支持向量机多特征分类学习的超分辨率复原

支持向量机(SVM)单一特征分类学习的超分辨率复原算法通过离线建立分类模型和减少样本库规模,降低了传统基于范例学习算法的样本块误匹配情况,增强了图像质量和计算速度.但由于图像特征的多样性,此类算法易造成复原结果的不稳定.本文给出一种以支持向量机多特征分类学习为基础的复原算法,将图像对应的颜色和纹理分类信息存储在样本库中,经过预分类筛选出样本子集,在高频预测时段直接从多特征相似的样本子集里实施准确的匹配检索.实验结果表明,相比于传统算法,本文算法的PSNR和SSIM值均有了一定提升,进一步精确匹配了低分辨率图像样本库,提高了复原效果.     

基于粗糙集的多标签文本分类算法

将粗糙集优越的约简理论应用于多标签文本分类,提出了基于粗糙集理论的多标签文本分类算法,该算法利用训练阶段得到的各个类别的分类规则与测试实例逐一匹配,得出实例的类标签集合,扩展了粗糙集理论在文本分类中的应用,实验证明算法有效可行.     

基于概念网的智能信息服务系统的设计与实现

针对如何组织、管理与有效获取信息问题,介绍了一个基于概念网的集信息收集、检索与管理的智能信息服务系统设计与实现.依靠概念网,采用文本类别特征提取及文本匹配和概念角色提取算法完成待收录文档的自动分类组织,利用概念检     

基于三支决策的中文文本分类算法研究

随着信息化的不断发展,越来越多的信息不断涌现出来,如何在海量的信息中快速有效地获取到最有价值的信息成为人们不断关注的热点.中文文本分类作为自然语言处理的一个分支,通过将信息归纳成已知的主题类别,可以有效地帮助用户快速获取海量信息中所需的信息.但由于传统特征选择算法存在着很大的局限性,目前在中文文本分类领域上还存在着很大的不足,集中体现在提取出的特征过于高维和稀疏,不能高效地表示类别的文本.基于此,结合三支决策的思想,提出一种新颖的特征选择算法,将无监督与有监督的特征提取算法相结合,有效减少特征词的数量,使得提取出来的特征词更具有类别代表性.通过在复旦大学语料库上进行的实验,结果表明,所提出的三支决策特征选择算法与传统的特征选择算法相比,具有一定的优势,能够有效地提高文本分类的准确率.     

面向智能决策支持系统的ERP模型流程与算法

鉴于企业对ERP中数据资源利用的重要性和迫切性,引入数据仓库、联机分析处理和数据挖掘技术,构建了比传统模型结构更清晰的面向智能决策支持系统的ERP模型,以加强ERP在数据分析方面的能力。在模型的智能决策支持系统(IDSS)的流程设计中引入范例库和模型库双轨机制,并通过具体算法实现。与范例库的匹配是该算法的关键步骤,建议先通过主观和客观相结合的方法确定权重向量,完成特征提取,然后使用数据挖掘中的基于相似度计算的分类方法完成与范例库的匹配与建模参考,最后确定阈值并通过评价指标检验效果。     

基于加权超球支持向量机算法的超文本分类研究

为提高超文本分类算法的性能,降低算法的复杂度,提出一种适用于超文本分类的加权超球支持向量机算法.该算法综合文档内容信息和超链接信息作为文档特征向量,针对传统超球支持向量机算法在不同类别样本数目不均衡时训练分类错误倾向于样本数目小的类别的问题,利用加权因子补偿了类别差异对算法推广性能造成的不利影响.在基准数据集上的测试结果表明,该算法降低了二次规划的复杂度,提高了分类器的分类性能.     

