用于BP网络的样本添加法

提出了一种改善ＢＰ网络学习能力的样尊添加法，它是根据人类学习知识时存在遗忘现象而设计的。首先阐明其工作原理与学习算法；接着将它用于ＢＰ网络之中，以处理三倍冗 表决问题。     

基于预编译的面向对象数据库扩充模型

本文提出并讨论了对传统数据库系统作面向对象支持的一种基于预编译的扩充模型，并且在ｘＢＡＳＥ系统中模拟实现。     

基于格点场数据的沙尘暴双预报模型

为提高沙尘暴预报的准确率，以描述大气环流形式的物理场格点数据作为建模样本，采用自组织神经网络对物理格点场数据样本进行聚类，构建出由大规模阵列式数据格式表示的建模样本的低维特征，再用模糊神经网络综合建模样本的一般性规律，用非典型样本进行二次建模以反映建模样本的特殊性，并设计隶属度调整方案对一般性和特殊性进行协调，由此形成兼顾建模样本一般性和特殊性的双预报模型．测试结果表明，基于特征提取方案的双预报模型体系使沙尘暴预报准确率达到80．4％．     

关于样本区间长度的联合分布

设（X1，X2，…，Xn）为服从I=[0，1]上均匀分布的简单随机样本，它们将[0，1]分成（n＋1）个样本区间，以Y0，Y1，…，Yn分别表示这些样本区间的长度．本文讨论Y0，Y1，…，Yn的联合分布及其极限分布．     

扩充的Sturmian序列的性质的补充

Sturmian序列是具有最低复杂性的一类符号序列,对Sturmian序列进行扩充,使其更具一般性.本文对扩充的Sturmian序列进行了进一步的研究,从而使其应用更加广泛.     

MOMENT-METHOD ESTIMATION BASED ON CENSORED SAMPLE

In reliability theory and survival analysis, the problem of point estimation based on the censored sample has been discussed in many literatures. However, most of them are focused on MLE, BLUE etc; little work has been done on the moment-method estimation in censoring case. To make the method of moment estimation systematic and unifiable, in this paper, the moment-method estimators(abbr. MEs) and modified momentmethod estimators(abbr. MMEs) of the parameters based on type Ⅰ and type Ⅱ censored samples are put forward involving mean residual lifetime. The strong consistency and other properties are proved. To be worth mentioning, in the exponential distribution,the proposed moment-method estimators are exactly MLEs. By a simulation study, in the view point of bias and mean square of error, we show that the MEs and MMEs are better than MLEs and the “pseudo complete sample” technique introduced in Whitten et al.(1988). And the superiority of the MEs is especially conspicuous, when the sample is heavily censored.     

样本筛选与操作优化的可视化方法实现

可视化方法通过将多维空间数据映射到二维平面上，依据“物以聚类”属性对二维平面中各样本点进行分类、识别，找出离群样本并将其剔除掉．与此同时，产生目标函数等值线．沿着等值线值增大或减小的趋势方向寻优，就很容易地确定出最优点或最优化操作区域．以某卷烟厂生产烟丝为例进行分析和计算，结果表明，文中筛选样本数据方法中，离群点的剔除提高优化结果的准确度。最佳操作条件的确定可为工业生产或科学实验提供决策支持。     

基于核最小二乘回归子空间分割的高维小样本数据聚类

针对基于线性表示理论的子空间分割方法没有考虑高维小样本数据的非线性性质,借鉴核理论,提出核最小二乘回归子空间分割方法,使子空间分割方法适合高维小样本数据的非线性性质.经6个基因表达数据集和4个图像数据集上的实验,表明该方法是有效的.     

改进的核极限学习机定位算法

针对神经网络无线定位方法,存在训练耗时长,定位结果易受噪声干扰的问题,提出了一种改进的核极限学习机无线定位算法。采取在同一位置进行多次测量的方法得到训练数据;把同一位置测得的数据划分为一个样本子空间并提取样本子空间的特征,以样本子空间的特征代替原来的训练数据;利用矩阵近似及矩阵扩展的相关理论改进核极限学习机算法;将处理过的训练数据利用改进的核极限学习机进行训练,得到定位预测模型。仿真结果表明,在相同数据集下,改进的核极限学习机训练用时短、定位速度快;在相同噪声干扰情况下,此算法定位预测误差小。经验证,该算法不但能提高网络的训练速度、定位速度,还能有效地降低噪声的干扰,提高定位精度。     

论签名笔迹伪装性实验样本的应对措施

目的一是如何从技术层面解决当前司法鉴定,特别是民事司法鉴定实践中当事人故意伪装书写实验样本造成的鉴定困境;二是如何将鉴定技术无法克服的难题及其证明的伪装性书写事实,在法律层面进行有意义的证据转换。方法首先根据鉴定实践,分析书写人伪装书写实验样本的主要手法;其次,基于经验探讨识别签名笔迹伪装性实验样本的系列方法;最后,寻找合法的技术性策略,提取具有较高比对价值的补充样本。结果笔迹鉴定实践证明,受主、客观条件影响,理论上的样本补充策略功能有限,在只有伪装性实验样本(也包括平时样本比对条件差)的案件中,鉴定人几乎只能作退案处理,或者作出检材字迹与样本字迹没有比对条件的鉴定意见。结论伪装性签名实验样本在同一认定中的比对价值固然下降,但却可以作为证明书写人存在伪装书写的重要证据。在一定条件下,委托人(如法院)可以根据书写人伪装书写的客观事实,对书写人作出可反驳的不利推论与评断。