Yeperenye Dreaming in Conceptual,Geographical, and Cyberspace: A Participatory Action Research Approach to Address Local Governance Within an Australian Indigenous Housing Association

Systemic Practice and Action Research - This paper discusses work in progress with an Indigenous housing association in Central Australia. It builds on and extends a 2-year policy and planning...     

ORGANIZATIONAL LEARNING AND VENDOR SUPPORT QUALITY BY THE USAGE OF APPLICATION SOFTWARE PACKAGES： A STUDY OF ASIAN ENTREPRENEURS

In this paper we study how organizational learning impacts organizational behavior, and howvendor support quality enhances product adoption and usage behavior.These constructs were verifiedusing Application Software Packages(ASP)-a prewritten, precoded, commercially available set ofprograms that eliminates the need for individuals or organizations to write their own softwareprograms for certain functions. The relationship between ASP usage, usage outcomes and useprocesses were also investigated. Two hundred and ninety-five Chinese, Indian, and Malayentrepreneurships were studied. It was found that usage outcome strongly determines usage, while useprocess has only an indirect relationship (via outcome) on usage. The impact of organizational learningand vendor service quality on usage, usage outcome, and use process were robust. Theoretical andpractical implications of the research are discussed.     

一种基于模糊神经网络的自适应模糊辨识方法

基于改进的T-S模型，提出一种自适应模糊神经网络模型(AFNN)。首先，基于模糊竞争学习算法确定系统的模糊空间和模糊规则数，并得出每个样本对每条规则的适用程度。其次，利用卡尔曼滤波算法在线辨识AFNN的后件参数。AFNN具有结构简洁，逼近能力强，能够显著提高辨识精度，并且辨识的模糊模型简单有效。最后，将该AFNN用于非线性系统的模糊辨识，仿真结果验证了该方法的有效性。     

舰船噪声的状态空间重构与特征压缩

介绍了以Takens的嵌入定理为基础的状态空间重构混沌信号处理方法，为了降低特征维数、减小特征成分的相关性、突出特征的差异性，同时引入了K-L(Karhtmen-Loeve)变换。利用舰船噪声信号的混沌特性，提出了一种基于状态空间重构与K-L变换相结合的特征提取方法，并用此方法对舰船噪声信号进行特征压缩。计算机仿真结果表明该方法具有较好的分类效果。     

话者识别系统中语音特征参数的研究与仿真

在说话者识别系统中，提取反映说话者个性的语音信号特征参数是系统的关键问题之一．研究并提取了几种重要的语音特征参数，包括线性预测倒谱系数、美尔倒谱系数、语音动态参数等，对这些参数进行了分析和比较，并研究了将多种参数组合使用对识别系统性能的影响．通过仿真和实验，证明混合参数识别方法能使话者识别系统的正确识别率有明显的提高。     

复杂系统的遗传-模糊建模方法

针对复杂系统的模糊建模问题，提出了一种遗传．模糊建模新方法。首先，利用竞争学习算法对输入空间进行自适应聚类，基于聚类结果提取模糊模型的规则前件隶属函数参数，采用局部最小二乘法求得规则后件参数，从而初步建立起系统的T-S模糊模型。然后，对规则前、后件参数进行编码，借助于实值编码遗传算法优化模糊系统。最后，数字仿真结果验证了算法的可行性和有效性。     

基于支持向量机的非线性系统辨识

支持向量机（SVM）是一种基于结构风险最小化原理的学习技术，也是一种新的具有很好泛化性能的回归方法，该文利用支持向量机对非线性系统进行黑箱建模，介绍了V-SVR的基本理论，并进行了仿真实验，结果验证了所提出的方法的正确性和有效性。     

基于神经网络的无源多传感器属性数据关联

采用引入动量项、自适应调整步长，Levenberg-Marquardt优化方法对基本的BP神经网络进行改进，以提高学习速度，改进的BP神经网络学习算法用于对无源多传感器获得的雷达辐射源参数进行属性数据关联，能够自适应地调整阈值，即根据训练数据调整关联的门限值，与确定门限的属性关联算法相比，有着很高的关联正确率。     

一种基于模型共享的半监督多标签图像学习法

提出一种快速且有效的半监督多标签学习方法:模型共享半监督推举。该方法能发现、共享并组合多个基模型,每个基模型是在某个标签上利用半监督支持向量机(S3VM)上学习的。通过使用模型共享,标签关联被显示地利用且对于每个标签来说只需要少量的基模型即可生成最后的决策结果。在Corel5k和Mediamill数据集上评估方法,实验结果显示的方法与当前流行的监督和半监督多标签学习方法是可比的。     

一种基于弱标签的三维模型语义自动标注方法

随着三维应用的普及,三维模型大量产生并广泛传播。由于三维模型广泛应用于计算机辅助设计、三维游戏、电影特效制作等诸多领域,已经形成了大量的三维模型数据库。三维模型语义标注的目的是给出描述其语义的标注词,是三维模型管理和基于文本的三维检索的关键技术。针对互联网大量存在的弱标签三维模型现状,提出一种基于弱标签的三维模型语义标注方法LPMLL,首先,采用半监督学习方法进行标签传播,得到标注词置信度,达到提升训练集的目的。然后,采用一种基于最大后验概率准则的方法进行多标签学习,得到最终标注词。实验数据表明了该方法的有效性。