车牌检测级联分类器快速训练算法

针对传统AdaBoost算法的不足,分析了训练过程中出现过训练及分类器退化的问题,并提出了解决这一问题的有效新方法。新方法主要对样本及时更新和样本权重的更新规则进行了调整。使用该方法训练级联车牌检测器,实验结果表明,新方法较好地解决了传统AdaBoost算法中所出现的过训练及退化问题,在保证检测率的同时降低了误检率,并且训练时间缩短了50%左右。     

常数级压缩方法的优化

为提高常数级压缩方法效率,对核心算法所需时间和频率表空间进行了优化.首先对基数计算进行优化,推导出相关优化公式;其次用20组球进行试验,对不同基数计算方法进行了对比;最后对频率表空间进行优化.结果表明,比例运算可有效提高基数计算速度;在内容随机分段中,越靠近字节平均频率值的位置字节频率出现的次数越多;根据这一特征对频率表空间进行优化,所做的优化节省了存储空间,从而提高了压缩率.这些优化策略推动了常数级压缩算法的实用化.     

基于固定样地连续监测数据的林木蓄积生长率月际分布

【目的】森林资源监测的周期缩短、监测区域越来越小,精准监测成为森林资源监测的必然,对省域森林资源监测数据的误差进行控制是一项重点工作。【方法】以浙江省2004—2015年森林资源连续清查年度监测的5 375个固定样地数据为基础数据源,区分松类、杉类、硬阔、软阔4个树种组和小径级(6～12 cm)、中径级(14～26 cm)、大径级(≥28 cm)3个胸径级,组成12个研究类组,将全年划分为4、5、6、7、8、9、10、11月至次年3月等8个生长月,对各类组的蓄积月生长率进行了抽样估算,获得了蓄积月生长率和年生长率值。在此基础上,分析了各类组的月生长率动态曲线。【结果】不同的树种组,其林木蓄积月生长率变动曲线有所不同,在4—10月的主生长期内,月生长率最高月与最低月比在2.0～2.2之间; 1年中,松、杉、软阔有2个生长高峰但出现时间与高度不尽一致,硬阔只有1个生长高峰; 随着径级的增大,蓄积生长率呈明显下降趋势,中径级蓄积生长率为小径级的77%～88%,大径级蓄积生长率为中径级的64%～90%、小径级的56%～77%。【结论】浙江全省林木的蓄积月际生长率存在较大差异,开展短周期森林资源调查时(如年度监测),需要进行时间误差校正和起源误差校正(起源调整系数)。研究认为时间误差的校正基准月定在6—8月期间为宜,在此基础上分别按天然、人工起源计算起源校正系数,浙江天然林的调整系数为0.908 6,人工林的为1.091 4。     

基于样本的企业联盟效率综合评价的非参数方法

从系统组成成员的资源共享出发, 针对传统样本数据包络分析方法无法突破决策单元具有“可比性”的限制和无法依据任意参考面提供评价信息的弱点, 给出了带有约束锥的评价企业联盟效率的广义样本数据包络分析模型(PU-C²WH), 分析了该模型刻画的联盟有效性及弱有效性与相应的多目标规划非支配解之间的关系, 探讨了联盟单元在样本可能集中的投影性质和无效单元效率改进的途径和尺度, 并进一步给出了联盟单元群整体效率度量的典型方法和评价步骤, 最后, 将该方法进行了仿真应用．     

基于资源重置的企业并购效率综合评价的非参数方法

在对企业并购问题进行定量描述的基础上,给出了并购单元有效性的概念和判定方法,分析了其经济含义,探讨了并购有效单元与相应的多目标规划Pareto有效解之间的关系,然后,给出了并购单元群整体效率的度量方案和并购效率的优化方法．最后,将该方法进行了仿真应用．     

样品形态对激光诱导土壤等离子体特性的影响分析

将激光诱导击穿光谱技术应用到土壤检测中,分析了土壤样品形态对激光诱导等离子体特性的影响.采用波长1 064 nm的Nd-YAG脉冲激光器作为激发光源,在实验室大气环境下对粉状和片状2种形态土壤样本诱导产生激光等离子体,测量并分析了样品形态和粒径大小对元素特征谱线强度、等离子体温度和电子密度的影响.实验研究表明,相同实验条件下,粉状土样的激光等离子体温度和电子密度均高于片状土样,但片状土样的元素特征谱线强度更大,且受土壤粒径大小的影响较小,适用于土壤重金属元素的LIBS分析检测.     

二维最大熵模型在图像分类算法中的应用研究

针对图像分类中使用视觉词袋直方图进行分类时忽略图像颜色信息缺点,该文提出在一类图像的HSI彩色空间上,通过H分量和S分量构建二维最大熵模型,并将得到的二维最大熵分布作为该类样本的底层参考特征向量,从而将待分类的图像运用欧式准则与底层特征向量进行匹配,最终实现图像分类算法.实验表明,该文所提分类算法比基于视觉词袋直方图分类算法具有更高的查准率.     

MCMC方法在估计二元随机波动率模型中的应用

金融数据的波动性一直是经济学研究的热点问题之一,随机波动率模型(SV)在波动率建模中有着重要的应用.马尔科夫链蒙特卡罗(MCMC)方法是估计参数的一种有效方法,给出估计一类二元SV模型参数的MCMC算法,并通过WinBUGS软件编程实现了该算法.文章最后给出了模型和程序的一个实际应用.     

一种解决群进化算法参数设置问题的最优向量法

群进化算法是智能计算领域研究的核心内容,而算法中数值型参数的设置是影响算法搜索效率的重要因素,因此设计解决参数设置问题的方法也是群进化算法研究的重要内容.目前解决参数设置问题的常规统计方法是根据算法搜索的部分结果组成有限样本数据,依据统计最好值个数大小的判定结果来确定最优参数预设值.常规统计方法在有些测试样本数据中很难确定唯一的最优参数预设值.为了解决常规统计方法的缺点,提出了一种最优向量法,该方法可以将任意形式有限样本数据转换为向量,依据向量计算的判定规则进行最优参数预设值的确定.实验结果表明,依据获取的有限样本数据通过最优向量法找到最优参数值,采用该参数值的群进化算法搜索效率相对最优,从而验证了最优向量法的有效性.     

辅以分层抽样样本的等容量整群抽样方法

对于分层抽样和整群抽样,当群体间的差异、群内个体间差异均不显著时,其估计精度往往都很差．针对这一缺陷,提出了一种辅以分层抽样样本的整群抽样方案,得到了总体均值的估计量,以及这一估计量的一些良好性质．这些结果表明,与单一的整群抽样、单一的分层抽样估计量相比,这种抽样设计的估计量具有更高的精度