量机。实验表明在分类效果相同情况下,改进算法训练速度明显提高。     

有色Petri网的一种密码协议建模分析

密码协议是任何安全系统的基础,对它的设计越来越受到广大用户的关注.本文详细论述了文献[1]提到的一种密码协议,并使用有色Petri网对该协议建模分析,说明该设计的正确性.     

数据挖掘中基于ICA的缺失数据值的估计

本文简单介绍了数据挖掘中缺失数据的研究现状及ICA的特点与发展前景,提出了基于ICA的缺失数据估计模型——ICA-MDH模型。该模型研究了数据之间存在相关关系且为非高斯分布时缺失数据的处理方法,该方法能充分利用已知数据记录中的已知信息,且具有较好的通用性。实验通过对一些不完整经济数据进行了处理。结果表明,本文提出的缺失数据估计方法的精度明显优于平均值法和PCAs法,从而验证了本文所提模型的正确性与合理性。