基于异质矩阵完全的缺失数据恢复混合集成算法

缺失数据广泛存在于现实世界中，它对后续的数据分析有很大的影响，有可能导致结果完全错误。近年来，很多基于压缩传感理论的矩阵完全算法被提出并用于缺失数据恢复，但不同的算法在不同的数据集上产生的结果有很大不同，都有自己的优缺点和适用场景。为此提出一种基于异质矩阵完全算法和最大多样性的集成策略的混合集成学习算法，实验结果表明，此算法在不同的数据集上优于那些单个算法。     

基于小波域局部二值模式和活动轮廓模型的纹理图像分割

提出一种双树复小波域局部二值模式和活动轮廓模型的纹理图像分割方法.该方法首先使用双树复合小波(DTCWT)分解纹理图像,然后使用局部二值模式(LBP)提取纹理特征.利用最大熵准则对纹理特征图像进行选择.活动轮廓模型(ACM)用于最后得分割.实验结果表明提出的方法对于合成纹理和自然场景数据集达到了较高的分割精度.     

基于自组织特征映射神经网络的聚类分析的应用

介绍了自组织特征映射神经网络结构和算法,并将此神经网络用于葡萄酒化学成分产地的聚类分析,实验结果表明：该网络的聚类准确率达到了87％,具有一定的科学性和适用性。