核Foley-Sammon变换

在模式识别领域,基于Fisher判别准则的Foley-Sammon变换技术有很大的影响.但是线性判别并不总是最优的.文章提出了一种基于核技巧(Kernel tricks)的非线性的特征提取技术KFST(Foley-Sammon Transformwith Kernels)——通过引入核技巧,可以在特征空间中有效计算FST.特征空间中的线性特征提取对应于输入空间的非线性特征提取.试验表明,KFST比FST具有更好的特征提取能力.     

新时期军队医院动物实验设施建设的探索与实践

论述了近年来我院科研工作为适应军队医学科技政策的重大调整,在加强动物中心设施建设的基础上,积极创建新的科研技术平台,建立了模拟西北地区特殊环境的人工实验舱,该设施的建设推动了医院科研工作,促进了医院全面发展。     

基于SVM的特征加权KNN算法

作为一种非参数的分类算法,K-近邻(KNN)算法是非常有效和容易实现的.它已经广泛应用于分类、回归和模式识别等.在应用KNN算法解决问题的时候,要注意两个方面的问题--样本权重和特征权重.利用SVM来确定特征的权重,提出了基于SVM的特征加权算法(FWKNN,feature weighted KNN).实验表明,在一定的条件下,FWKNN能够极大地提高分类准确率.     

基于KFST特征提取的KNN算法

提出了基于KFST(核Foley-Sammon变换)特征提取的KNN算法(KNNKFST):首先利用KFST来提取特征, 然后在按照特征被提取的先后关系赋权重, 再利用KNN算法进行分类. 实验表明, KNNKFST能够在大多数情况下极大地提高分类准确率.     

基于Foley-Sammon变换的朴素贝叶斯分类器

朴素贝叶斯分类器在机器学习领域中一种重要的分类算法,但是该算法的前提是:要求数据集在给出分类属性的情况下,其他属性之间是独立的。根据这个前提,利用Foley-Sammon变换算法进行特征提取,提出了一种基于Foley-Sammon变换的朴素贝叶斯分类器NBFST(Naive Bayesian classifier with Foley-Sammon Transform)。实验表明,NBFST能够在大多数数据集上具有较高的分类准确率。     

基于多层自动编码机的fisher判别分析

在常见的特征提取方法中,Fisher判别分析（Fisher Discriminant Analysis,FDA）只能提取线性特征,基于核的方法具有提取非线性特征的能力,但对核函数类型及其参数十分敏感. 文中研究如何有效提取数据特征,提出了一种基于多层自动编码机（Stacked AutoEncoders,SAE）和Fisher标准的特征提取算法,该算法中所使用的深度学习网络模型在训练过程中结合无监督特征提取SAE以及有监督的特征提取FDA. 通过与多层自动编码机、极限学习机（Extreme Learning Machine,ELM）等模型提取的特征进行对比,在数据集Pendigits、mnist、ORL和AR上利用支持向量机对数据特征进行分类,结果表明基于SAE的Fisher变换（FDA-SAE）在分类结果准确率以及分类时间上都有较好的效果. 特别是在小数据集AR上,当样本特征较少的情况下效果非常明显.     

Research and Implementation of Constraint Access Control Based on Object Attribute

授权控制是软件设计中一个比较难处理的问题,目前大多授权研究均基于用户授权方法,未涉及授权后实现技术．上述授权技术通常采用简单限制或允许某些菜单、命令功能操作,授权控制方式简单、粒度大而且不灵活．文中提出一种基于对象属性的约束访问控制方法,通过对软件最小控制单位（对象属性）进行约束,很好解决上述问题;该方法具有授权管理方便以及实现简单等特点,并极大提高软件开发效率和复用程度．     

粗细两面针织产品的设计与开发

阐述了粗细两面织物的编织原理，设计、开发了全棉粗细两面织物、毛盖棉粗细两面积物和涤棉交织粗细两面织物，并对上述3种两面织物的编织方法、组织结构、染色工艺以及产品特征作了论述。     

基于改进SVM的特征选择

本文在仔细分析特征选择思想的基础上，将特征选择过程嵌入到学习机里面，提出了一种基于改进支持向量机的特征选择算法（Feature selection via Modified Support Vector Machines），该方法通过对特征的权重进行排序来实现特征选择．利用可以将特征选择过程和学习过程有机地统一起来，实验表明，与其它方法比较，该方法能够达到比较好的效果．