改进的双边二维线性判别分析的手背静脉识别

针对双边二维线性判别分析(B2D-LDA:Bilateral Two-Dimensional Linear Discriminant Analysis)方法中多类类别均值和总体均值接近时难以分类的问题,提出了一种改进的B2D-LDA(MB2D-LDA:Modified B2D-LDA)方法,并将其运用到手背静脉特征提取中.重新定义了类间离散度矩阵,融入了每两类类间的距离,当类别均值与总体均值接近时,则用该类和其他各类类间距离组成离散度矩阵.采用基于欧氏距离的最近邻分类器进行匹配识别.结果表明,在不增加识别时间的情况下,MB2D-LDA平均识别率比B2D-LDA高2％,证明了该算法的有效性.     

最近邻搜索用于分类问题的一种改进

最近邻搜索广泛应用于分类问题,其最显著的优点是分类准确率高、泛化性能好.但现有最近邻分类算法都存在着一个弱点——样本集增大分类计算量也显著增大.为了克服这一不足,本文基于一个新的思路,提出了最近邻分类方法的一种改进方法.该方法在进行最近邻分类时,不一定要找到待分类点的最近邻点,而只要知道最近邻点的类别即可,大大地减少了最近邻搜索时的计算量.用经典的分类问题双螺线问题(TSP)以及其他几个例子,就该改进方法的分类效果、分类速度和学习性能等3个方面进行了测试,并与经典的K维双叉树(KD树)最近邻搜索法以及压缩近邻法进行了比较.结果表明,就综合性能而言,本文改进方法是有竞争力的.     

一类非线性非最小相位系统的神经网络逆控制

基于对象的逆动力学模型,提出一种RBF神经网络逆控制的在线自学习控制方案.辨识器采用RBF神经网络和最近邻聚类学习算法,实现对象逆模型的动态辨识.并引入优化策略对聚类半径进行自动调整,以保证聚类的合理性.为克服逆控制对非最小相位系统的不足,利用构造铸系统的方法,构成一种对非最小相位系统仍然有效的神经网络逆控制器.仿真实验证明该控制策略不仅能使非线性非最小相位系统具有良好的动态跟踪性能,而且具有较好的抗干扰能力.     

一类Pm×Cn图的邻点强可区别全染色

图的一个正常的全染色满足相邻点的点及其关联边染色的色集不同时,称为邻点强可区别全染色,其所用最少染色数称为邻点强可区别全色数。经证明得到了一类积图Pm×Cn的邻点强可区别色数。     

抗哮喘剂IPL576,092的改进合成

 由去氢表雄酮(DHEA)出发,采用包括NHPI(N-hydroxyphthalimide)/空气/Bz₂O₂-CuCl₂体系进行选择性烯丙位氧化及用BF₃·OEt₂/NaBH₄-NaBO₃体系直接对3β-羟基-7-酮-Δ5-甾体进行还原、5硼氢化2个关键步骤,不用保护3-位羟基,共6步合成了IPL576,092,总收率达27%,操作比较简便.     

K-最近邻分类技术的新发展与技术改进

K-最近邻算法是数据挖掘分类方法中最常用的算法之一.在很多实际问题上都有应用.本文对近年来基于K-最近邻算法的各种改进技术进行了分析.从速度提高和准确度提高两个方面给予了归纳.     

K均值聚类算法初始质心选择的改进

聚类分析在信息检索和数据挖掘等领域都有很广泛的应用,K均值聚类算法是一个比较简洁和快速的聚类算法,但是它存在着初始聚类个数必须事先设定以及初始质心的选择也具有随机性等缺陷,造成聚类的结果不是最优的。针对K均值聚类算法中的随机指定初始质心的缺点,提出了基于密度和最近邻相似度的初始质心选择算法,实验显示该算法可以生成质量较高而且较稳定的聚类结果,但是改进的算法需要事先设定最近邻相似度的阈值计算量较大等缺点,还有待改进。     

[Mn(phen)_2(H_2O)Cl]Cl·4H_2O的合成、结构、性质和理论研究(Phen=1,10-邻菲啰啉)

通过水热反应合成了一种新的含锰化合物[Mn(phen)2(H2O)Cl]Cl·4H2O(phen=1,10-邻菲啰啉)(1),并对该化合物进行了X-射线单晶结构表征。该化合物具有孤立结构特征,在分子中含有新颖椅式构型的八聚体水团簇。光致发光研究发现该化合物发射强的绿光。通过分子轨道计算,我们认为该化合物的光致发光来自配体到金属中心的电荷跃迁(LMCT)以及配体到配体的电荷跃迁(LLCT)。     

基于快速小波变换和FLD的人脸识别算法

针对快速性和识别率要求较高的人脸识别应用场合,提出了一种基于快速小波变换(FWT)和Fisher线性鉴别(FLD)的人脸识别算法.首先用Haar小波对标准人脸图像分别进行1尺度和2尺度分解,然后用Fisher线性鉴别法对原始图像、1尺度和2尺度分解图像提取特征,最后利用最近邻法对提取到的特征进行识别.利用ORL标准人脸图像库对算法进行了仿真,结果表明,此算法取得了较快的识别速度和较高的识别率.     

D（pn）图的邻点强可区别全染色

设f为用k色时G的正常全染色法,对任意的边uv∈E（G）,其端点的色集合满足C（u）≠C（v）,其中C（u={f（u））U{f（v）｜uv∈E（G））U{f（uv）}uv∈E（G））,则称,是G的k邻点强可区别的全染色法（简记作k-AVSDTC）,且称xast（G）=min{k}G的所有k-AVSDTC}为G的邻点强可区别全色数．本文得到D（pn）图的邻点强可区别全色数,其中pn为n阶路．