决策支持系统的再认识

以系统思想为指导，以系统论为基础，分析了ＤＳＳ应具有的功能．提出了人、机、环境三要素的系统新构成，论述了ＤＳＳ的集成性，以及ＤＳＳ与其它计算机应用系统的相关性。     

麦蓝菜染色体的核型分析

作者对麦蓝菜（Ｖａｃｃａｒｉａｓｅｇｅｔａｌｉｓ（Ｎｅｃｋ．）Ｇａｒｃｋｅ）染色体进行了核型分析，结果表明：核型公式为Ｋ（２ｎ）＝３０＝２Ｍ＋２６ｍ＋２ｓｍ，核型为“ｌＡ”型。     

One Method of How to Reserve or Abandon and Understand the Exception Rule

As a special subject in the research on information diffusion mechanism in knowledge discovery field, the author presents a new method on deciding to reserve or abandon and understanding the Exception Rule, which is to analyze the changing trend of three parameters ( the support, confidence and LS), combining with the analysis of the historical changing trend of the support of the former and latter part of the Rule, in order to receive the acceptable rule and help users to fully understand them, and use them appropriately. This research has a significant effect on the post-disposal of knowledge discovery and its realizability and practicability.     

基于网格的Web服务资源框架WSRF的供应链决策支持平台

论证了传统供应链决策支持系统平台面临的困境,提出了基于网格与Web服务融合的Web服务资源框架的供应链决策支持系统平台(SCMDSSP)模型;以SCMDSSP中决策支持系统动态调用配送中心决策资源的情况为例,详细地探讨了WSRF的规范及其运行机制,进一步分析了该平台的优越性。     

NiB/Al_2O_3非晶态合金催化剂抗硫性能研究

采用化学还原法制备了非晶态NiB合金及负载型非晶态NiB/Al2 O3合金 ,用浸渍法制备了Ni/Al2 O3催化剂。用ICP、BET、TPD及氢吸附等方法对催化剂进行了表征。以苯加氢为探针反应 ,以CS2 为毒物 ,对各催化剂的催化活性和抗硫性能进行了比较。研究结果表明 ,非晶态合金由于有更高的活性镍面积而表现出更高的催化活性及抗硫性能 ,载体能改善非晶态合金的性能 ,并对毒物有一定的吸附作用。在非晶态合金表面有三种中心 ,CS2 优先中毒高温吸附中心。     

多参数装备费用的支持向量机预测

支持向量机是一种采用结构风险最小化原则代替传统经验风险最小化原则的新型统计学习方法 ,具有完备的理论基础。首先应用支持向量机原理建立了基于支持向量机的多参数装备费用预测模型 ,然后采用模型对整套机载电子设备费用进行了预测。通过与多元线性回归和神经网络的预测结果对比 ,建立的新型装备费用预测模型具有更好的预测精度     

基于高阶累积量和支撑矢量机的调制识别研究

提出一种基于高阶累积量和支撑矢量机的数字信号自动调制识别新方法 ,即将接收信号的四阶、六阶累积量作为分类特征向量 ,利用支持矢量机把分类特征向量映射到一个高维空间 ,并在高维空间中构造最优分类超平面以实现信号分类。这种方法对高斯噪声和星座图由于信号初始相位而引入的旋转具有良好的稳健性 ,并避免了神经网络中的过学习和局部极小点等缺陷。计算仿真结果表明 ,这种方法具有很高的分类性能和良好的稳健性     

基于WSN的战场声目标多特征联合智能分类识别

本文利用WSN对战场声目标进行分类识别。由于战场上目标的声音信号构成非常复杂,采用单一特征很难全面反映其特点,提取多种特征来构成联合特征向量显得非常重要。然而简单的多特征联合识别,给识别带来维数灾难。本文提出,首先对滤波后的信号进行功率谱特征提取,再利用KPCA进行降维处理,将处理后的特征向量与最优小波包能量提取的特征向量组合,最后利用支持向量机完成对战场五类声目标的识别。仿真实验表明,采用这种方法能有效地提高分类识别的准确度。     

基于局部模式纹理描述符的杂草自动分类算法

传统的耕作过程中,除草剂的施用对环境、人体健康以及其它生物都会产生不利的影响。为了解决这个问题,提出了基于局部模式纹理描述符的简单有效的杂草自动分类算法,首先借助于局部二元模式（LBP）、局部的三元模式（LTP）、局部定向模式（LDP）三种广泛使用的纹理描述算子对杂草图像进行纹理编码,然后通过微观层面的纹理图案将杂草图像分类成阔叶杂草和禾本科杂草,最后利用模板匹配和支持向量机完成了杂草的自动分类。在自己拍摄的400张杂草图像样本上的实验验证了所提方法的有效性,实验结果表明,与最先进的方法相比,所提方法取得了更好的分类性能。     

半监督增量式SVM在故障诊断中的应用研究

基于半监督学习能够有效降低人工标注成本,以及增量学习可以加快训练速度,避免数据量大时训练时间过长等特性,本文提出了一种半监督增量式SVM算法.在算法中,首先对已标记样本进行训练得到初始分类器,然后利用此分类器对新增样本进行标记,最后结合KKT条件选择合适的样本对分类器进行更新.每当有新样本加入便执行以上过程,以保证分类器得到及时更新.将该算法运用于6135D型柴油机的故障诊断中,并与传统SVM算法和增量式SVM算法进行了对比,证实了本文所提算法的可行性与有效性.