车辆记录仪中数据压缩方法的研究

使用了32位嵌入式CPU，加快记录仪运算速度，可使用高效的压缩算法．压缩时对于时间只存储驾车的起止时间，对于车速采用增量压缩法，对于里程只需存储开始和结束计程的时间．采用该方法理论压缩比可达14．7，实际压缩比为10左右．     

增量构造负相关异构神经网络集成的方法

基于负相关异构网络,提出了一种增量构造异构神经网络集成(NNE)的方法.该方法在训练成员网络时,不仅调整网络的连接权值,而且动态调整网络的结构,从而在提高单个网络精度的同时增加各成员网络之间的差异度,减小网络集成的泛化误差.该方法包括构造最佳异构网络(BHNN)和构造异构网络集成(HNNE)两个部分,BHNN基于负相关学习动态构造多个最佳网络,HNNE利用训练好的最佳网络增量地构造异构NNE.使用网络泛化误差和集成泛化误差,整个集成过程可自动完成,无需预先确定成员网络的结构.分别对回归和分类问题进行了实验,相对于单个网络,该方法在测试数据集上的错误率降低了17%～85%,与已有的Boosting、Bagging等网络集成方法相比,错误率也有不同程度的改善.     

增量网络

本文提出一种新的网络等效方法,命名为增量网络,用来解决网络中元件参数有任何变化所引起的电压、电流的增量问题.而一般研究网络灵敏度用的伴随网络只适用于参数微量变化的情况。     

带有EIFF的专家模糊控制器

基于L.A.ZADEH与E.H.MAMDAN的模糊控制原理,为微机实现方便,本文以具有解析式的模糊控制器为研究重点。通过对常规模糊控制器(FC)设计过程及控制机理分析后,提出了一种具有误差增量模糊化因子(EIFF)的专家控制器,解决了常规模糊控制器静、动态不能兼顾的缺点,常规仿真及变结构仿真证明,该控制器无论对于对象参数变化、结构变化还是系统白噪声、观测白噪声都具有很强的适应能力,控制策略具有一定的工程实用价值。最后给出了进一步的研究结果概要。     

互斥方案决策的增量内部收益率法探讨

针对比率型决策指标用于互斥方案比选失效的问题，提出增量内部收益率法（ΔＩＲＲ），并用边际分析和数学分析的理论方法证明该方法的正确性。最后举例说明了在资本本成本未定条件下ΔＩＲＲ法的优越性。     

增量网络理论与网络的故障定位

本文提出了包括若干定理的增量网络理论，并以此理论来处理模拟电路故障诊断的定位问题．当代集成电路的重要特征是含有各种受控电源．本文着重研究含有受控源的模拟电路故障诊断，并得出了相应的结论．     

有限元法在具有摩擦的有限变形接触问题中的应用

给出一种解决有限变形带有摩擦弹性体接触问题的有限元方法，根据接触边界的几何和运动条件引出变换矩阵，将接触节点位移表示成与变换矩阵有关的通式，并以此为基础建立带有约束条件的增量形大的变分原理，推出接触问题的有限元方程。最后，给出了说明该方法的几个数值示例。     

一种基于聚类的支持向量机增量学习算法

提出了一种基于聚类的支持向量机增量学习算法.先用最近邻聚类算法将训练集分成具有若干个聚类子集,每一子集用支持向量机进行训练得出支持向量集;对于新增数据首先聚类到相应的子集,然后计算其与聚类集内的支持向量之间的距离,给每个训练样本赋以适当的权重;而后再建立预估模型.此算法通过钢材力学性能预报建模的工业实例研究,结果表明:与标准的支持向量回归算法相比,此算法在建模过程中不仅支持向量个数明显减少,而且模型的精度也有所提高.     

面向P2P搜索的可定制聚焦网络爬虫

提出了一种可定制聚焦网络爬虫技术.该技术采用简单的主题描述方法提高网络爬虫的可定制性,利用基于站点页面链接结构的链接导航技术实现对主题信息的高效抓取,通过配置文件实施定制,从而构建一个资源消耗小、数据采集准确性高、可控性强的轻量级聚焦网络爬虫,以满足P2P搜索的需求.文中进一步提出一种增量更新和批量更新相结合的网络爬虫数据更新机制,这种混合更新机制降低了增量更新的实现复杂性,相比批量更新具有更小的资源消耗,实验表明采用这种机制能达到较高的数据新鲜度和召回率.     

使用增量SVM进行文本分类

针对传统SVM无法适应文本数据库随着时间不断更新的问题,通过对新增文本集的KKT条件的分析,研究了加入新增文本集后支持向量集的变化,提出了使用增量SVM进行文本分类的算法,并通过实验验证了通过该算法得到的分类器和传统分类器有着相似的分类能力和泛化能力.