改进的Morlet小波与再生核空间

给出了改进的Morlet小波变换像空间的再生核函数的具体表达式及等距恒等式,并利用再生核函数的结构对改进的Morlet小波变换的像空间作出了具体的描述,并将对小波与再生核的关系得出一个新的发现,为一般小波变换像空间的讨论提供了基础．     

一类奇异微分方程边值问题的数值方法

在再生核空间中讨论一类二阶奇异微分方程两点边值问题.研究方程解存在的充分性和解唯一的必要性,建立解的精确表达式,获得近似解的求解方法,数值模拟结果说明该方法的有效性.     

不同因素对动物家域面积的影响

对动物家域大小的研究是动物生态学与保护生物学的基本研究领域之一,对评价动物的生境质量、生境选择、栖息地负载量具有重要意义.迄今对动物家域的研究主要集中在家域面积的测算方法,但研究不同因素对动物家域面积的影响是更重要的生态学问题.文章综述了不同因素对动物家域面积影响的研究成果,包括性别、季节、种群密度、捕食风险、婚配制度和人类影响,以促进该领域的进一步发展.     

基于嵌入式ARM9-Linux网络视频监控系统的设计与实现

基于ARM9和嵌入式Linux操作系统,对Linux内核gspca驱动程序进行了移植,配置了支持mjpg - streamer和uvcvideo的基础连接库,编译、移植mjpg - streamer软件包,实现了一个易搭建,易配置,通用性好,能让客户机通过浏览器实时监控远程目标的网络视频监控系统,可以用在无人值守的仓库、大规模的森林以及高速的交通工具.     

基于模糊支持向量的多标签分类方法

单实例多标签分类是指一个样本拥有多个标签的分类问题,对此提出了一种基于半模糊核聚类和模糊支持向量机的多标签分类算法.该算法采用一对一分解策略将多类多标签数据集分解为多个两类双标签数据子集,在每个子集上训练两类双标签模糊支持向量机.为提高分类器的性能引入了半模糊核聚类技术.实验结果表明,与现有的一些算法相比新算法具有其优...     

基于LMKL和OC-ELM的航空电子部件故障检测方法

针对航空电子部件故障样本获取困难以及检测准确率不高的问题,提出基于局部多核学习(localized multiple kernel learning, LMKL)和一类超限学习机(one-class extreme learning machine, OC-ELM)的故障检测方法。仅运用正常状态的小样本数据,给出了LMK-OC-ELM的数学表达形式,并在不同的门模型下推导了LMK-OC-ELM中局部核权重的优化方法;在获取局部核权重的基础上,定义了离线故障检测所需的统计检验量与阈值,以便工程实现。将所提方法应用于某型接收机,结果表明,在训练时间可控的前提下,与4种常见的一类分类(one-class classification, OCC)算法相比,所提方法可均衡地提高召回率、查准率和特异度,以LMK-OC-ELM-sig为代表,其在F1、曲线下方面积(area under curve, AUC)、G-mean和准确率4个指标上,比最近提出的局部多核异常检测(localized multiple kernel anomaly detection, LMKAD)方法分别提高了1.60%、1.57%、1.53%和2.23%。     

一种支持向量预提取方法及应用

提出了一种支持向量预提取方法,对核感知机误分次数与决策边界的关系作了分析,引入了核函数和误分界,利用结构简单的感知机算法构建支持向量预提取模块,压缩样本规模,然后将处理结果输入支持向量机进行再处理,在精度和处理速度方面取得了较好的效果,仿真实验验证了这一方法的可行性。     

相容双有限Domain的几个性质

在相容双有限domain概念及其等价性质的基础上,证明了几个与相容双有限domain相关的结论：相容双有限domain在Scott连续映射下的像仍是相容双有限domain;相容双有限domain的非空Scott闭子集仍是相容双有限domain等.     

一类非齐次核的最佳Hilbert型积分不等式的搭配参数条件

首先利用权函数方法,考虑如何确定搭配参数,使具有非齐次核G(xλ1 yλ2)(λ1λ2>0)的Hilbert型积分不等式具有最佳常数因子;其次给出最佳搭配参数的充分必要条件及快速判定最佳常数因子的判别式;最后讨论最佳搭配参数在积分算子理论中的应用.     

基于核函数主元分析的SVM建模方法及应用

为有效克服线性建模方法在非线性建模方面的不足,将核函数思想引入到主元分析方法(PCA)中,有效提取实验数据中的非线性特征信息,并将其作为支持向量机(SVM)的输入变量,建立工业过程软测量模型。该方法应用于丙烯腈聚合过程中转化率的预报,结果表明:该方法的预测精度优于PCA-SVM方法和KPCA-NN方法。