基于积分图的随机蕨特征点识别算法

随机蕨算法中的二值特征集是通过比较像素对的亮度值获得的;而该方法容易出现噪声敏感问题,为此提出了一种基于积分图的随机蕨特征点识别方法。通过构建图像积分图,比较特征点周围随机获取的两个子窗口的积分图构造二值特征,以模板图像的仿射变换图像簇作为训练集,建立朴素贝叶斯分类器并进行训练。对比实验表明,改进的算法在特征匹配上有很强的抗干扰性,即使蕨的结构减小到一定程度,也有较高的特征识别率。     

分块PCA和奇异值分解相结合的人脸识别算法

针对分块PCA算法对位移、旋转等几何变化比较敏感的缺点,提出一种基于分块PCA和奇异值分解相结合的人脸识别算法。该算法分别提取分块子图像的PCA特征和奇异值特征,在此基础上得到同时包含分块PCA和奇异值信息的距离测度,利用最小距离分类器进行分类识别。在ORL人脸库上的实验结果表明,该方法能够得到较高的识别率。     

基于深度森林算法的分布式WSN入侵检测模型

针对现有的特征选择算法和分类算法在无线传感器网络(WSN)入侵检测系统中检测性能表现不佳、检测实时性差、模型复杂度高等问题,提出一种基于随机森林和深度森林算法的分布式WSN入侵检测模型.该模型首先对传感器节点流量数据进行预处理;然后将轻量级随机森林分类器部署到传感器节点和簇头节点,传感器节点和簇头节点合作对流量数据进行处理,并在基站上采用深度森林算法从大量流量数据中发现攻击行为;最后对WSN中的入侵行为进行实时分类入侵检测.使用无线传感器数据集WSN-DS和NSL-KDD数据集来评估所提出的模型性能.实验结果表明,该模型与现有的入侵检测模型相比,具有良好的检测性能,实时性较高,可避免模型过度拟合.     

基于粗糙集理论多区域并行神经分类器在变电站故障诊断中的应用

针对变电站故障诊断中不确定信息多和实时性要求高的特点,以变电站的开关保护信息为基础,提出了一种基于粗糙集理论和神经网络理论的多区域并行神经分类器的变电站故障诊断方法.该方法首先将变电站故障划分为多个独立的故障单元,针对每个区域故障单元建立故障模式库,利用粗糙集的知识约简和不确定信息的处理能力,对故障模式库并行挖掘,实行属性优选,再运用神经网络对故障诊断知识进行模式识别.将其应用于变电站故障诊断专家系统中,应用结果显示该方法不仅能缩小问题求解规模,实时性高,而且具有较强的抗干扰能力,是一种有效的变电站故障诊断方法.     

凉山彝语类别量词的特点

凉山彝语（北部方言什乍话）的类别量词很丰富。量词主要来源于名词、动词和描摹词（有人将其归为形容词）；抽象的量词由具体的量词引申而来。凉山彝语量词有自己独特的一套语义分类标准，名词所指事物都有不同的属性，从量词归类时所依据的属性可以看到该语言所侧重的事物属性。除了这些最显著的语义特点外，量词还有一些变调特点和句法特点。拷贝型量词也是凉山彝语类别量词的一个重要类型，正如其他的藏缅语族语言一样，它是量词发展的初级阶段。     

基于GIS的BP神经网络遥感影像分类研究

传统统计模式识别方法进行遥感影像分类时要求数据服从正态分布且难以加入地理辅助数据．通过分析BP网的分类原理与学习算法，采用了融合遥感影像光谱数据和GIS产生的地理辅助数据进行土地利用类型分类的方法．选择最能反映实验区土地利用信息的光谱数据，结合DEM数据和坡度数据，通过归一化处理后进行BP网的训练分类．将分类结果与采用最大似然法所得的结果综合比较，结果表明，该方法优于最大似然法．     

涡流空气分级机内湍流涡频谱对其性能的影响

依据湍流基本概念和涡频谱基本理论 ,讨论了涡流空气分级机内不同频率、不同尺度的湍流涡对物料分散和分级精度的影响 ,提出高频脉动的小尺寸湍涡有利于团聚体解吸、粉料的分散 ,能提高物料分级精度和分级效率。在不改变转笼外边缘和导流叶片内边缘间环形区宽度的情况下 ,通过在转笼外边缘分别沿径向叶片圆周呈90°角对称加四根杆 ,改变环形区湍流涡频谱分布 ,增加高频小湍涡 ,使得分级精度指数分别从 0.71,0.62提高到0.80 ,0.76 ,相对提高 12.7%和 22.6 %。     

一种基于朴素贝叶斯分类法的空间分类算法

 空间分类是空间数据挖掘的重要分支,寻找高效的空间分类算法是空间分类研究的重要方向.在空间对象的邻接图及朴素贝叶斯分类法的基础上提出一个新的空间分类算法,该算法对空间对象进行分类时,既考虑了待分类对象的属性对分类的影响,又考虑了其空间邻接对象对它分类的影响.该算法的计算复杂度不高,分类的正确性好.     

软件无线电中数字调制信号的自动识别

针对软件无线电系统中数字信号调制方式的自动识别提出一种改进算法．使用从调制信号中提取的的特征参数，对多个MLP分类器进行独立训练，使用输出向量的加权投票表决法来融合多个MLP分类器的方法，得到了在信噪比大于等于10dB时良好的效果，验证了方法的可行性．     

An enhanced text categorization method based on improved text frequency approach and mutual information algorithm

Text categorization plays an important role in data mining. Feature selection is the most important process of text categorization. Focused on feature selection, we present an improved text frequency method for filtering of low frequency features to deal with the data preprocessing, propose an improved mutual information algorithm for feature selection, and develop an improved tf.idf method for characteristic weights evaluation. The proposed method is applied to the benchmark test set Reuters-21578 Top10 to examine its effectiveness. Numerical results show that the precision, the recall and the value of F1 of the proposed method are all superior to those of existing conventional methods.