RM-structure alignment based statistical machine translation model

A novel model based on structure alignments is proposed for statistical machine translation in this paper. Meta-structure and sequence of meta-structure for a parse tree are defined. During the translation process, a parse tree is decomposed to deal with the structure divergence and the alignments can be constructed at different levels of recombination of meta-structure （RM）. This method can perform the structure mapping across the sub-tree structure between languages. As a result, we get not only the translation for the target language, but sequence of meta-stmctu .re of its parse tree at the same time. Experiments show that the model in the framework of log-linear model has better generative ability and significantly outperforms Pharaoh, a phrase-based system.     

机械波中能流的成因

分析了机械波中弹性媒质的形变,运用功能关系对机械波中能流的成因给出直观的解释.     

基于后验概率的住房信贷评估SVM模型

针对标准SVM模型在信贷评估中单纯将客户划分为违约或者未违约的不足,提出了利用基于后验概率的SVM用于住房信贷评估的方法.利用商业银行的住房信贷数据进行的实证研究表明,基于后验概率的SVM模型通过将标准SVM的决策值转化为后验概率输出,能够对住房信贷客户的违约概率进行估计,对于商业银行根据客户的违约概率制定相应的信贷政策以及设计相应的住房信贷产品更具有实践意义.     

基于虚拟机的数据中心能耗测量

提出一种基于计算密集型与I/O密集型建立虚拟机动态能耗的数学模型方法.结合了设备运行状态参数,在模型功耗处于计算密集型时引入了虚拟机的CPU使用率与CPU频率,处于I/O密集型时引入了虚拟机的硬盘读写总字节数与内存读写总字节数计算功耗,并对功耗进行积分得出数据中心能耗.与常规方法相比该方法进一步细化了测量粒度,且在使用Wordcount运行任务与Sort运行任务进行节点能耗测试时,得出能耗的平均误差为0.062 5.实验结果在粒度细化的同时保证了常规方法的同级别测量精度.     

RV摆线轮专用镗床几何误差分析

针对普通摆线轮镗孔设备存在效率低、精度低等问题,提出了一种摆线轮坐标孔专用镗床,并确定了专用镗床的整体结构。为提高专用镗床的加工精度,需要明确各几何误差元素对专机加工精度的影响程度,并重点控制影响程度较大的几何误差元素。首先分析了专用镗床的几何误差元素,基于多体系统理论和齐次坐标变换建立了专用镗床的几何误差模型,对比分析了模型计算结果与三角关系法计算结果,验证了误差模型的正确性;利用灵敏度分析法建立了各个几何误差元素的灵敏度方程,通过归一化处理确定了各个几何误差元素的灵敏度系数,得到了对专机加工精度影响最大的几何误差元素,并基于灵敏度分析结果,对专机关键部件进行选型。     

能源需求的支持向量机预测

对灰色、神经网络和支持向量机的三个预测模型进行了研究,以某城市的1999-2006年能源需求为例,对能源需求进行了预测.经过比较,支持向量机的预测方法精度较高.     

基于嵌入式系统和红外图像的火焰检测算法

随着嵌入式技术的发展,把机器视觉应用于嵌入式系统是一个发展方向.目前火焰算法相对比较成熟,具有较高的准确率和抗干扰力.但算法复杂度普遍较高,主要应用于PC机系统,不能适应嵌入式系统的要求.结合已有的研究成果,提出了基于统计背景模型和火焰动态特征的火焰检测算法,成功移植到嵌入式系统上.试验证明算法抗干扰性强、检测率高,速度快.     

支持向量机在股市预测中的应用

介绍了回归问题与支持向量机及其股市预测的研究现状,提出了采用支持向量机的股票预测方法,通过实验证明了该方法的有效性.     

基于支持向量机方法的网络入侵检测实验研究

网络信息不断增加和攻击手段日益复杂,给网络安全领域带来了日益严峻的挑战.为了改善网络入侵检测技术现状,提出了一种基于支持向量机和决策集合理论融合的网络入侵检测方法,通过对规则信息、攻击信息、边界信息的准确界定完成检测过程.选取了基于神经网络的入侵检测方法、基于遗传算法的入侵检测方法、基于传统支持向量机的入侵检测方法作为对比算法,在K-Cup测试数据集下展开实验研究.实验结果表明,该文提出的方法具有更高的召回率、精确率、查准率和更低的误检率,其性能明显优于其他3种方法,可应用于入侵检测领域.     

一种新的支持向量机树学习模型

针对特征空间维数较高时,混淆交叉支持向量机树中间节点的学习结果可能包含冗余特征信息的情况,考虑各维特征之间的相互关系以及各数据点之间的相互关系对数据的分类影响,提出一种基于有监督局部线性嵌入的支持向量机树学习模型.考虑每个中间节点上需要不同的特征信息进行局部决策,分别对每个中间节点(包括根节点)上的样例进行有监督局部线性嵌入学习.实验以手写阿拉伯数字识别问题为例验证和分析了模型的结构和分类识别性能,与其他学习模型的对比结果表明,该模型能在有监督局部线性嵌入学习的基础上,以更精简的结构获得与其他学习模型可比的识别精确率.