基于多模块关系网络的2D足迹分类

由于足迹数据的样本量有限,类间差小、类内距大,一般方法难以获取有效的足迹特征表示,导致足迹分类准确度不高.针对双模态2D足迹分类问题,文中提出一种基于小样本学习的多模块网络算法(MulRN),该算法在嵌入单元与关系单元使用了多个模块来提高网络的特征提取能力与特征度量能力,使用具有多分支结构的Inception模块与MR...     

尾矿坝振动实验数据样本容量的优化研究

针对铀尾矿坝振动实验逸出氡累积浓度数据样本容量设计的主观性,本文基于偏向角绝对值均值递减还原逸出氡累积浓度曲线,采用随机起点等距抽样方法,得到不同样本容量的数据子集;通过曲线拟合和样本决定系数度量不同子集对还原实验数据集的代表能力。在保障实验研究精度条件下,得到使实验成本较优的最小样本容量,实验结果表明在样本决定系数大于0.98时,优化后样本容量为实验数据样本容量的10%以下。     

犯罪现场中土壤物证的采集与应用

物证鉴定需要比较物证与相应比对样本之间的相似性,进而判断物证与比对样本有无共同的来源。因此,检材及比对样本的采集与物证鉴定有着同样重要的意义。土壤物证是由多种物质组成的一个非均质、多相、分散、多空的系统。通过对现场土壤的分析检验,可以查找犯罪现场,判断出其出自区域或来源,提供很多有关受害者及犯罪嫌疑人的信息。土壤物证按其存在的状态可分为承载着形象痕迹的泥土物证,室内现场的灰尘形象痕迹,嫌疑交通工具、纺织品上泥土物证,室外尸体现场的泥土物证,实践中可根据它们各自的特点进行采集与应用。     

神经网络定位中多点多映射概率样本增强方法研究

神经网络室内定位算法的定位精度取决于训练样本的数量和样本对数据特征的表征性,针对样本采集工作量大的问题,本文提出了一种多点多映射概率样本的增强方法.该方法首先根据无线信号的传播特性以及空间相关性,利用少量实测点数据,快速构建多点反应环境影响的特征,然后利用概率法生成表征无线信号波动的多映射正态分布样本数据.实验结果表明...     

基于变分模态分解和神经网络的风速组合预测

风速预测在风能开发和利用中起着关键作用,然而风速序列往往存在强波动性和非平稳性的特征。为了提高风速预测的精度,文章提出变分模态分解(variational mode decomposition, VMD)和神经网络相结合的风速组合预测模型。首先采用变分模态分解将风速序列分解为若干不同频率的子序列;其次计算各子序列的样本熵(sample entropy, SE)以量化复杂程度,引入熵值法建立神经网络组合预测模型,对复杂度较高的分量采用神经网络组合预测模型,其余分量采用支持向量机(support vector machine, SVM)模型进行预测;最后将各分量预测结果运用BP神经网络拟合得到最终预测值。针对北京测风塔实测样本进行建模预测,验证所提出预测模型的可行性,并与6种不同风速预测组合模型开展对比分析,证明所提出的预测模型具有更好的鲁棒性和预测精度。     

φ-混合删失模型中密度函数K-M估计的r-阶相合速度

在生存时间与删失时间为 φ 混合序列的情况下，研究并获得了随机删失模型概率密度函数 ｆ（ｘ）的 Ｋ Ｍ（ｋａｐｌａｎ Ｍｅｉｅｒ）估计 ｆｎ（ｘ）的 ｒ阶相合速度。     

基于PSO优化LS-SVM的小样本非线性协整检验与建模研究

针对小样本非线性时间序列，根据非线性协整的定义，利用基于粒子群优化最小二乘支持向量机的方法，对小样本非线性协整关系检验与非线性误差修正模型建模进行研究，设计了方法的 逻辑流程. 对舰船维修费指数与物价指数进行实证研究，在协整关系类型判断的基础上，实现了小样本非线性协整关系的检验，建立了预测舰船维修费指数的非线性误差修正模型，并与线 性向量自回归模型进行分析比较. 研究表明：基于粒子群优化最小二乘支持向量机的小样本非线性协整检验与建模方法，刻画了小样本系统的非线性协整关系，所建立的非线性误差修正模 型具有较好的预测效果，能够有效地预测小样本非线性系统.     

蠕虫身上发现“超级胶水”

<正>美国犹他大学某实验室的水缸里,居住着各种各样的沙塔蠕虫。科学家发现,沙塔蠕虫头部的专门器官可以产生一种不溶水的胶水。为加固其活动通道,沙塔蠕虫把自产的胶水抹在通道壁上,再贴上沙粒贝壳等加固材料,很     

样本相关系数矩阵的等行和分解算法

借助Gram-Schmidt共轭化过程,提出了对样本相关系数矩阵实施等行和分解的一种算法.由于算法中涉及的主要运算仅是Gram-Schmidt共轭化过程,故算法简单实用.     

基于BP神经网络的高校毕业生专业对口性评估

BP神经网络是目前应用最为广泛的网络模型，本身具有良好的学习性能和预测功能。本文将BP神经网络引入对高校各专业毕业生在校所学专业和毕业后从事职业的对口性所进行的评估中，以提高各高校教育资源的使用效能，同时有助于各学生重新审视其所学专业。