基于支持向量机的中文文本自动分类研究

提出了一种基于支持向量机的文本自动分类方法,并进行了实验研究。在详细介绍了进行文本分类的实验过程和在实验中使用支持向量机的方法的基础上,通过实验比较了支持向量机算法和传统的KNN算法应用于文本分类的效果,并针对支持向量机算法的缺点,提出了进行文本预处理时的改进方法。实验结果表明了支持向量机在处理文本分类问题上的优越性。     

基于信号特征空间的TDCS干扰分类识别

针对变换域通信系统中干扰信号的分类识别问题,提出了一种基于信号特征空间的支持向量机(signal feature space-support vector machine, SF-SVM)干扰分类算法。首先,基于干扰信号模型和信号空间理论对干扰信号进行特征提取,并建立信号特征空间,进而针对二分类和多分类问题提出了SF-SVM分类算法,设计了干扰信号的多分类识别器。仿真结果表明,与干扰信号的传统分类算法相比,SF-SVM不仅提高了分类精度,而且缩短了训练时间;设计的多分类识别器在信噪比达到8dB时,对6种干扰信号识别性能及对变换域通信系统性能都有所提升。     

基于支持向量机的小波域图像水印算法

提出了一种新的基于支持向量机(support vector machine,SVM)的小波域图像水印算法。其主要思想是先对图像进行小波分解,然后利用图像小波分解后的子图系数之间的关系训练SVM,并利用训练好的SVM在小波域嵌入水印和提取水印。实验结果表明,提出的方法对于一般的图像处理和JPEG压缩都具有很强的鲁棒性,与基于SVM的空间域上的算法相比性能更加优越。     

基于模糊集的神经网络景象匹配算法

将神经网络思想引入到景象匹配,提出了基于模糊集的神经网络景象匹配算法。该算法将图像模糊集作为特征空间,尝试了在模糊域中采用神经网络学习算法进行精确寻优。实验结果表明,设计的算法不但较好的满足了景象匹配系统对算法的性能要求,而且比传统算法具有更高的抗干扰能力。     

基于自适应协同聚类的支持向量预选算法

为提高支持向量机在大规模数据集上的训练效率,提出一种基于自适应协同聚类的支持向量预选算法。该方法通过对两类样本进行自适应协同聚类,寻找少量具有协同关系的类中心对,替代支持向量进行训练,从而减少参训样本数量。其中,中心对数量由算法自动确定。与其他支持向量预选算法的对比实验结果表明,自适应协同聚类算法能够在不影响分类性能的情况下,有效提高训练速度,是一种行之有效的快速支持向量预选算法。     

基于新的决策规则的球形支持向量机分类算法

球形支持向量机是一种学习算法,它通过在高维特征空间中,对每一个模式类别构造一个覆盖其所有训练样本的具有最小体积的超球体,来实现对训练样本空间的划分.在此基础上,提出了一种基于新的决策规则的球形支持向量机算法,并在七个UCI数据集上进行了实验,实验结果表明提出的算法可以取得比标准的支持向量机算法更好的分类效果.     

分布式存储系统中新型可修复喷泉码构造

为了缓解可修复喷泉码(repairable fountain codes,RFC)编码包传输需消耗大量带宽资源的难题,提出了一种基于改进压缩列存储算法的新型RFC构造方法(RFC based on improved compressed column storage,ICCS-RFC).对于ICCS-RFC方案,编码包...     

基于支持向量信息测度排序的快速分类算法

如何降低支持向量机海量训练样本的数目,是提高算法速度的关键。提出利用支持向量分布的几何特征建立基于特征空间中支持向量信息测度的快速算法,对于训练样本首先进行基于支持向量信息测度升序排序处理,然后根据训练样本提供的信息测度选择合适的训练样本子空间,在该样本子空间内采用乘性规则直接求取Lagrange因子,而不是传统的二次优化方法;最后针对附加残余样本进行交叉验证处理,直到算法满足收敛性准则。各种分类实验表明,提出的算法具有较好的性能,特别是在训练样本庞大、支持向量数量较多的情况下,能够较大幅度地减少计算复杂度,提高分类速度。     

基于模糊机会约束SVDD的故障诊断方法

针对使用不确定性数据进行多故障模式诊断问题,以模糊事件的可能性测度为基础,提出一种基于模糊机会约束支持向量数据描述的诊断方法。为有效地求解故障分类模型,提出模糊机会约束规划的对偶规划,根据贯序最小算法 (sequential minimal optimization,SMO)思想提出快速训练算法,利用支持向量数据描述使用一类数据求解分类面的优势,构建多类分类器。数值试验表明,本方法可以有效处理基于不确定数据的故障诊断问题,在故障类别较多的情况,速度有较大提高,具有一定实践意义。     

支持向量机在车辆目标识别中的应用

提出了利用支持向量机对战场侦察雷达目标回波信号进行处理,以实现对卡车、坦克等在地面运动的车辆目标进行分类识别的一种新算法。首先对雷达接收到的目标回波信号作频域分析,从中提取待分类目标信号的特征向量,然后利用所建立的支持向量机模型对目标信号作训练和识别,最后与经典谱分析和神经网络的方法作比较,并采用实际数据验证这种识别方法的有效性。     

