基于雷达图表示原理的英文字符识别方法

在多元数据多元图表示原理理论基础上,提出了一种新的字符模式识别方法.首先基于多元数据雷达图表示原理进行字符的非数值数据-数值数据变换,进而实现字符信息的雷达图表示;然后对待识别字符进行多元图图形基元和特征基元分析,形成字符识别的多元图基元表示模犁;最后在字符识别的多元图基元表示模型基础上实现字符识别.本文以手写体大写英文字符的识别为例介绍该方法,通过实验证明该方法具有较好的识别效果.     

信息网络表示学习方法综述

网络表示学习方法将信息网络表示为低维稠密携带网络节点特征信息的实数向量,应用于下游机器学习任务的输入,随着机器学习与深度学习的发展,网络表示学习拥有强大的建模能力且应用广泛。对网络表示学习方法、应用进行了归纳总结。首先,对当前国内外网络表示学习方法进行梳理归类,分为传统方法、基于网络结构的嵌入、融入属性信息的嵌入,以及基于谱域的图卷积、基于空间的图卷积和图attention网络,按类别对各类模型详细阐述,对比模型之间的适用性和方法特点;其次,介绍了网络表示学习的相关应用,包括推荐系统领域、生物医药领域等,整理常用的数据集、开源实现的表示学习模型和强大的图深度学习库供研究者参考调用;最后,对网络表示学习的发展趋势进行了总结与展望。未来可在深层的图神经网络学习、动态和异构网络的表示、网络模型的泛化能力等方面继续开展研究。     

基于局部学习的受限非负矩阵分解算法

为了利用样本的局部结构信息与少量标记样本的类别信息,提出了一种基于局部学习的受限非负矩阵分解算法,并应用于数据表示.为了考虑样本的局部结构信息,通过每个样本邻域构建出的分类器对样本的类别进行预测;同时,还将样本中存在的类别信息作为硬约束,使得相同类别的高维样本在低维表示空间保持一致.算法不仅利用了样本的几何流形结构信息与鉴别结构信息,还考虑了标记样本的类别信息,因此比传统的非负矩阵算法具有更强的鉴别性.在20Newsgroups文本库和ORL人脸库中的实验结果表明了算法能提高分解准确率和归一化互信息.     

基于多元统计图的信息融合方法及应用研究

信息融合是一种认识和研究复杂巨系统的新的思维方式。本文在分析多元统计图信息融合一般过程及几种多元描述统计图的基础上，提出改进型雷达图表示方法，进而提出了基于改进型雷达图的信息融合方法，并将其应用于秦皇岛城市创新能力实证分析。     

浅谈地籍测绘中土地信息系统数据来源的质量问题

土地信息系统的数据源指建库中所需要的各种数据类型的来源。它是土地信息系统最基本、最重要的组成部份。土地信息系统的数据源多种多样,主要包括有:一是地图,地图是系统最主要的数据源,因为地图是地理数据的传统描述形式,是具有共同参考坐标系统的点、线、面的二维平面形式的表示,内容丰富,图上实体间的空间关系直观,而且实体的类别和属性可以用各种不同的符号加以识别和表示。土地信息系统其图形数据大部分都来自地图,土地信息系统的属性数据主要有地籍图、宗地图、土地详查图、土地利用现状图、行政区划图、专题图、乃至地形图等各种图件的矢量化地图数据。二是遥感影像数据,遥感影像数据是一个极其重要的信息源。通过遥感影像可以快速、准确地获得大面积的、综合的各种专题信息,航天遥感影像还可以取     

新型建筑智能化平台节点拓扑匹配算法研究

针对新型建筑智能化平台中空间拓扑与节点拓扑一致性问题,提出了一种拓扑匹配算法.在拓扑匹配过程中,通过提取AutoCAD建筑平面图的B-rep信息,将其表示为以空间单元为节点的属性邻接图.建筑平面图空间拓扑被表示为大图,平台中智能节点交互形成的拓扑被表示为小图,一致性问题被转化为大图中查询同构小图问题.该算法与传统的子图同构算法相比,首先利用顶点度优化匹配顺序,其次增加顶点的邻域信息作为剪枝条件,对候选集匹配项进行筛选,最后采用非递归-回溯思想对数据节点进行验证,并在真实的数据集上验证了算法的适用性与高效性.     

多元图图形基元和特征基元提取与表示方法

提出一种多维数据多元图图形基元和特征基元提取和表示的方法.首先应用多维数据多元图表示原理实现无结构数据的结构化表示,然后在建立基于多元图图形基元和特征基元表示的一般化表示模型基础上,提取出了表征多元图图形的图形基元和特征基元.为验证该方法的正确性,采用UCI机器学习数据库中的Iris等数据进行了分类实验,不同分类方法实验结果对比证明该方法具有较好的识别效果.     

