MIV-SVM-BPSO模型在铀矿堆浸中的应用

利用某矿区ZQ7堆浸柱实测数据作为建模分析样本,建立MIV-SVM、BPSO-SVM、MIV-SVM-BPSO三种模型,对铀矿堆浸进行建模仿真。其中,平均影响值(MIV)算法,可对影响铀矿浸出率的特征因子进行排序;离散二进制粒子群(BPSO)算法可筛选出最优的特征子集;而改进的MIV-SVM-BPSO模型,则是将排序后的优良子集作为后续BPSO算法的部分种群,进而对样本进行仿真实验。结果表明,MIV-SVM-BPSO模型的模拟效果均比单一的MIV-SVM和BPSO-SVM模型好,该模型具有有效降低数据维数,在小样本条件下学习更加有效,建模采样过程更快,模拟精度更高的优点;将浸出液体积,Eh_出,Fe■,Fe~(2+)_出作为铀矿生物堆浸工艺的主要控制因数可降低生产成本,提高铀矿浸出率。     

模糊偏好下社会选择问题的研究

本文研究和探讨了社会选择中的模糊偏好，在一组模糊理性条件下证明了一个不可能性定理，并将其中的独裁者区分为一般、α－和完全三种，分析了这些独裁者与偏好传递性间的关系，在一特殊传递性下还找到了一个存在α－独裁者或完全独裁者的模糊集结规则．最后，给出了一个应用例子     

男女谁更好“色”?

为什么女人总是觉得男人不能为她们挑选到满意的衣服?最新的研究发现,这或许并不稀奇,因为男性与女性看到的颜色并不太一样。这一发现意味着,同样是橘色,男性看到的会比女性偏红。同样,在观看草地时,男性眼中偏黄而女性眼中偏绿。差异还远不止如此,纽约市立大学的实验显示,男性很难分辨黄、绿、蓝3个颜色色调上细微的差别。这一现象并不显著,但是这或许意味着女     

CMAC辨识的CMYK到CIE L*a*b*颜色空间转换模型的研究

为了解决设备相关颜色空间CMYK与设备无关颜色空间之间的相互转换问题,利用小脑模型神经网络(cerebellar model articulation controller, CMAC)高度非线性拟合能力,研究CMYK颜色空间与CIE L*a*b*之间的转换关系,研究结果显示该方法具有结构简单,易于软件和硬件的实现,将IT8.7/3标准色靶文件中104个专业色块值作为检验样本,检验样本的平均色差为1.6,完全适用于两种不同颜色空间之间的转换过程.      

协同多点传输中迫零预编码和天线选择技术

MIMO无线传输技术极大地提高了系统的容量,在实际通信系统中,整个网络是一个干扰受限的系统,小区间干扰对MIMO系统传输的影响是显著的,每个相邻小区的基站天线都可以看成一个干扰源．由于基站端数据处理能力的提升和回程容量的增加,多个小区协同多点传输技术引起了人们的广泛关注．目前的大部分工作都是集中于研究系统的容量（吞吐量）,而在实际系统中,每个用户的接收等效信噪比（即公平性）对系统的性能如误帧率等有重要的影响．对于每个用户为单天线的情形,研究了总功率受限和每天线功率受限下采用迫零预编码的系统容量和公平性．对两种功率约束条件下的公平性进行了分析,得到了公平性算法的闭式表达式．当每个用户为多天线的情形,为了降低计算的复杂度,引入了信道范数最大的接收天线选择算法,把每个用户为多天线的情形转化成等效的每个用户单天线情形,推导的每用户为单天线的公平性算法仍然适用．仿真结果显示,采用迫零预编码的多小区协作可以使系统性能显著提升．在相同的迫零预编码下,不同的功率分配策略对系统的容量和公平性有显著的影响．和用户为单天线相比,采用天线选择算法可以提升系统的容量和公平性．考虑了用户公平性时的吞吐量和最大系统吞吐量之间的折中关系,并给出了仿真结果．     

基于机器学习的跨患者癫痫自动检测算法

针对目前癫痫自动检测算法多集中于为单个患者建立检测模型,泛化能力较弱的问题,提出一种基于机器学习的跨患者癫痫自动检测算法.该算法使用多个癫痫患者的脑电数据,先对数据进行预处理后分析脑电数据间存在的特征,再对特征进行筛选,训练出一个跨患者的癫痫自动检测模型.该算法不需为每个患者建立单独的检测模型,实现了仅使用一个检测模型...     

基于图像分割应用于临床上检测HP的一种快速算法

研究了利用图像分割技术,去辨别染色后的胃部切片是否有HP(Helicobacter Pylori幽门螺旋菌),并给出了一种二维直方图与FCM(Fuzzy Clustering模糊聚类)相混合的图像分割方法.运用色彩特征抽取技术,可以更加精确和快捷地识别HP.     

基于随机森林分类的快速标签检测

主要解决了传统的人工标签检测中存在的成本高、速度慢以及检测率低的问题。与传统算法相比,提出了一种基于随机森林分类的快速标签检测算法。文章首先设计了自适应特征选择方法,能够在大规模的特征中自动选择鉴别力最高的特征,较好地区分前景和背景。在此引入了基于金字塔随机撒块的随机森林分类器,能够快速有效地完成多种标签的检测。实验结果验证了本算法的高速、高精度特性,适用于高速自动化生产线上的标签检测。
     

基于特征融合和改进RSM集成分类的BMP隐写检测

针对目前大部分BMP隐写分析方法主要采用单一特征和单一强分类器,容易产生训练样本敏感、分类精度难以提高等问题,提出一种基于特征融合和改进RSM集成分类的BMP图像隐写检测方法.方法首先串行融合Moulin和SPAM两种经典特征,然后利用序列前向选择(SFS)算法选取分类能力高的特征作为固定特征,其余特征在剩余特征空间中随机抽取,利用固定特征和随机抽取特征构造特征子集,最后在特征子集上训练成员分类器,并用多数投票法对它们进行组合.实验结果表明:和传统方法相比,在不同嵌入率下,该方法对BMP经典隐写(如LSB匹配、LSB替换、SS和QIM)的检测率均有一定程度的提高.