美国决策支持系统开发现状

本文介绍了决策支持系统(DSS)在美国的应用,DSS的分析与设计方法以及DSS的开发策略;介绍了一种新型的满足高级行政管理人员需求的管理支持系统——执行信息系统EIS(Executive Information System)。     

基于玉米近红外光谱的CWT-SVR蛋白质预测模型

采用国家标准方法测定125个玉米样品的蛋白质含量,并同时进行红外光谱(NIRS)测定.在连续小波变换(CWT)处理玉米NIRS数据的基础上,通过多次随机选择定标集和校正集样品的模型优化方法,建立了二次ε不敏感损失函数的CWT-SVR蛋白质预测模型.模型用于检验集样品中蛋白质的测定,结果满意,且优于传统的偏最小二乘模型(PLS).     

以现代农业支撑新农村建设

从发展现代农业的需求出发,说明发展现代农业可为社会主义新农村建设提供强有力的产业支撑,并提出了有针对性的措施。     

决策支持系统中基于面向对象技术的信息反馈机制设计

利用面向对象的设计思想和方法 ,提出了一种在 DSS中实现信息反馈的方案 ,定义了系统中主要类的组成 ,着重研究了信息反馈对模型选择、策略分析以及策略选择的支持作用 ,分析了含信息反馈的 DSS中的信息流程 ,建立了相应 DSS的结构框架     

Evaluating the Tourism Resources' Development by AHP

1IntroductionAseveryoneknobes,tollrisnlistheworldwidefavoriterecreatiollalactivitiesillnloderllsociety.TOurisnlproducesalotofjobopportunitiesandstaterevPllue.IllmodernChina,thereareplentyofscellicsports,historicalsitesandundevelopedPotentialtourismresources.Hoal'tomostutilizetheseexistingandUlldevelopedPotentialtourislllresollrceadvalltageoustotilenationalandregionaleconomyisamostimportantstrategicproblemtotheleadersofregionalornationaltourismdepartment,governmentofChina.Thedevelopmentofto…     

基于SVM数据融合的实时粒子滤波算法

采用粒子滤波的目标跟踪算法在粒子数目较多时计算量大、实时性差,针对该问题提出了一种新的基于支持向量机数据融合的实时粒子滤波算法。该算法在估计窗实时粒子滤波的基础上,使用支持向量机融合窗内不同时刻粒子集,并根据融合的结果更新粒子权值,实现对目标状态的快速跟踪。相对于原算法采用最小化Kullback-Leibler距离来调整估计窗混合分布的权值,该方法的计算复杂度低、速度快,进一步提高了算法的实时性。对纯角度目标跟踪问题的仿真结果表明了该算法的可行性和有效性。     

面向服务的战场环境保障信息集成框架

为提高战场透明度,需研究和发展以卫星信息为支持的战场环境保障技术。深入分析了卫星支持的战场环境保障的特点及信息处理流程;构建了面向服务的战场环境保障信息集成框架,提出基础平台层、数据组织层、核心服务层和作战应用层的4层框架结构;研究了支持该框架的关键技术体系及接口,实现了原型系统。框架打破目前纵向的各卫星系统自成体系、数据共享困难的局面,使得系统具有更好的动态性和可扩展性,便于用户根据不同的作战需求建立不同的服务模式。     

支持向量机控制与在线学习方法研究的进展

支持向量机以其模型结构简单、较好的推广能力和全局最优解等特点已经被用来进行智能控制的研究,主要包括采用支持向量机回归的非线性时间序列的建模与预测、系统辨识等建模方面的研究以及优化控制、学习控制和预测控制等方面的研究以及采用支持向量机的故障诊断的研究。由于现有SVMR基于二次规划的优化方法不适合控制过程的在线训练,因此出现了对SVMR在线训练算法的研究。分析了国内外这些研究内容的最新研究进展,旨在探讨归纳支持向量机在控制领域研究的主要成果和存在的问题,以便为进一步的研究提供一定的支持与帮助。     

模糊遗传滚动优化的LS-SVM预测控制研究

提出一种基于最小二乘支持向量机(LS-SVM)的非线性系统预测控制算法。该算法通过LS-SVM对非线性系统输入输出数据序列的训练学习建立其预测模型;基于模糊遗传算法完成非线性预测控制的滚动优化过程。仿真结果表明基于该方法的非线性系统预测控制比基于RBF神经网络的预测控制具有更好的控制效果。     

基于模糊支持向量机的小批量生产质量智能预测方法

在分析比较目前常用的智能工序预测技术及其特点的基础上,提出一种适合小批量生产过程的质量智能预测模型,并给出了相应的预测过程和算法.由于该模型中以模糊支持向量机(FLS-SVM)技术为智能核心,一方面较好的解决小样本学习问题,避免了人工神经网络等智能方法在对小批量生产过程质量进行预测时所表示出的过学习、泛化能力弱等缺点.另一方面,通过隶属度函数对样本进行模糊化,达到样本优化选择,实现历史数据“重近轻远”的预测效果.通过对具体加工过程的预测实验,并与其它几种常见预测方法效果进行对比,说明本文方法实现容易,建模速度快,小样本的泛化能力强,为实现小批量加工过程的在线质量预测与控制提供可行的思路.