基于D-S证据理论的纹理图像分类方法

在阐述Dempster-Shafer证据理论的基础上,给出了基于Dempster-Shafer证据理论的多源信息融合的方法,并将Dempster-Shafer证据理论的信息融合技术应用于遥感图像纹理的分类.图像灰度均值特征和图像灰度共生矩阵的熵特征作为纹理图像的不同特征被提取,并构成该理论中的证据,利用一定的决策规则,选择融合证据作用下最大的假设.实验结果表明,基于Dempster-Shafer证据理论的多特征融合分类识别图像纹理的新方法是切实有效的和可行的,分类结果要优于仅仅利用单个特征进行分类的结果,能极大地提高图像纹理的识别分类能力.     

灰色模型GM(1,1)在短期电力负荷预测中的应用

讨论了灰色模型GM（1，1）及其改进模型在短期电力负荷预测中的应用，提出了适合电网普通日及特殊日电力负荷预测的数据处理方法，提高了预测的精度。     

一种并发Java程序控制流模型

研究了并发Java程序控制流模型的建模问题.通过深入分析并发Java程序设计语言的语义以及带抑止弧Petri网的建模能力,提出了一种并发Java程序控制流模型--CJCFM,并给出了从并发Java程序构造该模型的方法.CJCFM以带抑止弧Petri网为基础,简单直观,可模拟程序实际运行过程,对并发程序的理解、分析和测试有很大帮助.通过对现有开源Petri网实验平台PIPE的功能进行扩展,可在该平台中直接构造并执行CJCFM.借助成熟的Petri网理论与算法,可验证CJCFM的各种性质,从而达到对源程序进行分析的目的.实验表明:CJCFM能有效协助理解、分析和测试并发Java程序.     

一种基于可拓理论的教师素质综合评价方法

分析了影响高校教师综合素质的多项指标,运用可拓学中的可拓评价方法,实现了对高校教师素质的多指标综合评价.通过实例证明运用可拓评价方法对教师综合素质的评价公正、科学、规范.     

多尺度融合dropout优化算法

为了改善传统标准dropout无法根据特定数据集确定合适尺度的不足,提出了多尺度融合dropout(MSF dropout)方法.利用验证数据集对多个不同尺度的网络模型进行训练,通过学习得到符合该数据集特征的最佳尺度组合,让MSFdropout具备自适应数据集的能力,从而使网络能够使用最佳尺度来进行高精确度的预测.首先训练若干组不同尺度的网络模型,使用遗传算法求出各网络模型的最优尺度;然后通过最优尺度对对应的网络参数进行缩小得到预测子模型;最后以一定的权重将这些子模型融合成为最终的预测模型.使用MSFdropout在标准数据集MNIST和CIFAR-10中进行实验,实验表明:当选择了合适的尺度数量和尺度梯度后,预测精度获得了明显的提升,同时很好地控制了计算时间,验证了多尺度融合方法的有效性.     

一种双时态时空模型和索引机制

建立了一种支持三维空间和双时态的时空模型，给出了模型的形式化定义，讨论了时空数据类型，并在此模型上提出了一个基于R树的统一时空索引（UST-TREE）机制，定义了节点结构，并分析、描述此索引的结构及原理，所提出的索引机制可大大提高数据的检索效率，减少了冗余信息。     

有选择条件的并行连接改进算法

针对有选择条件的连接易于造成选择率偏斜和重分布偏斜的问题，通过在各个处理结点中的A—D（Attribute—Distribute)临时关系以及主控结点中的A—RD(Attribute—Redistribute)临时关系，提出了并行连接改进算法，并且从理论上对该算法的空间复杂度进行了分析．     

基于共同进化计算的分类规则算法

为提高分类挖掘的准确度,在分析ID3,C4.5和进化算法（EC）的基础上,设计了两个共同进化的种群分别表示选择的属性子集和分类规则子集,提出基于共同进化计算的分类规则算法（CRCEC）,并构建CRCEC算法的适应度评价函数．用4个加利福尼亚大学Irvine分校的数据集对CRCEC,ID3,C4．5和EC算法进行测试比较,结果表明CRCEC算法分类准确度高,可以得到简洁的、可理解性强的规则．最后给出了CRCEC算法在公路车辆征费分类预测系统中的一个应用实例．     

基于特征抽取的电子公文防伪系统的研究

针对web环境下存在对电子公文、电子图片的恶意伪造和删改等现象,需要对电子公文信息内容的正确性加以验证也即防伪,提出一种方便可行的基于全文特征抽取的算法。该算法抽取电子公文的各种特征值,生成特征值验证码对电子公文进行加密与防伪。实践证明,采用这种技术对一般的电子公文真伪处理可在2s内完成,其防伪出错率在百万分之一。     

全屏幕编辑报表通用模块的设计与实现

本文着重介绍了金屏幕编辑报表通用模块的设计思想与实现方法及其意义。读者可方便地把该模块直接用于自己的数据库管理系统中或单独使用。