脑-机接口中小波和小波包方差的特征比较

针对两种不同意识任务的脑-机接口设计,提出了以方差作为特征的方法和以分类速率作为评价标准之一的新方法.首先深入研究了小波理论,分析了小波包分解中存在的频带交错现象,然后以小波系数和小波包系数的方差作为特征,对C3,C4导联脑电信号分别进行两种特征的提取,最后采用线性支持向量机作为分类器进行分类.结果表明,两种特征对应的最大分类正确率均达到了86.43%,对应时间分别为4.32和4.31 s.因此,以小波方差和小波包方差作为特征是完全可取的;分类速率的提出能同时反映分类正确率和分类时间,为大脑意识任务分类提供了新思路.     

基于多特征融合的遥感图像河流目标检测算法

针对近似河流无法准确检测出来的问题,提出了一种基于多特征融合的遥感图像河流目标检测算法.首先根据提取样本图像的局部熵、纹理和角点信息特征构建了有效区分河流区域和背景区域的特征向量,利用支持向量机进行训练获得决策函数,通过决策函数判断测试图像的河流区域,完成河流区域的粗检测;然后结合粗检测的结果,应用测地线活动轮廓模型提取完整准确的河流区域.实验结果证明该算法对河流目标定位准确,获得的河流检测结果具有良好的连通性,可以准确地检测复杂背景下的河流区域.     

基于支持向量机的大学财务困境预警模型

为了解决大学的财务风险预警模型由于样本稀疏造成预测准确率偏低的问题,该文提出了一种基于支持向量机(SVM)的预警模型的构造方法.选取教育部64所大学的7个财务评价指标并将其分为轻警、重警和巨警3种类别进行了训练计算.与误差反向传播(BP)神经网络模型相比较,在小样本数据条件下,基于SVM的大学财务困境预警模型是大学财务困境预警的有效方法.研究结果可以较好地对大学财务困境进行预警监测.     

工程优化设计中的近似模型技术

解决复杂系统的建模优化问题,需根据具体的应用环境,选择合适的近似模型。本文对响应面模型、多元自适应回归样条模型、克立格模型、径向基函数模型、支持向量回归模型等近似模型的性能特点和适用范围进行了系统的比较研究,在分析这些近似模型基本特性的基础上,选取具有广泛代表性的测试函数,并综合考虑问题的复杂度、非线性程度、采样点的规模及分布等多个因素,对上述5种近似模型的全局和局部拟合能力、鲁棒性等进行了较为全面的比较评价,并给出应用实例。     

基于SVM的以词性和依存关系为特征的句子倾向性判断分析

将句法平面词的词性特征、依存关系、依存关系中的词性特征、邻接依存关系、邻接依存关系中的词性特征与倾向性词汇和倾向性搭配作为支持向量机（SVM）分类器的特征集,以句子为单位对多个领域的文本进行倾向性判断．通过交叉验证的方式,估计出分类器的精度为95．6％．据此提出句子倾向性分析可不以句子倾向性判断为前提．     

基于Logistic回归的计算机应用基础课程统考成绩分析

本文针对学生《计算机应用基础》课程统考成绩的影响因素进行基于Logistic回归的多元分析。采用Logistic回归方程对《计算机应用基础》课程统考成绩作为目标变量进行建模分析,结果表明:年级、学习专业、学习中心对《计算应用基础》课程统考成绩影响最重要。     

一类变换图的距离性质

求得一类变换图G(R*,S*)(其中R*=(r1,r2),S*=(1,…,1))的直径为r,证明了对于G(R*,S*)中任意2个距离为k的点,恰存在k2条内部不交的最短路联结这2个点,并且最多存在r1 n－r1〗条内部不交的路联结这2个点.     

以学生为本——全面推进高校学生管理工作

大学是向社会输送人才的重要基地,大学生管理工作直接影响社会主义现代化建设人才的培养。从以学生为本的视角加强高校学生管理工作,是构建和谐校园的理论前提。针对当前学生管理面临的新问题,高校要树立人本管理理念,尊重大学生的人格特点;构建以“服务”为中心的学生管理新模式,促进学生全面发展;进一步调动学生的积极性和主动性;加强情感管理,提高学生管理的效果。     

一种新的群体一致性算法及平台实现

在分析已有两种主要群体一致性算法所存在问题的基础上,给出了一种新的群体一致性算法,该算法是用方差的大小来衡量群体一致性程度,有利于设定统一的阈值,并具体实现了新的群体一致性算法,运用该算法平台对某轿车厂家的一款新车型进行了快速、科学地决策,从新车型的市场反馈来看,该算法是有效的。     

一种递归模糊神经网络的广义预测控制方法

提出了一种递归模糊神经网络(RFNN),通过加入向量调节层,提高了网络对输入信息的处理能力。基于所设计的递归模糊神经网络,建立非线性系统的离散数学多步模糊预测模型,根据这一模型对系统的输出进行预测,然后利用预测控制算法得到相应的预测控制规律。仿真结果表明该方法具有较高的控制精度以及一定的抗干扰能力。