Fast algorithm on string cross pattern matching

1.INTRODUCTION Therearemanycommonproblemsintextprocessing, suchasremovingduplicationofstrings,recognizing andremovingtheprefixandsuffixofstrings[1]and distinguishingoftheembeddedstrings[2].These problemscanberesolvedbymeansofstringcrosspat ternmatching.Thatistofindallmatchesbetween twostringsofU,whichisastringsetdefinedonal phabetΣ. Therearemanyclassicalalgorithmsforpattern matchingandcanbeclassifiedintotwocategories: single patternmatchingandmulti patternmatching. Thecurrentprevail…     

基于动态时间规整的火箭尾喷焰识别仿真

通过分析火箭尾喷焰的红外辐射特性,总结了辐射强度序列的变化规律,提出一种改进的基于动态时间规整(dynamic time warping,DTW)的识别算法。为了提高序列形状相似性度量的效果,使用导数序列计算距离矩阵和匹配路径,依据匹配路径和辐射强度值重新计算距离;采用首尾松弛因子,在一定程度上解决了观测序列长度的不统一影响路径匹配的问题。仿真结果表明:该算法能较好地匹配同一火箭的尾喷焰红外辐射强度序列,在样本较少时实现对火箭的识别。     

基于CIDR表的哈希地址二分查找算法的改进

为了解决核心交换机中路由表的爆炸式容量问题,业界引入了一种无类域间路由CIDR结构,它有效地减少了路由表容量,但是IP地址查找算法却不能令人满意。通过对基于哈希地址前缀长度的二分查找匹配算法的分析,得出由于CIDR表的存储容量有限,因而二分查找算法的优点没有体现出来。针对此问题,利用几个定点地址前缀长度扩展方法,对该算法进行改进,得到了一种满足CIDR表要求的快速查找匹配算法。经过仿真实验,改进后算法更好地满足了快速转发IP分组的需求。     

On-line linear time construction of sequential binary suffix trees

Suffix trees are the key data structure for text string matching, and are used in wide application areas such as bioinformatics and data compression. Ukkonen algorithm is deeply investigated and a new algorithm, which decreases the number of memory operations in construction and keeps the result tree sequential, is proposed. The experiment result shows that both the construction and the matching procedure are more efficient than Ukkonen algorithm.     

飞机排班航班串编制模型及算法研究

分析了飞机排班计划的编制流程,主要针对其中的航班串编制问题进行了深入研究,建立了航班串编制VRP模型,模型不仅考虑了航班时间、出港到港机场衔接之间的约束,而且还考虑了客流量、维修基地机场的约束。为了求解模型,构造了一种基于单亲遗传算子的免疫算法,采用适合模型的抗体编码方式,并使用单亲遗传算子生成新抗体。应用实际的航班信息进行航班串编制的仿真研究结果表明,文中的模型和算法切实可行。     

考虑工作量均衡的成品油二次配送车辆路径问题

为避免工作量分配不均,研究了考虑工作量均衡的成品油二次配送车辆路径问题。以总配送成本极小化和不同车辆路径长度之差极小化为目标,建立了双目标混合整数规划模型;并设计了变邻域禁忌搜索启发式算法。利用改进的Solomon＿I1插入算法求出使总配送成本尽量小的初始解;再利用变邻域禁忌搜索算法改进初始解,得到近似最优解。模拟计算结果显示,通过变邻域禁忌搜索算法改进后的解,总配送成本仅增加6.2%,车辆路径长度差值降低了45%,验证了算法的有效性。     

基于改进Mycielski方法的风速预测

风速的建模和预测对有效利用风能有着重要意义, 由于风速时间序列为非正态分布且有易变性, 应用统计建模的方法来精确预测风速往往较困难. 本文基于一种类似于高阶马尔可夫链的Mycielski方法来预测风速, 为提高预测精度, 风速状态被重新定义在一个较小的范围内, 然后在历史数据序列中搜寻最长长度的重复序列. 数值实验和比较结果的F检验值表明改进的Mycielski方法在预测精度上得到了显著提高.     

基于时延和相位估计的改进位移相位中心算法

多接收元合成孔径声纳是当前研究的热点问题,偏航和侧摆是影响多接收元合成孔径声纳成像质量的关键因素。在深入分析位移相位中心算法的基础上,提出了一种改进的多接收元合成孔径声纳运动补偿算法。改进算法首先修正声信号的实际传播距离与采用等效相位中心近似的传播距离之间的偏差,然后基于时延和相位估计偏航和侧摆,而且改进算法消除了目标回波的相互干涉对估计运动误差的影响,从而在扩大了算法适用的运动误差范围的同时,提高了运动误差估计的精度。计算机仿真结果表明,改进算法有效地补偿了运动误差,改善了成像质量。     

基于分级变换的自适应立体对应算法

通过分级变换将图像从灰度空间转换到新的等级空间,然后构造相应的匹配代价函数计算两个图像点之间的最大相似度,从而找出对应点和偏移值。分级变换可以有效的解决在立体对应中经常遇到的图像噪声、失真及左右图像的亮度差异等问题。大多数的自适应立体对应算法是以偏移量和灰度值两个自变量来构造代价函数,而构造合适的代价函数是一个困难的问题。本文中提出自适应窗选择算法只与灰度值有关。首先通过边缘检测提取出灰度边缘信息。本算法仅根据灰度边缘信息就可以进行自适应窗的选择。自适应选择图像窗的过程与偏移值无关,从而降低了构造代价函数的难度。实验结果说明本算法能够生成准确度较高的深度图,是一种较好的局部立体对应算法。