采用类别相似度聚合的关联文本分类方法

针对基于关联规则的分类方法在分类时仅考虑规则的置信度并使用规则修剪技术,导致分类器的分类精度难以进一步提高的问题,提出了一种基于类别相似度聚合的关联文本分类方法.该方法采用修改的χ2统计技术提取各类别的特征词;为保证规则匹配的精度和速度,使用CR-tree存储分类规则,并给出了CR-tree的构建与匹配算法;采用向量内积来计算文本类别分量与类别标志向量的相似度,进而使用规则置信度和类别相似度的聚合值作为文本分类的依据.基于实际网络文本的实验表明,该方法仅需提取30个特征词,分类结果的微平均值即可达到92.42%,优于未经剪枝的ARC-BC分类器及KNN、Bayes分类器;在分类耗时方面,该方法与未经剪枝的ARC-BC分类器持平,表明该方法引入的相似度与聚合值的计算开销在可接受的范围内.     

语义地理信息服务的三级匹配发现算法

目前地理信息服务缺少语义描述和发现算法.借鉴本体语言服务(ontology web language for services,OWL-S),构建地理信息服务的语义模型,提出一种基于语义模型的地理信息服务发现算法.在SI/SO匹配中利用本体分类树,将本体相似度求解转换为分类树中节点距离求解的方法.实验证明,该算法不但能区分匹配等级,而且能区分同一匹配等级之间的相似度大小,能较好地满足地理服务发现的需求.     

基于制造任务分解的云资源匹配方法的研究

针对目前信息数据的迅猛发展,许多公司开始了资源云端的应用。为了实现云制造资源与制造任务间的准确匹配,在云制造资源的特点和分类基础上,对制造任务的分解和制造资源的匹配方法进行研究。首先将企业的制造生产任务进行分解描述,使之与云制造资源分类属性间的匹配变得可行。采用资源类型、资源基本信息和服务质量三种算法完成云制造资源的匹配,最后通过实例验证了匹配方法的有效性。     

一种快速文本归类算法的设计与实现

为实现无维数约减技术而使分类算法可行且不浪费空间存储的超稀疏文档向量,同时保证分类精度和速度且两者相互独立的目标,提出使用类别特征信息数据库、类别特征权重向量模型、待归类文档压缩向量表示法和改进的Rocchio分类算法等技术实现文档的高速归类. 在相同的Reuters测试语料集上,与CRF算法和改进的kNN算法进行对比实验. 结果表明,在基本不牺牲精度的情况下,归类算法的分类速度明显高于对比算法.     

利用行人运动特性的TLD快速检测算法

针对TLD目标检测时需全局穷举搜索耗时较高的问题,提出一种基于行人运动特性的区域优化算法。该算法可有效预测行人在图像中的可能区域,从而减小检测计算复杂度,提高算法效率。经仿真分析表明,该算法在原有目标检测性能不变的情况下,检测耗时较原算法平均降低81.54 %,跟踪速率平均提升4倍,跟踪实时性明显提高。     

基于自编码器的电力负荷聚类分析

电力负荷聚类分析研究是负荷特性模拟、需求侧管理等应用的基础。针对负荷数据日趋多样性、随机性,传统K-means算法无法有效处理高维数据,且存在人工给定聚类数目K值及随机选取初始聚类中心易收敛至局部最优的问题,本文提出一种基于自编码器(Auto-Encoder,AE)降维的电力负荷聚类方法。首先利用自编码器网络对采集的负荷数据提取特征,降低数据维度,然后通过密度权值Canopy算法对降维后的数据预聚类,得到初始聚类中心和最优聚类数目K值,将预聚类结果结合K-means算法进行聚类。算例结果表明,该方法能够有效对负荷数据进行特征提取,并减少聚类过程中的复杂度,提高了聚类结果准确度和聚类效率。     

人脸识别PCA算法的硬件实现

为满足人脸识别系统的实时性,提出了一种基于FPGA硬件平台的人脸识别系统的实现方法。以传统的主成份分析算法为理论基础,利用Xilinx公司的System Generator开发环境实现算法的硬件逻辑。通过调试和仿真后,分析运算负荷和时序逻辑。结果表明,使用Spartan-3ADSP XC3SD3400AFPGA开发套件,在保证识别率的前提下,硬件实现的算法处理速度要远快于MATLAB中的算法实现。     