大百科全书中的地图问题

地图是按比例缩小后,根据数学规律,用各种符号来表示地面事物和现象的一种工具,它能直观地反映事物和现象的空间分布;在一张地图上还能把许多内容同时呈现在读者眼前.因此地图长期地广泛应用于行政管理、国防、工农业建设、科学、教育、文化及旅游等各个方面。地图的作品类别很多,有单张图,系列图,图折和地图集等,在报章杂志以及书刊中还有用以帮助解释或补充文字内容的书刊插图。     

基于PHD的多扩展目标联合检测、跟踪与分类算法

针对杂波和噪声背景下空间距离较近的扩展目标数目和状态难以估计的问题,提出了基于扩展目标概率假设密度滤波器(ET-PHD)的多目标联合检测、跟踪与分类算法,并给出了该算法基于粒子滤波的实现方法.算法在滤波器中引入了属性量测信息,预测阶段的粒子按照其类别进行传播,更新阶段对所有粒子进行联合更新,更新结束后将粒子按照类别进行分类,各类别的粒子集表示了其相应类别目标的PHD分布.该算法具有模块化结构,计算复杂度为O(mn).数值仿真场景包含两类扩展目标并行运动和两类扩展目标交叉运动.结果表明,该算法可以同时估计扩展目标的类别、数目和状态,并且平均最优次模式分配距离相比传统算法的降低幅度超过50%.     

高维数据的2D图单点表示原理

高维数据的单点2D图表示是2D图表示的重要分支.由于其可在单幅多元图中显示多个观察,因此适用于模式识别领域中的特征选择与分类空间形成.本文根据多元图中单点映射的变量数目的不同对单点图表示进行了对比,并分析了其各自的适用范围与优缺点.     

多维数据2D图表示的统一数学描述与唯一性证明

讨论了多维数据2D图表示的统一数学描述问题.多维数据的2D图表示可分为单点表示和多点表示.这两种表示的数学描述通式,一般是在直角坐标系下的点或者矢量表达式.在建立多维数据集合和二维平面定序图形基元集合间映射关系的基础上,证明了该表示是唯一的.     

图的范畴积的圆色数

图的圆色数的定义是图的色数的一个自然的推广,它是由Vince首先提出的,本文主要研究图的范畴积的圆色数.     

多管落球法测液体黏度实验的探讨

多管落球法测液体黏度实验，关键是测定满足无限宽广条件下小球下落的时间。针对该实验常用的作图法徒手画线，随机性很大，很难准确测量的问题。文章对多管落球法测液体黏度实验的数据处理作了改进，介绍了作图法、逐差法、最小二乘法并相互比较，得出了逐差法是最好方法的结论。     

雷达图图形特征提取中的特征排序

基于多元数据的雷达图图表示,提出了雷达图重心图形特征.针对同样的多元数据不同的特征排序会导致不同的雷达图图表示,进而产生不同的重心特征,而这些重心特征会最终影响分类器的性能,因此提出一种新的问题,即雷达图图形特征提取中的特征排序问题.基于这个新的问题,设计了一种新的解决方法,即提出了基于改进的遗传算法的特征排序.同时也研究并改进了传统的基于排序的特征选择方法.基于一些机器学习数据库的分类实验结果表明:一方面,数据的原始特征排序下的重心特征和传统的特征提取方法相比,并不总是最优,但是在遗传算法下特征排序的重心特征优于传统的特征提取方法;另一方面,在遗传算法下特征排序的重心特征优于传统的基于排序的特征选择方法下的重心特征.尤其对于高维小样本的肺癌数据达到了12.5%的留一法交叉验证错误率,效果非常好.乳腺癌数据和糖尿病数据等的分类结果优于目前国际上的报道.     

模式特征的几何代数多向量表示方法

模式表示是模式识别的一个基本问题。传统统计模式识别理论中模式特征一般表示为一个数值向量,并被视作维欧式空间中的一个点。这种表示方法只利用了一阶特征,容易丢失模式特征间的关联信息和高阶结构。本文首先阐述了几何代数的公理化定义和一些基本概念,然后将传统的模式特征向量表示推广为几何代数空间的多向量表示,接着讨论了该表示的两种特例,最后阐述了基于该多向量表示进行特征提取和分类的一般思想和需要进一步研究的问题。     

基于多元图形特征融合原理的降维方法研究

降维是将高维模式映射到低维子空间的过程.在降维后的低维子空间进行分类往往能得到更好的效果.本文以高维数据为研究对象,采用多元描述图对高维数据进行可视化表达,采用多元图图形特征融合的方法对高维数据进行降维,用K邻分类器进行分类效果评价.与Fisher线性判别及其他一些常用非线性降维方法相比,本文所提方法在数据的可视化以及分类精度等方面均有较好效果.     

一种新的DNA序列的3D图形表示

基于DNA序列的混沌游戏表示，给出了一种新的3D图形表示来表征DNA序列。为了便于序列间的比较，将DNA序列的3D图形表示转化成了相应的矩阵表示并讨论了它们的数字特征。     

三次多项式局域插值样条

给出了曲线的一种图示方法，即用三次多项式局域插值样条来拟合原始数据，讨论了这种拟合的存在性，唯一性及逼近阶。     

彩色图象合成中的亮度匹配

本文研究彩色图象的合成问题,阐述了亮度计算的统计直方图原理,提出了彩色图象合成中亮度匹配的直方图规定化方法,给出了它的离散形式,以便程序实现,并对处理中的具体问题进行了讨论使用证明该方法在彩色图象合成中能获得较好的亮度匹配效果。