几何型哈什法和图象的快速合成

提出用图象特征点的不变量阿芬变换和哈什表索法,实现两幅邻近图象的快速合成,并用实验证明其有效性。     

白刺属植物研究进展

白刺属植物具有高度的耐盐碱、抗干旱和固沙改土性能,对开发利用重盐碱地、改善生态环境、提高经济效益具有极其重要的意义.从分布、分类、生物生态学特性、森林培育技术几方面综述了白刺属植物的研究结果,展望了白刺属植物的应用前景,指出了研究中存在的局限性和今后应努力的方向.研究结果对该属植物的种质资源保存及其资源的合理开发利用具有指导意义.     

标准吸湿含水率对膨胀土进行分类的理论与实践

通过一系列膨胀土的物理、力学和化学性质试验, 发现膨胀土的标准吸湿含水率与膨胀土的蒙脱石含量、比表面积、阳离子交换量有良好的线性关系, 也与塑性指数和自由膨胀率有线性相关的趋势, 表明膨胀土的标准吸湿含水率具有明确的物理意义. 塑性指数能很好地反映粒度组成、分散特性和阳离子与黏土矿物的相互作用程度. 因此, 标准吸湿含水率能反映膨胀土的最基本的本质属性. 在一些文献分类成果的基础上, 考虑到对自由膨胀率分类成果的继承性, 提出了以标准吸湿含水率、塑性指数和自由膨胀率3个指标对膨胀土进行分类的方法, 其分类指标试验操作容易、设备简单、试验耗时短.     

粗糙集方法在基于属性分类中的应用

介绍粗糙集基础上的属性分类系统的构造,给出一种数据挖掘中新的分类方法:从初始的数据信息出发,依次构造约简属性集,并对其使用Bayes判别法进行基于属性的分类。最后给出了实例,验证算法的可行性。     

OSC-PLS算法在近红外光谱定量分析中应用的研究

提出一种新的光谱预处理方法--正交信号校正,并将正交信号校正与偏最小二乘法相结合的OSC-PLS方法应用于固体含能材料中挥发份的定量分析.利用正交信号校正,对光谱数据进行预处理,剔除光谱矩阵中所含的各种噪声信号,将去噪后的光谱矩阵作为新的自变量矩阵,再利用偏最小二乘方法建立校正模型.结果表明:用OSC-PLS方法建立模型与用传统偏最小二乘法所建模型相比精度明显提高,这对近红外光谱分析在该领域的应用具有重要的理论意义和实际推广价值.     

脑信息特征的评价分类方法

对脑信息处理的能力特征量和总体偏离度特征量进行了确定性评价分类.在分类数上,提出了common分类法,以一般人的特征作为分类基准,在common两边展开,以确定分类数.在分类边界上,提出了根据特征量的正态分布确定分类边界的方法.若特征量分布不是正态分布,则采用了博克斯和考克斯变换将其变为正态分布,最终得到能力特征量和总体偏离度特征量的分类规则.由于人的行为是脑信息处理在宏观上的表现,所以其研究成果可直接用来评价人的能力和行为特征.     

天线结构的多工况离散变量优化设计

针对天线结构受载及工作状态的复杂性,研究了天线结构的多工况离散变量优化设计问题。首先建立了天线结构在自重、风荷作用下受精度、应力和稳定性约束的多工况优化设计的数学模型;其次根据材料特点,将设计变量取为离散变量,给出了天线结构的多工况离散变量优化设计数学模型。采用离散复合形法,对多工况8 m天线进行了优化计算。结果表明,计算结果与分析结果相吻合,该方法可应用于多工况天线结构优化设计中,且精度较高。     

分类规则挖掘的免疫算法

为了高效地从数据库中挖掘分类规则，提出了一种基于免疫算法的分类算法．该算法的核心思想为：对规则的前件进行固定长度编码，适应度函数的计算由分类规则的较小分类错误率、简洁性、一致性和训练实例的覆盖性构成，通过把适应度最小的个体作为先验知识来修改个体的某些分量的方法进行疫苗接种，并通过检测个体是否出现退化和模拟退火来实现免疫选择，同时还采用了基于信息增益的规则剪枝策略．在美国加州大学标准数据集中的5个数据集上将该算法与RISE和OCEC算法进行了实验比较，结果表明该算法不仅具有更快的收敛速度，而且获得了更高的预测准确率及更小的规则集。     

基于非线性参数的意识任务分类

研究了非线性参数作为脑电（EEG）信号特征时对意识任务分类的作用，使用的3种非线性参数特征为最大Lyapunov指数、轨道平均周期和轨道平均初始距离，分类方法为Fisher线性判别式．对4个实验对象共60个任务对进行了分类处理．使用3种参数在2s数据段上取得的平均分类精度分别为82．3％、90．7％和93．3％．在较短（1s）的数据段上，应用轨道平均初始距离参数进行分类取得了平均为90．8％的正确率，分类精度接近于Anderson取得的实验结果．轨道平均周期和轨道平均初始距离算法具有较小的运算量，能够应用于在线系统．     

在非时齐马氏决策过程中的动态贝叶斯网络研究

提出了用动态贝叶斯网络（DBN）对非时齐马氏决策系统进行建模的改进方法，使动态贝叶斯网络能被更广泛地应用于各种复杂的真实系统中．该方法的基本思路是，将扩展后的隐藏变量引入DBN的演化过程来建立假设条件所要求的马尔可夫模型，给出从不完整的样本数据集以及存在隐藏变量时来学习DBN结构的算法，进而用贝叶斯概率统计方法对后来的时间片的充分统计因子进行估计，并通过当前已存在的和估计的充分统计因子对基于时间变化的转移概率进行学习，以解决假设条件要求的转移概率的时不变性．原理性分析和仿真实验结果也验证了改进方法的有效性．