安定畜草产业势头强劲

定区畜草产业抢抓西部大开发退耕还林还草和参与式扶贫整村推进工程机遇，走“种草-养畜-沼气-肥田-增收”的生态循环经济路子，发展势头更显强劲。上半年，全区存栏各类畜禽115．万头（只、匹），出栏各类畜禽48万头（只、匹），畜牧业产值达1．25亿元。     

一种基于KNN与改进SVM的车牌字符识别算法

提出了一种将KNN(K近邻)和支持向量机相结合的字符识别算法.首先用KNN对字符进行判断,如果输出的置信度大于阈值,则认为分类正确;如果小于阈值则采用支持向量机进行判决.改进了SVM分类器,通过调整支持向量机的分类超平面改进了支持向量机的性能.将算法应用到实际的车牌字符识别中,识别结果表明,这种方法在提高识别速度的同时,有效提高了字符的识别精度.     

关于改进的支持向量机的研究

支持向量机是一种基于统计学习理论和对偶理论的分类和函数估计方法,其推广能力强和全局最优的特点引起了学者的广泛关注。本论文对目前所提出的各类改进的支持向量机进行了初步的研究和分析。     

基于遗传算法的神经网络分类器优化设计

依据神经网络分类器的设计原理，设计了一种有效的遗传算法，实验结果表明：算法优化后的神经网络分类器不但学习速度快，还能保证分类精度．     

一种新的分类方法——属性均值聚类属性支持向量机(AMC-ASVM)

在属性均值聚类(AMC)与支持向量机(SVM)的基础上,提出了一个新的模式分类算法——基于(属性)聚类的属性支持向量机算法(AMC-ASVM)。主要思想是利用属性均值聚类网络得到的具有概率信息(权重)的样本,来训练属性支持向量机,从而得到分类器。这种方法结合了属性聚类的稳定性与属性支持向量机可以利用加权样本的优点,适合处理具有强噪声的数据。另外,该方法也可以看作是堆近邻分类法的自然推广。在实验部分,将其用于结肠癌基因表达数据的处理。实验结果显示了AMC-ASVM在一定程度上优于最近邻,Boosting,堆近邻,SVM等方法。     

智能预报模式与水文中长期智能预报方法

建立了以模糊优选、BP神经网络及遗传算法有机结合的智能预报模式与方法。在应用该方法进行中长期水文智能预报时，首先选取训练样本的数量，根据预报因子与预报对象的相关关系得到相对隶属度矩阵;再将其作为BP神经网络输入值以训练连接权重；最后将得到的连接权重值用于预报检验。计算结果表明，智能预报模式与方法的运行速度、精度及稳定性都达到了实际应用的要求。     

高速线材吐丝机吐丝管空间曲线研究和改进

针对唐钢高线吐丝机存在的吐丝质量问题，采用三次样条拟合现场实测数据得到吐丝管曲线方程；根据吐丝管中线材的速度和受力模型，分析线材在吐丝管中的运动状态，研究吐丝管空间曲线对吐丝质量的影响，得到吐丝管空间曲率波动过大和出口速度变化过快是导致吐丝质量不好的主要原因；通过改善吐丝管空间曲线和规范煨管工艺制度，显著改善了甩尾、吐圈摆动等吐丝质量，吐丝管寿命提高了1倍。     

基于VB6.0的PC机和S7-200PLC间的数据通讯

以SIEMENS公司S7200 PLC为例，用VB实现S7-200PLC在自由口通讯方式下与上位机的通讯。讨论了通讯系统的构成、通讯方式的设置，给出了软件程序和实验结果。该系统已成功应用于3．3kV八组合磁力控制站测控系统中。实验结果表明，该通讯程序具有重要的工程应用价值。     

BP神经网络在氯代羟基苯甲醛QSRR研究中的应用

用BP神经网络法对氯代羟基苯甲醛的定量结构-色谱保留值关系(QSRR)进行了研究,采用多元回归分析对此类化合物的QSRR进行了比较研究，并用因子分析法的斜交因子得分图直观地揭示了上述两法在运用中的优劣差异。     

利用BP神经网络识别数字图像

本文首先介绍了数字图像以及数字图像在试验中的存储方式，然后分析了实验中使用的三层BP神经网络模型及神经网络学习算法，讨论了图像中心区域象素点与边缘区域象素点不同的处理过程，最后描述该BP神经网络的识别结果及应进一步研究的几个问题。实验表明，用BP神经网络识别数字图像是一种高效、高正确率的方法。