联结数与分数（k，n’）一临界消去图

设G是一个图,若删除G中任意n’个顶点的剩余子图依然是分数k-消去图,则称G为分数（k,n＇）-临界消去图．笔者证明了若k≥2,n,≥0,bind（G）≥^（n＇＋1）且6（G）≥k＋n＇＋1,则G是分数（k,n＇）-临界消去图．     

成对排序本体学习算法

本体作为一种结构化数据模型已广泛应用于知识表示和信息处理,并成为近几年计算机领域的研究热点.提出基于成对排序学习方法的本体相似度计算和本体映射算法,利用Mahalanobis距离函数得到计算模型,通过梯度下降策略得到模型的最优解,从而将本体图或多本体图中的顶点对映射成实数来表示它们的相似程度.通过两个实验表明,新算法对特定的应用领域具有较高的效率.     

“嫦娥一号”干涉成像光谱（IIM）数据坏点检测与去除研究

高光谱数据中离散分布的坏点的存在影响着数据的后续分析和应用．坏点的检测是一项复杂的工作,受仪器特征、地形地貌、成像时间等影响,很难建立统一的坏点判别阈值．本文研究了“嫦娥一号”干涉成像光谱仪（IIM）高光谱数据坏点在光谱维和空间维的特征,基于此提出了一种基于光谱角和欧氏距离的坏点检测与修正算法．算法有效地检测并修正了影像中的坏点,且较过去研究有着更高的精度．统计结果表明约25％的IIM单轨影像坏点数高于3000个;坏点具有列分布特征,主要分布在第27,77和123列及其相邻列上．经过坏点修正后IIM影像空间均一性得到提升,为后续研究与应用提供了更好的基础数据．     

一种改进的时序安排算法

时序安排或任务调度算法广泛应用于计算机的各个领域,如Linux进程调度算法,排课表算法等。本文使用无向图模型．得到一种改进的时序安排或任务调度算法。通过对比,显示该算法在实际应用中可大大提高工作效率。     

本体稀疏向量迭代计算算法

用机器学习方法得到本体函数时,需要将每个本体概念所对应的信息用一个p维向量来表示。在很多应用背景下,由于p值很大而导致计算量庞大。通过稀疏向量的学习来得到本体函数,利用块方法设计一种迭代计算算法进而得到稀疏向量。将该算法应用于生物基因GO本体和物理教育本体,并将实验结果与已有算法的结果作对比,验证了算法在生物基因领域的相似度计算和在物理教育学领域建立本体映射上有较高的效率。     

非监督特征学习方法在脑电身份识别中的应用

设计并实现了采用非监督特征学习方法对模拟阅读事件相关电位实验中多名受试者脑电信号的特征提取,并对提取的特征向量进行了模式分类.实验中共采集5名受试者脑电信号,每名受试者的特征样本集由其接受模拟阅读靶视觉刺激后100⁴00ms在通道PO3、O1、Oz、O2、PO4、P4、P8、CP6的脑电信号样本组成,各受试者样本集均含400个试次样本.非监督特征学习过程由含6个神经节的BP神经网络完成,后选用支持向量机作为分类器.对比了1试次,2试次、5试次、10试次样本叠加等几种不同情况下采用非监督特征学习方法提取特征的分类正确率.实验结果表明:采用多神经节人工神经网络对5名使用者5试次叠加信号样本提取的特征向量的分类正确率高于90%,显著优于对各单通道时域特征向量的分类正确率,该方法可为以脑电信号为特征的身份识别系统提供一种可行的特征提取方式.     

特殊框架下分数(f,n',m)-临界消去图的联结数条件

设G是一个图,若去掉G中的任意n'个顶点的剩余子图仍是分数(f,m)-消去图,则称G是一个分数(f,n',m)-临界消去图.给出在a,b都是偶数的情况下分数(f,n',m)-临界消去图的两个联结数条件,并对条件的最好性进行了分析.     

基于等维新息动态灰色模型在沉降观测中的应用研究

灰色理论模型是采用较少的数据对目标进行预测.随着长期的预测,预测精度会不断的降低.该文研究的内容就是在预测过程中不断引入最新的观测值,建立等维新息的动态灰色模型.结合工程实例,与传统的灰色模型作对比,新模型预测的结果更加优化,精度更高.     

对一种强前向安全的数字签名方案的分析及改进

针对强前向数字签名分析了密码学方案,对该方案提出了出现的错误,并对前向安全数字签名方案进行了改进。最后对新方案的安全性做了分析。     

有噪条件下基于正则化模型的本体学习算法

对原有的正则化本体模型加以改进,分别从再生核希尔伯特空间及线性空间Rm出发,得到有噪或半监督学习框架下的新正则化求解模型,将计算模型的注意力集中到假设空间的设置上.实验表明,新算法对特定的应用领域具有较高的效率.