一种新的分类方法——属性均值聚类属性支持向量机(AMC-ASVM)

在属性均值聚类(AMC)与支持向量机(SVM)的基础上,提出了一个新的模式分类算法——基于(属性)聚类的属性支持向量机算法(AMC-ASVM)。主要思想是利用属性均值聚类网络得到的具有概率信息(权重)的样本,来训练属性支持向量机,从而得到分类器。这种方法结合了属性聚类的稳定性与属性支持向量机可以利用加权样本的优点,适合处理具有强噪声的数据。另外,该方法也可以看作是堆近邻分类法的自然推广。在实验部分,将其用于结肠癌基因表达数据的处理。实验结果显示了AMC-ASVM在一定程度上优于最近邻,Boosting,堆近邻,SVM等方法。     

受损托圈承载能力的有限元计算和分析

综合运用计算机仿真、动力学、有限元分析理论和测试技术等科学理论,并以大型的有限元分析软件ANSYS作为仿真和分析的工具,详细研究不同工况下受损托圈的强度,同时校核了受损托圈的承载能力。     

规范家庭养老保障制度问题研究

社会养老不能取代家庭养老。在社会转型时期，我国家庭养老保障制度遇到诸多困难并引发一系列家庭矛盾。因此，必须合理界定赡养人的范围、明确家庭养老的内容、成立专门的家庭养老管理机构、严惩不履行赡养义务者。     

友伴支持对大学生抑郁情绪的影响

探讨友伴的社会支持与大学生抑郁情绪之间的关系。其方法是采用友伴社会支持量表 (ISSB)、抑郁量表 (CES -D)对 116 6名大学生进行问卷调查。结果 :大学生的抑郁在友伴实质性支持、情绪情感支持上的差异具有统计学显著意义 ,友伴实质性支持低分组、情绪情感支持低分组的抑郁得分均显著高于相应高分组的得分 ;友伴实质性支持、情绪情感支持对大学生抑郁均有显著的负向预测作用 ,两者的解释率为 13 5 %。结论 :友伴的实质性支持、情绪情感支持能影响大学生抑郁情绪 ,且有一定的负向预测作用。     

航空装备技术保障指挥系统体系结构研究

航空装备技术保障指挥系统建设是装备信息化工作的一个重要环节。借鉴C^3I的研究思路，分别从应用体系结构、系统体系结构和技术体系结构3个侧面刻画航空装备技术保障指挥系统的体系结构，所作工作和结论对开展航空装备技术保障指挥系统的实践有借鉴作用。     

基于知识发现的高校科研决策支持系统

科研管理是高校的重要工作.如何从大量的科研数据中挖掘出支持科研决策的知识成了当务之急.讨论基于知识发现的高校科研决策支持系统.该系统通过对数据进行分类分析、聚类分析和关联分析发现知识,为学校科研决策者提供决策支持.     

基于支持向量机的短期GDP预测模型与应用研究

支持向量机是最近几年国际上模式识别研究的热点,具有全局最优和良好的泛化能力.本文在理论分析江门市GDP预测指标体系的前提下,研究了基于SVM的预测方法,并运用实际数据进行建模和预测,获得了比较准确的预测结果.     

基于滚动时间窗的最小二乘支持向量机回归估计方法及仿真

提出了一种基于滚动时间窗的最小二乘支持向量机(LSSVM)回归估计方法．该方法构造了滚动时间窗，利用滚动时间窗内的数据优化建模．模型随着时间窗的滚动进行在线更新，并对滚动时间窗内的数据分配不同的权值以充分利用数据的信息．将基于滚动时间窗的LSSVM回归估计方法应用于软测量建模．进行轻柴油凝固点的预估．结果表明，该建模方法十分有效．     

利用支持向量机预测生物膜蛋白类型

利用统计学习理论中的支持向量机(SVM)，基于氨基酸组分含量预测生物膜蛋白类型。使用文献中2059个训练集和2625个检验集膜蛋白序列数据，运用统计预测中的校准检验，留一法交叉检验和独立数据集检验方法进行分类预测。结果表明，SVM对膜蛋白类型预测具有明显的优越性，该算法对当前已有方法起到重要的补充作用。