增强的主分量分类器

主分量分类器是在最大化样本投影代数和的前提下求解分类面法方向,并采用核方法解决线性不可分问题．它对所有真实世界样本(包括野值)的重视程度相同,且只考虑了一个野值．设计并实现了一类鲁棒性较主分量分类器更强的增强型主分量分类器,其中重点讨论了三种典型权设置下的分类器特性．分析和实验证实了增强的主分量分类器的抗野值、噪声性能以及学习和推广能力均优于主分量分类器．     

代价敏感特征选择和半监督学习相结合的乳腺癌辅助诊断

乳腺癌在X光图像下的主要表现是肿块和微钙化点.传统的诊断方法一般假设从图像肿块和微钙化点中提取的特征是正确有效的,且采用监督分类器进行诊断.但在实际中,一方面不能完全保证所有被提取特征的正确性;另一方面,由于高昂的标记代价,导致大量样本无标记.针对上述两个问题,本文提出了一种新颖的诊断方法.一方面,为了消除特征冗余和选择出对分类有用的判别特征,提出改进的代价敏感选择性集成法用于选择特征;另一方面,为了利用未标记样本信息,设计了一致性协同学习半监督分类器.在公共乳腺癌数据库DDSM上的实验表明,所设计的乳腺癌辅助诊断方法与其他方法相比具有更好的诊断性能.     

缓冲算子及数据融合技术在目标跟踪中的应用

针对复杂环境下的多雷达目标跟踪问题,把灰色系统理论中的缓冲算子引入到多雷达目标跟踪领域,并通过对原始冲击扰动序列的改进来弱化其随机性.同时应用数据融合技术,对缓冲算子作用后的随机振荡序列作进一步改善和提高雷达系统的跟踪精度.仿真结果也表明,该方法是有效、可行的.     

联机核模糊C均值聚类方法

基于核模糊C均值(kernel fuzzy C-means, KFCM)提出了一种针对较大规模数据的联机核模糊C均值 (online kernel fuzzy C-means, OKFCM) 算法,同时考虑到核参数的选择困境,借鉴多核学习思想,进一步衍生出了联机多核模糊C均值 (online multiple kernel fuzzy C-means, OMKFCM) 算法。由此,在有效缓和核参数选择难题的同时,新算法不仅继承了KFCM优越的聚类特性且适合聚类数据流。最后,在人工和真实数据集上验证了新提出的核联机算法比现有基于划分的大规模数据处理算法具有更好的性能。     

High-Order BAM, Its Modifications and Performance Analyses

Based on Tai' s high - order bidirectional associative memory ( HOBAM) and Stmposon' s intraconnected BAM (IBAM) , two Improved models are first presented and discussed in this paper. The improved models not only retain the advantages of both HOBAM and ISAM but overcome the shortcomings of Kosko' s BAM also. Secondly their recall stabilities in synchronous and asyn-chronous update modes have been proven by defining corresponding energy functions which decrease as the re-call process proceeds such that the systems can ensure all the training pattern pairs to become local minima of the energy surfaces. Finally with signal - to - noise ratio (SNR) approach, we show that their storage capacities and error correction capabilities are better than that of the HOBAM.     

无源定位与数据融合技术在辐射源目标跟踪中的应用

在多机动辐射源无源定位与跟踪系统中 ,因受低空杂波、电子干扰和雷达自身探测精度等因素影响 ,易使无源定位的数据不精确、不可靠 ,甚至相互矛盾 ,结果造成跟踪系统失效。针对这一情况 ,首先应用测向测时差定位法 ,处理机动辐射源的无源定位问题 ;然后在此基础上 ,应用数据融合技术进一步提高系统的定位与跟踪精度、可靠性和防御作战能力。仿真结果表明 ,该方法是有效、可行的     

基于纹理频谱子集的纹理识别

纹理频谱法是一种有效的纹理特征提取方法,但其所提取的特征高达6 561(38)维,导致很大的存储和计算复杂性.局部二值模式通过简化纹理频谱法的定义,虽然减小了计算的复杂性,却削弱了纹理的刻划能力.为了在保持纹理频谱法纹理刻划能力的同时,又减少其存储和计算复杂性,提出了基于子集的纹理频谱方法.新方法建立在统一模式的概念上,仅提取纹理频谱的1个子集,特征维数仅为原方法的12%,大大减小了空间和时间代价.实验结果表明,新方法比纹理频谱法和局部二值模式具有更好的纹理识别性能.     

分解协调法在武器目标分配问题中的应用研究

应用大系统理论的分解协调法,可将武器目标分配问题按受保护的资源数K分解为K个独立的子优化问题,通过协调器协调各个子问题的解,以达到武器目标分配问题的全局最优解.仿真结果表明该方法是实时且有效的.     

打折最小平方RBF网络及其时间序列预测研究

借用打折最小平方(DLS)原理构建了基于误差平方准则的DLS-RBF网络的学习算法.打折最小平方原理考虑了时间序列本身的结构性变化,较好地刻画了预测点与其他时刻数据的相关性,而这些恰恰是现有的径向基函数神经网络(RBF)在预测过程中所忽视的.实验表明DLS-RBF网络在非平稳方差时间序列和某城市自来水实际的月用水量预测中的效果明显,并优于RBF网络,但在混沌时间序列预测的实验中,因其自身的混沌特性,预测效果并不十分明显.     

彩色视网膜图像中基于主血管网的视盘定位

视网膜图像被广泛地应用于糖尿病视网膜病变和青光眼的诊断与治疗。视盘作为视网膜图像的重要特征,是成功诊断视网膜疾病的重要前提。以彩色视网膜图像为研究对象,发展出一种快速有效的视盘定位方法。该方法首先在HSV空间的H通道中提取对比度高的主血管,然后确定主血管的方向图,最后利用一种加权匹配滤波方法找到视盘区域。该方法仅利用视网膜中主血管的方向信息,实验结果表明不仅鲁棒,而且相对快速有效。在Benchmark数据DRIVE、DIARETDB0和STARE上的准确检测率分别达到100％、97．6％和90．1％。