基于哈达玛变换的LTE辅同步信号检测方法实现研究

针对LTE系统中辅同步信号检测算法复杂度大的问题,根据辅同步信号的特点,提出了基于哈达玛变换的检测方法。详细推导了该方法的理论依据,并对其实现复杂度与常规检测方法进行分析比较,得出本方法能够降低90%计算量的结论。通过MATLAB仿真,验证了本方法在白噪声环境下能够和常规检测方法获得相同的检测性能。     

高维流形视角下采用ISOMAP降维的配网户变关系辨识

准确的户变关系是配网线损计算、故障定位和三相平衡等高级应用的基础.低压配网的户变关系辨识算法大多基于电压相关性原理,而电压相关性随供电半径增加而减弱,电压采集频次较低无法可靠捕获电压的"共性波动",使得辨识准确率普遍不高.提出了一种基于等距特征映射(isometric mapping,ISOMAP)降维和改进K-mea...     

基于时延的软件定义卫星网络控制域规划策略

现有软件定义网络（SDN）多控制器划域研究大多基于拓扑相对固定的地面网络,难以适应拓扑动态变化的卫星网络,而现有卫星网络研究在处理时延问题时大多只考虑传播时延。针对这一问题,在建立模型时引入控制器处理时延、排队时延对划域的影响,提出了一种面向软件定义卫星网络（SDSN）的时延分析模型。借助该模型进行SDSN多控制域的划分。经过仿真验证,与现有的地面SDN多控制域规划算法及卫星网络控制域划分方法相比,该算法能够更好地适应卫星网络环境,有效降低网络时延,使控制器间负载均衡性能提升40%以上。同时迭代跳出机制使得算法运行速度快,能够适应卫星网络拓扑的快速变化。     

基于哈达玛变换的LTE辅同步信号检测方法实现研究

针对LTE系统中辅同步信号检测算法复杂度大的问题,根据辅同步信号的特点,提出了基于哈达玛变换的检测方法.详细推导了该方法的理论依据,并对其实现复杂度与常规检测方法进行分析比较,得出本方法能够降低90%计算量的结论.通过MATLAB仿真,验证了本方法在白噪声环境下能够和常规检测方法获得相同的检测性能.     

基于Internet阶层结构的域间路由聚合增强算法

提出了一种域间路由聚合的增强算法,它利用Internet阶层结构特性,以自治系统间关系为依据,强化路由聚合行为并约束可聚合路由的通告范围,给出了原形系统的实现算法·算法所需数据全部来自自治系统内部,没有全局协调数据,并有效回避了聚合行为对负载均衡和链路冗余的负面影响·数据实测和分析显示,算法能有效降低路由表规模,从而缓解当前Internet域间路由表高速增长的局面,加强了Internet的可扩展性·     

一种大规模MIMO系统信道反馈算法

针对在大规模多输入多输出（Multiple-Input Multiple-Output,MIMO）系统中,信道状态信息（Channel State Information,CSI）反馈量过大以及反馈的CSI过时的问题,提出一种基于自回归（Autoregressive,AR）模型和主成分分析（Principal Component Analysis,PCA）方法的反馈算法。接收端进行信道估计获得CSI后,先利用AR模型预测出反馈所需时间之后的CSI,在此基础上计算压缩矩阵,然后利用PCA方法对预测的CSI进行压缩,再反馈给基站,最后基站端对接收到的CSI进行重构。从理论分析和仿真结果可以看出,该算法可以在降低反馈量的同时提高系统容量和信道恢复的准确性。     

一种新的垃圾邮件样本采集方法

为了提高垃圾邮件样本的覆盖率和实时性,降低垃圾邮件过滤系统的计算复杂性和滞后性,提出了基于垃圾邮件发送的行为特征,采用蜜罐原理进行垃圾邮件样本采集.引入蜜罐帐户评价公式,根据这个公式设计并实现了蜜罐帐户选择算法,动态地在电子邮件服务器中选择一定数量的帐户作为蜜罐并生成蜜罐集合,定期从蜜罐集合中采集邮件样本,作为过滤系统的学习语料.实验表明,利用该方法能够使采集到垃圾邮件样本覆盖率达到98%以上.由于系统能够定期地进行样本采集,因此实时性较强,从而提高系统过滤垃圾邮件的能力.