管理分类规则的广义决策树

为了将传统的决策树无法管理的、由各种分类算法所发现的大量的有意义的规则进行有效的存储、剪裁和使用 ,提出了广义决策树结构。它将传统决策树的结构进行扩展 ,能够以较少的存储代价管理所发现的所有分类规则 ,且易于表达规则之间的关系。提出了有效的优化策略。以此树为基础 ,将决策树分类算法与基于关联规则的分类算法进行了概括统一 ,并提出了相应的算法。实验结果证明 ,广义决策树克服了传统决策树的缺点 ,并且适宜于维护、剪裁以及快速搜索大量的分类规则     

网络包分类算法仿真测试与比较研究

在深入分析基于树结构和计算几何学点定位算法而衍生的主要分类算法原理的基础上 ,建立了算法性能评估仿真测试平台 .平台包括网络流的软件仿真、算法的软件实现和算法性能参数测试统计三个主要部分 .通过对各算法的时间性能和空间性能及其随分类规则数和分类域数的变化趋势的测量 ,从数量上把握各算法的主要特点及其适用性 ,从而可以将各种算法有机地结合在一起胜任速度越来越高的网络应用需求 ,同时也是进一步研究其它算法的基础 .     

IKONOS图象的城市土地利用信息提取方法研究

目前，高分辨率遥感图象正愈来愈多地应用于土地与水资源的监测和管理，其中，IKONOS图象数据因其具有较高的空间分辨率和人机交互的解译效果．在省市土地利用信息获取及在城市研究中更具有广阔的应用前景．以南京幅的IKONOS图象数据为基础．以城乡接合部的不同试验区为对象，着重讨论了高分辨率遥感图象城市土地利用信息的提取与分类方法其主要思想是先应用常用的多光谱分类算法对试验区的土地利用现状进行初始的类别划分，然后采用Majority Filtering技术获取图象的上下信息，并给你根据地物的形状特征和空间关系对初始分类结果进行校正与调整．研究结果表明，当初始的类别划分能满足一定精度时，采用本所提出的方法能进一步改善高分辨率图象城市土地利用信息的分类效果．     

基于DPCA、ATI和MUSIC的动目标检测方法

针对SAR(合成孔径雷达)动目标检测,提出一种DPCA(中心相位偏置天线)、ATI(沿迹干涉)和MUSIC(多信号分类)相结合的三孔径动目标检测方法。该方法首先采用DPCA技术消除杂波干扰、检测运动目标,然后用ATI和MUSIC方法确定目标的位置和速度。理论分析和计算机仿真表明,该方法是有效的,不仅能够检测运动目标,而且能够精确估计其运动参数。     

地基防御雷达的有源假目标极化鉴别能力

研究了有源多假目标等欺骗性电子干扰对地基防御雷达系统的有效性问题。首先详细分析了任一椭圆极化天线有源假目标的极化特性,并探讨了典型雷达目标的极化散射特性。在此基础上,设计了有源多假目标的极化鉴别算法,计算机仿真表明,具有极化测量能力的地基防御雷达系统具有对有源多假目标进行鉴别的能力。     

《中图法》与中国特色

《中图法》是一部具有中国特色的、符合中国国情的学科发展简史。它的指导思想和中国的社会制度及执政党的理念有密切联系。它的学科分类和历次修订都是在这一框架下完成的。探讨这一特点,对今后修订《中图法》有一定的借鉴作用。     

一种基于自组织分级聚类的数据挖掘方法

针对传统自组织聚类方法处理数据在多维空间中存在多样性和从基本或低层次概念上发现强关联规则中的不足，提出了一种基于自组织分级聚类的数据挖掘方法．该方法采用最大似然分类自组织特征网络（MAXNET）聚类过程，利用自下而上聚合层次聚类方法，对有畸变的二值化输入模式作最大似然分类．最后对一个销售电脑商场中，与任务相关的交易数据集进行了分析，描述了从低层次概念到高层次概念的相互关系．并用matlab仿真软件把该方法和传统方法进行比较，表明了该方法的有效性．     

人工神经网络技术在矿区土地复垦中的应用

针对中国土地复垦起步晚，新技术与新理论应用较少的问题，研究利用人工神经网络来辅助土地复垦的决策。介绍了利用自组织映射神经网络的自动分类功能对进行矿区土地复垦条件分类，为因地制宜地采取复垦措施提供依据。然后，基于BP神经网络，选取评价因子，通过对已有经验的学习，对复垦土地适宜性进行评价，并与传统的方法相比较，研究结果表明，利用人工神经网络辅助矿区土地复垦决策是可行的。     

煤层气的富集成藏类型初探

通过对煤层气赋集成藏因素和机理的分析，结合煤层气勘探中有煤层却没有煤层气赋集，有煤层气赋集未必是勘探的有利选区等地质认识，探讨了煤层气藏的概念，并根据煤层气藏的成因和构造形态对煤层气藏类型进行了详细划分，共划分了8种煤层气藏类型，包括了目前所有已经发现煤层气藏类型。并认为只有在含气饱和度较高的煤层气藏，且具有较高的渗透率，才能成为煤层气勘探的有利区块。     

基于堆叠自编码器神经网络的复合电磁检测铁磁性双层套管腐蚀缺陷分类识别方法

铁磁性双层套管长期服役于恶劣的工作环境,极易出现腐蚀缺陷,定期为服役中的双层套管进行在线检测十分必要,而对管壁腐蚀缺陷位置的分类识别是管道定量检测与维修的前提和基础,实时准确的套管腐蚀缺陷分类识别能力是决定管道在线检测效率的重要因素。针对这一情况,将脉冲远场涡流和脉冲涡流技术相结合,提出了基于堆叠自编码器神经网络的分类方法。通过仿真和实验选取合适特征量作为输入层,实现了内管外壁腐蚀、外管内壁腐蚀和外管外壁腐蚀的分类,实验整体预判精度可达97.5%,结果表明该方法可对双层套管腐蚀缺陷缺陷实施高效、高精度分类识别。