网络包分类算法仿真测试与比较研究

在深入分析基于树结构和计算几何学点定位算法而衍生的主要分类算法原理的基础上 ,建立了算法性能评估仿真测试平台 .平台包括网络流的软件仿真、算法的软件实现和算法性能参数测试统计三个主要部分 .通过对各算法的时间性能和空间性能及其随分类规则数和分类域数的变化趋势的测量 ,从数量上把握各算法的主要特点及其适用性 ,从而可以将各种算法有机地结合在一起胜任速度越来越高的网络应用需求 ,同时也是进一步研究其它算法的基础 .     

关于互补判断矩阵的群决策的专家评判水平

在群决策分析中，如何从一致性分析的角度来分析专家评判水平或对专家评判水平进行分类是一个重要的研究课题。本文针对群决策中基于互补判断矩阵偏好信息的专家评判水平的排序与分类问题，提出了一种分析方法。首先，分析了互补判断矩阵及其一致性的有关性质；然后，通过构造每个专家给出互补判断矩阵的导出矩阵及其向量表示，计算每个专家给出互补判断矩阵与一致性互补判断矩阵之间的偏差，并得到每个专家评判水平的排序结果和专家们评判水平的分类。最后，通过一个算例说明了本文给出的分析方法。     

基于DPCA、ATI和MUSIC的动目标检测方法

针对SAR(合成孔径雷达)动目标检测,提出一种DPCA(中心相位偏置天线)、ATI(沿迹干涉)和MUSIC(多信号分类)相结合的三孔径动目标检测方法。该方法首先采用DPCA技术消除杂波干扰、检测运动目标,然后用ATI和MUSIC方法确定目标的位置和速度。理论分析和计算机仿真表明,该方法是有效的,不仅能够检测运动目标,而且能够精确估计其运动参数。     

澳大利亚高等教育质量保证体系述议

本文从澳大利亚高等教育机构的分类、高等教育保证体系的组成部分、体系的运行及其发展趋势四个方面对澳大利亚高等教育质量保证体系进行介绍和分析 ,以便从中得到借鉴。     

高等专科学校分类分层教学的探讨

针对目前高等专科学校招收学生的素质参差不齐、学生个体基础差别较大的现状,提出了分类分层次教育教学的想法,通过分类分层次教学来改革现有的教育模式,在高等专科学校的教育教学中建立现代化的高质量教育机制。论文中详细阐述了分类分层次教学的基本思路、目标、实施方案及对学生的考核办法等。     

一种基于自组织分级聚类的数据挖掘方法

针对传统自组织聚类方法处理数据在多维空间中存在多样性和从基本或低层次概念上发现强关联规则中的不足，提出了一种基于自组织分级聚类的数据挖掘方法．该方法采用最大似然分类自组织特征网络（MAXNET）聚类过程，利用自下而上聚合层次聚类方法，对有畸变的二值化输入模式作最大似然分类．最后对一个销售电脑商场中，与任务相关的交易数据集进行了分析，描述了从低层次概念到高层次概念的相互关系．并用matlab仿真软件把该方法和传统方法进行比较，表明了该方法的有效性．     

排土场淋溶水污染区地下水监测点模糊模式识别

应用模糊模式识别方法对阜新新邱露天煤矿排土场附近(于家沟),地下水污染区的水质监测点分类优选问题进行了研究,对研究区内的12眼水井分别采样,进行水质分析,识别出总硬度、硫酸盐、氯化物、溶解性总固体等主要污染因子;进而采用模糊模式识别方法,对区内的12个监测点进行了优化.计算结果表明可从于家沟地下水污染区的12个监测点中选取具有代表性的3、7、11号监测点进行监测,节省了人力、物力及资源.     

瓶装饮用水挥发性有机物的聚类分析与评价

用两种数值分类方法对19种瓶装饮用水所含挥发性有机物(VOCs)进行聚类分析，EDC法的分类选用欧氏距离为相似性测度，聚类采用重心法；CBM法选用绝对距离与中位数法．结果得到两系统聚类树形图及一统计量表。表明水样可分为四类和定量分级评价为三个等级：不合格(水样M6)、合格(水样M2、D4)、较好(其他16种水样)．聚类分析能同时实现瓶装饮用水的分类与定量分级评价。     

深盆气圈闭判识方法与应用

判识深盆气圈闭一般有 3种方法 :地质条件叠合法 ,理论模拟计算法 ,探测结果推定法。在深盆气勘探开发的不同阶段 ,由于研究的内容不同 ,对深盆气圈闭的判识采用的方法也不同。利用这 3种方法识别深盆气圈闭 ,可以确定圈闭的分布和发育范围 ,同时认为 ,深盆气圈闭的形成存在一个地质门限 ,进入这一门限 ,深盆气才可在圈闭内聚集成藏。将实际资料分析与理论计算相结合 ,预测了鄂尔多斯深盆气圈闭的发育范围 ,可为该盆地深盆气的勘探与开发提供依据     

基于点云数据的自然地形分类算法

提出一种自然地形分类算法以解决移动机器人导航中的环境理解问题。在单几何特征地形分类方法的基础上,提出的算法使用从点云中提取的复合特征训练分类器。复合特征向量包含一个点几何特征和颜色特征。算法首先计算点的坐标协方差矩阵和平均法向量协方差矩阵的特征值作为几何特征。然后通过标定激光雷达坐标系和相机坐标系使点得到颜色信息,把点的颜色作为颜色特征加入复合特征向量。算法使用最大期望-高斯混合模型(EM-GMM)训练一个分类器,训练数据由人工标注。实验结果表明,与单几何特征分类方法相比,复合特征分类方法在对自然地形分类时能得到更高的正确率。