基于层次的分类器组合

对传统的串行、并行组合方式的分析基础上，该文提出一种基于层次的分类器组合方式，并以手写体数字识别为例，选取了8个不同信息层次的分类器进行组合，得到最终分类结果如下：正确识别率为97．15％，错误率为0．75％，拒识率为2．10％，可靠性为99．234％。实验结果表明，此种分类器组合方式较传统的串行、并行组合方式在性能上有所提高。     

遗传模糊系统的分类器融合

将遗传模糊系统引入分类器融合，并且提出了一种快速的遗传模糊系统设计方法，在该方法中对传统的产生初始群体的方法和交叉操作进行了改进．本文方法在从ELENA数据集和UCI数据集中选择的3个大样本数据集上进行了测试，与当前有代表性的分类器融合方法进行了比较实验．实验结果表明，该方法在缩短训练时间以后仍然能够得到模糊规则数少，分类精度高的分类器融合系统．     

动态最小费用流问题

考虑到时间对最小费用流问题中各个参数的影响,首先通过对动态最小费用流问题的各参数的定义建立了动态最小费用流问题的数学模型,在这样的有向网络里,流可以在中间点上停留一段时间,弧的容量以及中间点的容量随时间变化,流经过弧时所需的费用也随时间变化;在此模型基础上给出了动态最小费用增广链的定义并证明了与其相关的定理,并在最后给出求解动态最小费用流问题的一个算法。     

基于最小分类错误训练的神经网络分类器设计

提出了一种基于最小分类错误（MCE）训练的采用多层感知器（MLP）结构的模式分类器设计方法。这是一种以分类错误率最小化为目标的模式分类器设计方法，将它用于MLP分类器设计能够进一步提高分类器的性能。采用MLP实现MCE训练中的分类损失计算，从而将MCE训练过程与MLP分类器设计统一在一个神经网络结构中，通过BP算法予以实现。这不仅能达到提高MLP分类器性能的目的，而且简化了它的设计过程。     

基于最小反射准则的天线罩C-夹层遗传优化

为降低天线罩对雷达的虚警概率、闪烁瓣电平的影响,笔者提出了最小反射准则,并对实际的C-夹层结构的电性能进行遗传优化,该C-夹层有14层结构,其中包括防雨涂层、胶膜、树脂过渡层等.采用页面存储技术建立每一层的材料库,从而实现染色体中连续数值变量和离散非数值变量的混合编码.数值计算表明,最小反射准则的优化效果优于最大透射准则.     

基于Fisher准则的分类器在皮革正反面分类中的应用

制鞋业中的皮革表面缺陷查找和排样主要靠手工完成，因此效率低下．基于图像处理技术的自动化缺陷查找及排样，可以较大地提高生产效率．皮革的缺陷查找和排样，主要在皮革的正面进行，因此皮革正反面的自动判别是后续处理的关键．因为皮革具有典型的纹理特征，纹理图像其特殊的像素空间分布方式有别于普通的灰度图像，因此常用的灰度图像分类特征对纹理图像的分类不适用．而基于灰度共生矩阵提取纹理图像的统计量组成的特征向量，并在Fisher判别准则的基础上设计一种线性分类器来对皮革纹理图像进行分类．实验结果证实，该分类器可有效地对皮革的正反面进行分类。     

基于最小误判准则的LED管芯数字图像分割

利用基于模式识别决策理论的最小误判准则，给出了求解最佳分割灰度门限的方法，并以磷化镓衬底LED管芯芯片为算例，利用UMA测度对最小误判准则、双峰准则、最大类间距准则等三种算法在分割质量上的差异进行了定量地分析和比较。实验结果表明，就此类图像而言，最小误判准则在计数的准确性和对原始图像质量的鲁棒性方面均优于其它两种方法。     

最小价格稳定匹配

本文讨论的最小价格稳定匹配,推广了Gale-Shaplay匹配,在人事管理,物资分配等部门有着较广泛的应用背景。本文展示了这个问题的数学模型,论证了它的最优解的存在,并提出了一个多项式时间算法来计算它的最优解。     

