基于多元图形特征融合原理的降维方法研究

降维是将高维模式映射到低维子空间的过程.在降维后的低维子空间进行分类往往能得到更好的效果.本文以高维数据为研究对象,采用多元描述图对高维数据进行可视化表达,采用多元图图形特征融合的方法对高维数据进行降维,用K邻分类器进行分类效果评价.与Fisher线性判别及其他一些常用非线性降维方法相比,本文所提方法在数据的可视化以及分类精度等方面均有较好效果.     

应急管理可视化多元信息系统构建若干问题研究

基于应急管理的4R理论构建了应急管理系统功能模型和结构模型,提出了基于资源层、状态层、决策层和操作层表达的四层结构应急管理可视化多元信息系统模型,并给出了多元信息可视化表示方法示例和分层递阶可视化融合和应急决策模型.     

一种用于评估面瘫严重程度的可视化方法

基于面瘫发病初期面部温度分布不对称这一规律,提出了一种完整的用于评估面瘫严重程度的红外温度数据可视化方法,首先检索极值点并进行替换,去除散粒噪声,然后利用邻域测度算子对图像进行直方图均衡化,最后利用等色差序列伪彩化图像并进行亮度矫正,得到表征面部温度分布的彩色图像。最后的实验表明,本方法所得到的图像视觉效果良好,能够更好地帮助医师检测面瘫患者的面瘫严重度。     

属性偏序形式结构的数学形式化

属性偏序形式结构,作为一种基于人类认知原理和粒计算思想的知识发现和知识表示新理论,目前已有广泛的应用,但其理论基础缺乏抽象化数学化,这势必影响该理论的系统发展。针对上述问题,研究了属性偏序形式结构的数学形式化描述问题。首先,基于粒计算的思想提出了知识表示的形式化框架。在此基础上,通过定义对象集合的覆盖和最简覆盖,给出属性偏序形式结构的粒和粒群的概念,进而通过对粒衍生出粒群的充要条件的讨论,给出了属性偏序形式结构中的知识结构,从而完成属性偏序形式结构的数学形式化描述。最后,通过具体实例展示了利用数学形式化描述构造属性偏序形式结构的过程,并揭示了该过程所体现的人类认知规律。     

基于物理化学性质的葡萄酒质量的可视化评价研究

提出了一种可视化的方法评价葡萄酒质量。葡萄酒数据来自于认证阶段的物理化学分析测试,其中输入变量是11个,输出变量是葡萄酒质量,共得到1599个的红葡萄酒样本和4898个的白葡萄酒样本。结果表明该方法的效果优于传统的神经网络和支持向量机方法,并且具有可视化的优点。这对于改进酿酒品酒评价和葡萄酒生产都有重要意义,并且对根据消费者口味细分目标市场也很有帮助。     

模式识别中的表示问题

表示是将客观数据或现象利用数值或者编码方式进行描述,从而使其在一定数学含义框架下彼此相关的过程.在模式识别领域中,表示问题至关莺要,其效果将直接影响后续步骤的复杂程度与分类性能.本文主要对表示在模式识别中的作用、表示问题的理解、表示的原则进行分析并对表示的方法进行归类描述,其目的是吸引更多的同行开展深入的表示问题研究,促进模式识别理论和方法的进步.     

高维数据的2D图单点表示原理

高维数据的单点2D图表示是2D图表示的重要分支.由于其可在单幅多元图中显示多个观察,因此适用于模式识别领域中的特征选择与分类空间形成.本文根据多元图中单点映射的变量数目的不同对单点图表示进行了对比,并分析了其各自的适用范围与优缺点.     

基于误差驱动的混合型模糊PD控制器设计

提出一种基于误差驱动的混合型模糊PD控制器。对其结构进行分析,并对模糊控制理论未解决的规则选取问题进行探讨。模糊控制器采用“1D-1D”的映射关系,结构简单,灵活性强;采用非线性输入输出映射关系控制曲线,仿真结果证明其性能优于传统线性规则。用波波夫稳定判据得到了控制器稳定的充分条件。     

动态数学模型结构辨识方法的计算机数字仿真

针对控制与测量中动态数学模型的结构辨识问题,通过计算机数字仿真,对现有几种结构辨识方法进行了仿真研究。     

基于雷达图表示的多维数据可视化分类方法

傅立叶描述子是分析和识别物体形状的重要方法之一.基于雷达图表示多维数据的原理,提出了一种利用傅立叶描述子识别雷达图形的可视化数据分类新方法.该方法采用多元统计中的雷达图表示多维数据,不同模式类别的多维数据构成不同形状的雷达图多边形.在此基础上,给出基于极半径函数的傅立叶描述子来描述和识别雷达图的边界曲线特征.运用概率神经网络,以傅立叶描述子为输入特征向量完成自动识别雷达图形.实验结果表明这种分类方法有良好的分类精度,可与传统分类器性能相比.