基于功率谱熵特征提取的脑电波大脑年龄预测

 大脑会随着年龄的增加而出现功能衰退，通过决策实验获取年轻人和中老年人的脑电信号，可以定量分析大脑随年龄增长而出现的变化。提出了一种基于熵的脑电波刻画方法，并利用机器学习的方法能够比较准确地预测人的大脑年龄。研究表明，脑电波功率谱熵（PSE）具有良好的时域分辨能力和更准确的区分效果，年轻人在做决策时的脑电波功率谱熵的分布是大于中老年人的，即年轻人所产生的脑电波信息量更大。此外，支持向量机（SVM）的分类效果优于随机森林（RF）方法，最高平均精度达88.02%，比随机森林高出2.66%。通过基尼指数对特征重要性排序，还发现决策过程中左眼电区域、大脑的颞和中央区域的决策反应差异很大，分类器更容易在这些特征区域做出更好的分类。     

大入射余角CFAR检测器

雷达在大入射余角高分辨率海杂波背景下检测时,等效后向散射面积增大,大部分海杂波能量投射到少数距离单元,能量分布不均,出现功率突然增大的杂波“异常单元”,导致检测器参考窗口所处的背景环境复杂多变,传统检测器检测概率降低,虚警率及误检率增加。为解决此问题,通过参考滑窗单元的协方差矩阵构造正定矩阵,求解其矩阵范数用以估计杂波功率水平,并采用支持向量机改进传统恒虚警率(constant false alarm rate,CFAR)检测器,得到基于正定矩阵杂波功率估计训练支持向量机的改进CFAR检测器。实验结果表明,新检测器在均匀杂波、多目标环境下检测性能稳定,在杂波边缘的虚警控制能力良好。     

词与短语的模糊界限分析

词与短语的模糊界限表现为两种现象:某一语言形式不是典型的词或短语,出现了“中间地带”;在发展过程中,语言形式在词与短语间变化,转化期间的跨越界限是模糊的。从结构讲,词(主要是复合词)和短语的概念结构有共同之处,都有核心成分与边缘成分,但也有不同之处。可从概念的三个主要功能入手,分析词和短语在归类、推理和叠加方面的不同表现,来确定某一语言成分的属性。     

基于支持向量机的水库泥沙冲淤量计算模型

受多种因素的综合影响,水库泥沙淤积表现为一个复杂的非线性动态过程,影响着水库的运行方式和其他效益的发挥。针对目前常用的几种计算水库泥沙冲淤量方法存在的问题,本文以三门峡水库为例,将支持向量机应用于水库泥沙冲淤量计算和预测。算例结果表明,该方法计算结果较为合理,计算过程涉及的参数较少,使用简便,适用于水库泥沙冲淤量的快速计算和预测。     

基于共词分析视角的我国移动图书馆研究热点分析

检索了中国知网期刊（CNKI）数据库中关于移动图书馆的论文文献资料，以此为研究基础，借助Bicomb软件分析、确定了出现频次相对较高，同时也可以代表移动图书馆研究领域热点的关键词及其共词矩阵；通过SPSS19.0软件对各个关键词进行了聚类分析、因子分析、多维尺度分析，将我国国内移动图书馆研究领域的热点问题尽可能科学、客观地反映出来，概括了目前我国移动图书馆研究重点以及发展动态，希望为业界的研究专家及学者提供一些参考。     

基于化学文摘中英文标题中功能词特征的对比研究

以2013 年美国和中国化学类核心期刊各 100个标题为研究样本，利用语料库检索工具 Antconc( 3. 2. 2. 0) ，通过功能词的比较，探讨化学类核心期刊论文英文标题在词汇层面存在的差异.结果表明：国内化学界学者对介词 of和 on等介词使用过多； 过多套用固结构等.本文提出了相应的改进措施，为中国化学界学者撰写英文论文标题提供借鉴.     

基于弱监督学习的主页人物属性抽取方法

提出了一种基于弱监督学习的主页人物属性抽取方法,首先根据领域模式从个人主页中提取出人物属性的前导词,接着通过前导词获取人物属性作为初始的属性种子,在这些属性种子中提取属性的模式,并结合分类和bootstrapping方法不断迭代抽取出无前导词的人物属性。在整个抽取过程中,只需要少量的人工标注。在英文机构网站上的人物属性抽取对比实验结果表明,该方法较属性分类抽取方法在准确率上提高了7.8%,召回率上提高了7.5%。     

一种资源与服务性能关系的建模方法

获取资源与服务性能的关系模型是在云环境中为服务合理分配虚拟资源的关键.然而,训练数据的规模往往显著影响这种非线性关系模型的准确率.针对现有方法不足,提出了将协同过滤推荐(CFR)和支持向量回归(SVR)相结合的服务性能动态建模方法(CSDM).该方法在服务部署与运行时同时训练两种模型,并选择二者中MAE占优的性能模型预测给定资源状态下的服务性能,从而保证预测精度.同时,CSDM引入择优阈值以降低模型训练代价.实验表明,CSDM在不同规模的训练数据上均有较高的预测准确率,且择优阈值对预测精度和建模效率具有显著影响.     

均值张量成分分析及其在步态识别中的应用

针对步态识别中非负样本数据存在冗余,且未经中心化的多线性主成分分析保持聚类结构的特征向量不能对应最大特征值,导致识别效果下降的问题,提出一种保持原始张量数据均方长度的均值张量成分分析算法。该算法首先对原始样本任一模式下内积矩阵进行谱分解,计算该模式下相应的特征值和特征向量;其次,利用获得的特征值和特征向量计算均值向量,并对均值向量值进行降序排列,使较大均值向量值对应的特征向量构成该模式下的低维子空间;最后,将原始样本投影到该低维子空间,形成特征张量。与多线性主成分分析算法相比,该算法不需要对数据去中心化处理,而是保持非负数据均值向量最大均方欧几里德距离和方向。通过在USF步态数据库和TUM GAID步态数据库进行仿真实验,结果表明,经过均值张量成分分析预处理,在2个步态库上的平均识别率分别高达57%和75%,较其他传统方法的识别率有明显提高。