连续时间网络上的最小费用流问题

建立了连续时间网络上的最小费用流问题的数学模型；证明了连续时间网络中的增广流的存在性定理和最优性定理；最后给出求最小费用流的算法．     

一种基于多级神经网络分类器的沉积相识别方法

由于油层沉积特性本身的多样性和复杂性，造成了沉积相各类别之间测井曲线形态差异较小，这无疑增加了识别难度。针对这一问题，给出了一种新的沉积相识别方法，该方法通过将神经网络和多级分类器相结合，有效地提高了识别精度，最后用实例验证了该方法的正确性。     

基于最小峭度准则的码约束盲恒模干扰抑制算法

提出一种基于最小峭度准则初始化的码约束盲恒模算法.通过对均衡器的权向量增加约束,使其在迭代更新最小化代价函数时,能有效地抑制干扰,同时保证DS-CDMA系统的期望用户信号不被抑制.仿真结果表明:在相同条件下,采用该算法得到的输出信噪比有明显的改善,输出的均方误差也大大减小.     

基于对称最大间距准则的人脸识别方法

在最大间距准则算法中引入对称性思想,提出了基于对称最大间距准则(SMMC)的人脸识别算法。该算法首先引入镜像变换,将人脸图像生成镜像图像,依据奇偶分解原理,把人脸图像分解成镜像奇、偶对称图像,然后分别对奇偶对称图像进行最大间距准则,提取所需的鉴别特征。在ORL和Yale标准人脸库上的实验结果表明,该算法通过利用镜像变换扩大了样本容量,发挥了最大间距准则算法的优点,提高了人脸识别率。     

基于主干树的最小代价组播路由算法

提出基于主干树的最小代价组播路由算法,该算法首先在网络中找出K个代价最小的结点,然后以这K个结点形成一棵树,并称这棵为主干树,然后将不在主干树上的成员结点加入到树上,最后剪去非成员的叶结点。该算法的时间复杂度O(n^3)。该算法所构造的组播树代价略低于MPH算法和KMB算法。     

An Improved Minimum Distance Method Based on Artificial Neural Networks

MDM (minimum distance method) is a very popular algorithm in state recognition. But it has a presupposition, that is, the distance within one class must be shorter enough than the distance between classes. When this presupposition is not satisfied, the method is no longer valid. In order to overcome the shortcomings of MDM, an improved minimum distance method(IMDM) based on ANN (artificial neural networks) is presented. The simulation results demonstrate that IMDM has two advantages, that is, the rate of recognition is faster and the accuracy of recognition is higher compared with MDM.     

最小费用流问题的多重最优解

本文提出了可调圈的概念，并力图对最小费用流问题的多重最优解进行一些探讨。     

多传感器线性最小方差最优信息融合估计准则

用Lagrange乘数法和矩阵微分运算,分别提出了按矩阵加权、按标量加权和各分量按标量加权的三种线性最小方差信息融合估计准则,其中考虑了估计误差之间的相关性,推广和发展了现有文献的结果。文中比较了三种融合估计的精度和计算负担,可应用于信息融合状态或信号最优估计。     

流态化准数方程及最小流化速度的确定

气体力学参数的确定是流态化过程正常进行的前提,本文运用相似理论,从流化一类现象中固体颗粒和气体介质两方面的运动相似入手,用与前人不同的研究方法,导出了适用于全过程的流态化准数方程式,以此作为流化过程气体力学诸参数研究的统一基础。在此基础上,针对工业加热流化床的特点,通过实验建立了最小流化速度的实用计算式,由于考虑了固体颗粒与气体介质密度比这一影响因素,从而提高了计算精度,为流化床气体力学参数的确定提供设计依据。     

一种改进的最大间距准则人脸识别方法

针对最大间距准则在人脸特征提取过程中的不足,提出一种统计不相关的加权最大间距准则人脸特征提取方法。首先对最大间距准则的类间散度矩阵和类内散度矩阵加乘权函数。然后在准则函数中利用双参数调节类间散度和类内散度对特征抽取的影响力。最后通过Schmidt正交化得到统计不相关的最佳鉴别矢量集。在ORL和Yale人脸图像库上的仿真实验结果表明,克服了最大间距准则的缺点,提高了人脸识别率。     

基于四值逻辑的汉字图像识别方法

采用定义在汉字图像平面上的四值逻辑函数对汉字图像特征进行定量描述,建立汉字图像特征的逻辑表达式。通过求解这些表达式的值,即可判断该汉字是否具有某种特征,从而得到一种汉字图像识别的新方法。