好政策重在落实

日前，国务院发布的《实施（国家中长期科学和技术发展规划纲要（2006—2020年）〉的若干配套政策》（以下简称《配套政策》），明确从科技投入、税收激励、金融支持、政府采购、引进消化吸收再创新、创造和保护知识产权、人才队伍、教育与科普、科技创新基地与平台、加强统筹协调等lO个方面采取积极措施，努力营造激励自主创新的环境，推动企业成为技术创新的主体。国家此次出台的《配套政策》不仅充分运用了税收、金融等经济杠杆．而且也从过去的口号性文件向致力营造创新环境的模式发展，从纲领性描述变成了实施性指导。其中一个重要目的就是鼓励企业走自主创新之路。     

基于VC＋＋．net和Matlab支持向量机工具箱的纹理识别

本文介绍了在VC .net中通过Matlab引擎调用Matlab函数的方法,实现了VC .net和Matlab的混合编程,充分发挥了VC .net有效运算速率与Matlab强大矩阵运算的优点。将这一技术应用于纹理图像的识别,取得了良好的实验效果。     

《通信原理》课程的课堂与实验教学改革简

《通信原理》是通信类、电子类专业非常重要的专业基础课.该课程具有理论性强、抽象概念多、教学难度大等特点.为了提高学生的学习兴趣、激发学生的潜在能力,针对教学中存在的问题,从改进教学课件、采用软硬件结合的实验等方面探索如何提高教学效果的一些思路.实践证明,通过以上教学方法的改革,教学质量得到了提高,教学实践取得了良好的效果.     

参数优化支持向量机的农业大棚温室温度预测模型

利用支持向量机核函数linear,polynomial,radial basis function和sigmoid,通过粒子群算法对惩罚参数c和gamma寻优,建立农业大棚温室温度预测模型.试验结果表明:通过粒子群算法设定惩罚参数c为14.392,gamma为0.01时,得到的P_RBF预测模型对由24个测试时间所测数据组成的训练集拟合程度达90.849%,对加入随机影响因子的由5个测试时间所测数据组成的预测集拟合程度达90.545%,显示该预测模型具备相当的鲁棒性;P_RBF模型对温室内温度预测具备相当的可靠性,可以准确预测温室内温度变化趋势,解决温室控制系统中温度难以预测的问题.     

开放存取期刊站点自动分类方法

为了提高OA期刊站点分类识别的准确率,从抽取到的站点标题和正文中提取关键词构建语料库,并将其作为最小二乘支持向量机的输入矢量。针对最小二乘支持向量机参数选取和基本粒子群算法极易陷入局部最优解问题,借鉴遗传算法和自然选择机理,提出了基于混合粒子群的最小二乘支持向量机算法。实验结果表明,该分类方法提高了站点识别精度。     

多类SVM分类算法的研究

支持向量机(Support Vector Machine,SVM)是上世纪九十年代提出的一种基于小样本的新的统计学习方法,较好地解决了非线性、高维数、局部极小点等实际问题.文中分析了SVM基础理论并总结了目前存在的基于支持向量机的主要分类方法,包括"一对多"方法、"一对一"方法、决策有向无环图方法、基于二又树的多类分类方法和其它方法,并对各自的优缺点及性能做了比较.     

基于MVO-SVR-AdaBoost的中国煤炭需求量预测模型

为准确预测未来中国煤炭需求总量;首先确定我国煤炭需求量的7个主要影响因子,将集成学习算法以及支持向量回归算法应用到中国煤炭需求量预测中,借助多元宇宙算法优化支持向量回归机中关键参数,构造基于MVO-SVR-AdaBoost的中国煤炭需求量预测模型;将1980-2017年历史数据带入模型.结果表明:建立的煤炭需求量预测模型适配度高达0.9791,平均绝对误差仅为4.2928%.基于历史数据,确定各因子年均增长率的可能波动边界值,在GDP低、中、高速增长的情况下随机组合分别带入模型得到2018-2020年中国煤炭需求量的可能数值区间.     

一种端到端的织物颜色自动预测框架

鉴于传统的织物染料配方设计流程耗时耗力,提出一种端到端的机器学习框架,从染色工艺参数自动预测产品颜色出发,为染料配方工作提供精准的理论指导.理论上,该框架可由任意有监督回归模型实现.采用多维支持向量回归机(multi-dimensional support vector regressor,M-SVR)或反向传播神经网...     

基于多特征融合和支持向量机的煤矸石自动分选研究

本文提出了一种基于多特征融合和支持向量机的的煤矸石分选方法。首先对煤矸石图像进行预处理,以减小或消除噪声的影响,然后分别从纹理谱、小波变换和分形等多角度提取图像的纹理特征值,选取多个纹理特征作为分类器的输入特征,并对选择出的分类特征进行内部归一化,最后采用支持向量机实现煤矸石的分选。实验结果表明,本文所提出的分选方法达到了较高的识别正确率,且能够满足实时要求。     

基于两层主动学习策略的SVM分类方法

针对当前主动学习策略直接用于支持向量机(SVM)分类器时存在泛化能力不强的问题,提出了两层主动学习策略(TLAC),该策略利用协调训练的思想,深层挖掘未标记样本数据的分布知识,从而选择最有利于分类器性能的样本来训练分类器.实验表明,该TLAC策略能够合理地指定TSVM算法中的正样本数,在典型指标测试中都表现出了一定的优越性.