模糊核超球感知器

提出了一种基于核化技术的模糊核超球感知器分类算法，该算法通过核化技术把样本数据映射到高雏特征空间，并利用超球感知器学习寻找高雏特征空间的决策超球，从而得到各类样本的决策函数．同时，样本测试中采用的模糊技术有效提高了算法的适应性．该算法学习规则简单，所得特征空间超球在样本空间的分布能很好地反映样本的数据结构，适用于不同类型数据结构样本的学习，并经大量试验显示了算法的有效性．     

基于模拟退火剂量计算模型的自动匹配算法

基于模拟退火优化算法,提出了一种点核卷积叠加剂量计算模型参数的自动匹配算法.模拟退火优化算法具有可以达到全局最优的优势,但模拟退火优化的随机性是不可控的.针对此问题,基于点核叠加剂量计算原理采用了定向约束模型能谱参数的方法,使得优化过程的迭代效率及稳定性大大提高.为了减少迭代次数,采用了BeamNRC软件模拟出加速器较好的初始能谱参数.通过临床实际加速器设备数据进行试验,结果表明,利用模拟退火优化算法进行模型参数的自动匹配的方法在保证临床精度要求的前提下,优化时间基本上控制在16h左右,在临床上是完全可以接受的,甚至针对一些加速器较好的能谱初始值,优化时间比国际上同类产品的优化时间还要短.模型参数的自动匹配功能也大大降低了软件对操作人员业务能力的依赖,增加了产品的安全性,降低了产品的维护成本.     

遥感图像分类的多核SVDD算法

将K型核函数和指数径向基核函数分别与径向基核函数组合成多核函数,并利用其构造出性能更加优越的支持向量域描述(SVDD)算法.将提取的遥感图像各波段光谱特征组成特征向量,分别用基于径向基核函数和多核函数的SVDD算法进行遥感图像分类.仿真实验结果表明:改进核函数的SVDD分类算法提高了分类精度,缩短了训练时间.     

基于Netfilter防火墙的研究与实现

文章介绍了防火墙的基本概念及其主要功能,分析了Linux内核防火墙Netfilter的构架、构建防火墙的工作原理,并给出具体实例。     

基于偏微分方程与多尺度分析的图像去噪算法

针对传统图像去噪算法存在去噪效果和稳定性较差的问题, 提出一种基于偏微分方程结合多尺度分析方法的图像去噪算法. 首先利用二阶偏微分扩散方程和四阶偏微分方程对图像进行高频段和低频段的处理, 对处理后的图像采用非下采样轮廓波逆变换, 实现图像整体去噪; 其次, 采用轮廓波变换方法对整体图像进行多尺度分解得到不同子带, 并利用核主成分分析算法进行整体图像降维处理, 对不同子带进行分块管理, 完成对整体图像的局部去噪, 最终实现基于偏微分方程结合多尺度分析方法的图像去噪. 实验结果表明, 该算法的图像去噪效果和稳定性均较高.     

关于测井序列和地震道的反射系数序列的分形性质

应用分式Ｂｒｏｗｎ运动和分式Ｇａｕｓｓ噪声之样本函数的分形性质，分析了吉拉克地区，轮南第５７号测井序列，得到其速率序列及其扫射系数序列分别是维数为１．７６和１．１０的分形，它们的谱密度分别为ｆ＾０．５１和ｆ＾－０．０８。应用局部分式Ｂｒｏｗｎ运动和局部分式Ｇａｕｓｓ噪声的分形性质放改进的反褶积法，分析了吉拉克地区地震道信号，是到了各地震道ＣＤＰ之反射系数序列维数为（２－ＨＫ）的局部分式Ｇａｕｓｓ噪     

基于高斯基函数CMAC模型的一种快速算法

广义小脑模型（ＣＭＡＣ）在函数泛化能力和函数逼近能力方面优于基本ＣＭＡＣ模型,但算法较为复杂,实时性差．因此,研究广义ＣＭＡＣ模型的快速算法,对于满足实时控制是非常必要的．文中研究了基于高斯基函数的广义ＣＭＡＣ模型的快速算法,定义了包含待学习样本点的一个超立方体子空间,提出了基于该超立方体子空间的快速学习算法．通过算例仿真表明,学习算法收敛速度较快,可以满足实时控制要求．     

高校人文社会学科科研实力综合评价研究——基于核主成分分析和实证研究法

收集了2013年31个省市自治区部分高校有关人文社会学科科研方面的相关数据,利用核主成分分析法和实证研究法对科研实力进行综合评价.针对主成分分析在权重系数确定和信息提取等方面存在的问题,利用核主成分分析(KPCA)探究了数据的非线性关系并提高第一主成分贡献率;采用"主观化"改造的思路,提出增加重要性权等观点,构建了实证研究模型;给出了核主成分分析与实证研究相结合的理实综合分析模型对高校人文社会学科科研实力进行综合评价.     

修正的截断正态概率密度模型自适应滤波算法

针对机动目标跟踪问题,在截断正态概率密度模型的基础上,通过目标机动状况与相邻采样时刻间位置估计量变化之间的函数关系实现噪声方差自适应调整,提出了一种新的自适应滤波算法——基于截断正态概率密度模型修正的自适应滤波算法。计算机仿真结果表明,该算法在跟踪机动目标时,具有良好的跟踪性能,并极大地改善了跟踪非机动目标的能力。     

一种基于核方法的无线传感器网络定位算法

无线传感器网络（WSN）作为一种新兴的分布式网络技术,被认为是21世纪改变世界的十大革新技术之一。定位是无线传感器网络的重要支撑技术之一,实现传感器节点自定位是提供监测目标位置信息的必要条件。而实现高效、可靠、准确的节点定位对目标跟踪具有重要意义。不幸的是,环境噪声使得节点的定位精度降低。基于此,该文提出一种基于核方法的无线传感器网络定位算法。实验表明,在WSN中通过采用卡尔曼滤波的核方法定位算法,一定程度上减少了随机噪声对节点定位精度的影响,有效的降低了系统定位误差,实现一定程度的抗干扰。