改进的二维最优信息扩散方法

对原有的受单个参数控制的二维信息扩散方式作了改进,通过构造一个概率扩散模型导出了一个由3个参数控制的扩散函数,在此基础上根据实际情况建立一个准则,最终得到一个信息扩散的参数优化数学模型.实例表明在小样本的情况下,该最优信息扩散方法能够取得更加理想的结果.     

基于广义加权支持向量机的焊接缺陷分类方法

提出了一种广义加权支持向量机（GWSVM）的焊接缺陷分类算法。首先为克服由于样本数量不平衡性引起的小样本类别精度差的问题,引入由于样本差异的权重;然后为解决不同类别的重要性要求,根据经验人工确定不同类别重要性的权重。针对样本重要性的影响,采用有监督模糊聚类方法来确定样本重要性权重。测试结果表明：广义加权支持向量机在噪声影响较大及样本类别相差较大时,能够提高重要的、数量少的缺陷检测精度。     

二维顺序统计量的概率分布

研究了二维样本的次序统计量的分布问题,给出了依第一分量排序的次序统计向量的分布的计算公式,证明了在给定第一分量的一个次序统计量的条件下,第二分量的次序统计量的条件分布与某个一维样本的次序统计量的分布是相同的。     

股票价格过程期望收益率的估计

本讨论了股票价格过程期望收益率的估计问题。     

地价指数研究浅析

介绍了地价指数在国外的研究进展,并对国内在此领域的研究进行了分析,找出了在可操作性、编制模式、样本配置、信息源等方面存在的不足,提出在地价指数研究中要因地制宜构建完整的地价指数体系,加强对地价样本配置的理论研究、正确认识地价信息源、严格进行地价修正与检验、科学计算地价指数的建议。     

基于改进CycleGAN的图像翻译方法

生成对抗网络在图像翻译领域有着非常出色的表现,它可以将源域风格的图像翻译成目标域风格的图像.针对图像翻译生成的图像受噪声干扰严重、轮廓模糊、图像质量较低等问题,提出了一种基于改进CycleGAN的图像翻译方法.以源域风格下的无人机图像举例,在CycleGAN网络结构的基础上,在其生成器中引入自注意力模块,提升网络对中心像素的特征提取能力;用带惩罚项的EM距离替代JS距离,缓解不易收敛的难题.实验结果证明,改进模型成功生成了更高质量的无人机图像.     

样本的k阶中心绝对矩的依概率收敛性证明

利用辛钦大数定律和随机变量序列依概率收敛的性质,通过不等式的放缩技巧,给出了样本的k阶中心绝对矩依概率收敛于总体的k阶中心绝对矩的证明.     

基于稳定学习的图神经网络模型

图神经网络(GNN)在对图样本进行分类工作时效果差强人意,无法发现数据背后真实的功能网络.为提高图神经网络在图分类上的稳定性,提出一种基于稳定学习的图神经网络模型(Stable-GNN).该模型将基于随机傅里叶特征的样本加权采样干预技术与图神经网络结合,尝试在神经网络训练过程中,剔除虚假因果特征,提高模型在图样本分类上的稳定性.实验结果表明,该方法能有效发现真实的关联网络,提高图网络的稳定性.     

基于加权支持向量机的膜蛋白类型预测中不平衡问题处理

针对膜蛋白类型预测中普遍存在的不平衡样本问题,分析一般支持向量机（SVM）在处理不平衡样本时的缺陷,引入加权SVM来补偿由于训练集中的类别差异引起的分类结果偏向于多样本类别的问题．采用统计预测中的一致测试、交叉校验和独立测试方法进行测试．实验表明,不平衡处理后的效果非常理想,该方法可以成为现有方法一个有效的补充分析工具．     

基于数据增强的小样本图像分类方法

小样本图像分类训练样本过少,若直接用深度学习的方法对其处理会出现过拟合现象,且存在训练好的模型不能很好的泛化到测试任务上等问题.针对以上问题,提出一种基于数据增强的算法去缓解模型过拟合,并结合深度学习网络wide-ResNet28来提升模型的分类性能.此方法没有引用外部数据对当前任务进行数据扩充,而是借助基类数据的语义先验信息对新类数据的特征进行补充,在形成新的特征分布上进行数据增强.该方法在MiniImageNet和Cub 2个小样本数据集上进行实验,图像特征提取的精确度分别达到83.46%、91.61%,验证了该方法的有效性.