基于保守自适应K-最近邻算法的维数约简

针对传统的k-最近邻算法存在不能根据样本密度进行自适应选择近邻点数目的缺陷,提出一种改进型的保守自适应k-最近邻算法。该算法首先对每个样本点选择m个近邻点,m取一个比较小的正整数,以保证不存在某个样本点无近邻点;其次把每个样本点的第m+1个最小的欧式距离作为最小值,最小值的α倍作为寻找近邻点的阈值;最后应用经典MDS算法计算。swiss-roll数据集上的降维实验结果表明,降维后的数据能很好地保持原有数据的邻域特性,能有效快捷地寻找近邻点。     

一类奇摄动三阶常微分方程组的两点边值问题

利用边界层函数法构造了一类奇摄动三阶方程组两点边值问题的渐近解, 并严格证明了解的存在惟一性及其渐近解的一致有效性.     

线性流形上的一类矩阵反问题及其最佳逼近

研究了线性流形上的子空间上半正定阵反问题,给出了这些问题可解的充要条件、通解以及最佳逼近解。     

两种流形改正近似方案的时间效率比较

以平面圆形限制性三体问题为基本研究模型,对比研究速度近似改正方法和速度坐标近似改正方法关于最大李雅普诺夫指数和快速李雅普诺夫指数的计算时间问题.结果表明:加入改正项后,速度近似改正方法的时间效率要明显优于速度坐标均近似改正方法.该研究对太阳系多体问题具有重要的应用价值.     

基于流形学习的DNA序列数据挖掘方法研究

由于人类DNA序列上单核苷酸具有多态性,DNA序列异常挖掘是后基因组时代的一个重要研究课题。文章在分析现有DNA序列数据挖掘方法的基础上,利用流形学习中不同低维嵌入向量之间向量距离不同的特点,提出了基于流形学习的DNA序列数据挖掘方法(5Dlocally linear embedding,简称5DLLE)。实验结果表明,与隐马尔可夫模型(HMM)和支持向量机(SVM)相比,文中所提出的5DLLE方法在DNA序列数据挖掘方面具有一定优势,不但平均识别率高,而且计算时间相对较少。     

网上双语资料的句子自动对齐算法基础分析

针对伴随计算与网络技术的发展的网上资料自动对齐项目研究与开发项目中存在的一系列问题 (比如立项、流程分析、数学概要和工程实施等 ) ,进行了比较系统的研讨和总结。在具体步骤中 ,提出了解决项目立项、数学基础概要分析和工程系统性分析等的数学方法 ;还对相关项目的开发进行了阶段总结     

认知网络预编码干扰对齐算法

针对一对主用户和多对次用户的认知多输入多输出（MIMO）系统,通过对次用户的发送端的两次预编码设计,在消除主次用户间干扰的基础上减少次用户间的干扰,有效地提高系统容量。第一次进行的预编码设计使用注水法将认知用户对于主用户的干扰对齐到主用户没有使用的空间子信道,第二次进行的预编码设计使用了最大信干噪比算法来消除次用户间的干扰。理论分析和仿真结果表明,算法在有效消除对主用户干扰的同时,次用户的吞吐量相比传统的认知系统注水功率分配法有显著提升。     

带临界Sobolev－Hardy指数和凹凸项的奇异拟线性椭圆系统的多个正解

考虑一类带临界Sobolev－Hardy指数和凹凸指数的奇异拟线性椭圆系统的多个解.主要利用变分方法和Nerahi流形,获得该椭圆系统存在多个正解的结论.     

连轧线对齐辊道改造

分析影响承钢公司连轧生产线冷床区域对齐辊道的使用寿命及成品钢材对齐效果的因素,通过分析这些因素,提出对现有设备进行改进的方案并予以实施,用以延长设备试用寿命,改善成品钢材对齐效果。