WKICA算法在多光谱遥感特征提取中的应用研究

多光谱遥感图像具有高度冗余、非线性化的特点。对其进行有效的特征提取是完成精确目标分类的前提。基于核方法强大的非线性映射能力,提出一种小波核独立成分分析WKICA算法。WKICA算法结合小波核函数近似正交,能够对复杂非线性信号进行逐步逼近的优势,有效提高了核独立成分分析KICA算法的求解精度。将其应用在多光谱遥感图像特征提取中,并对预处理条件下的图像采用不同的监督分类方法进行分类实验。实验结果表明,在WKICA算法预处理条件下,能够更有效的滤除图像噪声,相比较传统的特征提取算法,能够获取更加精确的图像分类效果。     

水质模型研究进展综述

本文就目前水质模型历史发展阶段的划分方法进行总结,同时按不同分类标准对水质模型进行详细的分类。最后较详细地对国内外一维、二维、三雏水质模型研究现状进行分析,并对其存在问题提出建议,为建立和应用水质模型提供更科学更有效的思路和依据。     

绢云母石英片岩公路隧道围岩分级研究

在隧道建设过程中,准确的围岩分级对保证隧道施工的稳定性有重要意义。通过对典型绢云母石英片岩隧道岩石样本进行分析,得出与之相适应的BQ优化公式。针对绢云母石英片岩的特性,对BQ分级法中地下水修正系数进行重新考虑;并引入黏土矿物含量的修正指标和软弱夹层的修正指标,对BQ法进行修正,得出修正以后的建议[BQ]'值法公式。以在建十房高速通省隧道为例,进行验证分析,得出[BQ]'分级法确定的围岩级别与实际开挖揭露围岩级别较相符的结论,可为类似隧道围岩分级提供参考。     

GIS技术支持下盘山县农村居民点整治潜力及分级研究

目前,我国农村居民点用地存在土地利用率及容积率低的问题,使农村居民点的集约利用、规模整治问题逐渐成为关注的焦点.本文以辽宁省盘山县13个乡镇为例,在调查及数据统计基础上,采用GIS分析、多因素综合评价及数理统计方法,对盘山县农村居民点整治理论潜力及潜力分级进行测算,并以二调数据为基础,利用多个评价指标对整治潜力进行修正.结果表明:盘山县农村居民点整治潜力较大,约有22.67%的现状农村居民点用地可供整理;不同潜力级别的乡镇应采取相应的整治模式,明确整治时序,Ⅰ级潜力区可通过建立示范区优先整理;Ⅱ级潜力区以向中心村集中和建立"绿带"为主紧随其后;Ⅲ级潜力区应以改变居民传统居住观、土地观为首要任务;Ⅳ级潜力区整治难度最大,可延后进行整治工作.研究得到的潜力分级结果具有可行性,提出的调整方向具有现实指导意义.     

基于元搜索引擎技术的科研项目信息服务系统

本文针对信息技术这一特定领域,提出了一个通过元搜索引擎向特定用户群体一高校教师提供科研项目信息服务的系统,使其可以使用基于关键词的检索、目录式检索以及信息推送服务。该系统通过元搜索引擎提供统一的访问服务,同时利用用户检索行为信息动态反馈其兴趣主题并调整文档聚类结果．因此可有效提高项目信息检索的查准和查全率,更好地帮助用户快速检索到所需的科研项目信息。     

Hom-结合代数与Hom-余结合余代数的性质

首先简要地概述了文献中A．Makhlouf和S．D．Silvestrov引入的Hom-结合代数与Hom-余结合余代数的相关概念,接着进一步讨论了Hom-结合代数同态与Hom-余结合余代数同态之间的关系．     

基于OpenGL的双三次B样条曲面分类与实现

首先,根据双三次B样条曲面的定义对双三次B样条曲面按节点向量中的分布情况不同,将其分为均匀的双三次B样条曲面、开放性均匀双三次B样条曲面、分段Bezier双三次B样条曲面、非均匀双三次B样条曲面4种类型,同时阐述了4种类型按控制点和节点向量对曲面控制的优缺点。然后,利用OpenGL中给定的函数从向量间距确定,双三次B样条网格特征定义到双三次B样条曲面的接口函数使用,完成上述各类双三次B样条曲面的绘制。     

对《中国图书馆分类法》（第5版）有关问题的探讨

指出了《中国图书馆分类法》第5版A类由于缺漏＂马克思、恩格斯、列宁、斯大林、毛泽东、邓小平部分著作写作年代表＂而带来的不便以及J292.2类在类目设置上的不足,并提出了一些看法和建议。     

基于PSO-SVM的光伏阵列故障检测与分类

光伏阵列故障的精确检测是提高光伏电站运行可靠性和安全性的重要因素之一。本文提出了粒子群优化支持向量机(Particle Swarm Optimization-Support Vector Machine, PSO-SVM)的光伏阵列故障检测与分类的方法。分析了光伏阵列输出特性和故障类型,选择合适的特征向量及归一化方式。选用径向基核函数优化模型结构,并利用PSO算法对参数进行寻优,提高模型精确度。结合实验平台,获取光伏阵列正常工作和8种故障状态的实测数据,随机划分为训练集和测试集,并建立PSO-SVM故障检测与分类模型。实验表明应用本文模型进行故障检测准确率达99.89%,分类准确率达98.68%,优于BP (Back Propagation)神经网络以及决策树的检测和分类结果。     

基于多类特征池化的文本分类算法

文本分类是文本挖掘的一个内容,在信息检索、邮件过滤、网页分类等领域有着广泛的应用价值。目前文本分类算法在特征表示上的信息仍然不足,对此本文提出了基于多种特征池化的文本分类算法。在该算法中,本文首先对分词后的文本采用skip-gram模型获取词向量,然后对整个文本的词向量进行多种池化,最后将多种池化的特征作为一个整体输入到Softmax回归模型中得到文本的类别信息。通过对复旦大学所提供的文本分类语料库(复旦)测试语料的实验,该结果表明本文所给出的多种特征池化方法能够提高文本分类的准确率,说明了本文算法的有效性。