远海护航情报信息共享原则研究

情报保障是远海护航行动顺利进行的前提和基础.针对目前远海护航情报信息共享的现状,文中对远海护航情报信息共享应该遵循的原则做了梳理和分析,以期建立全面、合理的情报信息共享机制,优化配置联合打击海盗的各种资源,从而最大限度地发挥情报信息在远海护航中的支援作用.     

基于改进支持向量机的车牌识别

针对目前市场上使用的监控设备在雾霾天气下辨识精度和速度不足等问题,采用小波低频融合原理对采集到的图像预处理,并基于改进支持向量机算法对预处理后的车牌图像提取特征值。实验结果表明,改进后的车牌识别方法与传统方法相比,提高了辨别速度,减小了误识率,为雾天视频监控系统的研发提供了新的思路。     

动态环境下基于SVR-PSO的多机器人气味源定位方法简

研究具有风速变化的动态环境下气味源定位问题,提出一种基于支持向量回归和微粒群优化的多机器人气味源定位方法。以当前时刻机器人的位置为输入,以机器人所测的气味浓度值为输出,利用支持向量回归,建立机器人所在位置气味浓度的预测模型;采用改进微粒群优化方法定位气味源时,以气味浓度最大的机器人所在的观测窗内,基于预测模型得到的气味浓度最大值的所在位置作为微粒的全局极值,以当前机器人的位置作为微粒的个体极值,完成微粒的更新;根据机器人所测的气味浓度值,定位气味源。将所提方法应用于2个气味源定位场景,实验结果表明所提方法能够在短时间内成功定位气味源。     

一种基于自学习的智能决策支持系统

关于机器自学习是近年来计算机领域研究的热点问题,本文提出了一种基于机器学习的智能决策支持系统(IDSS),使决策支持系统能够具有一定的适应性和演进能力。最后给出了一个具有自学习能力的智能决策支持系统的实例。     

Hausdorff收敛与支撑函数之间的关系

文「l」对集合序列的Hausdoffe收敛作了一些研究并得出了一个等价条件,而本文得到了实Banach空间上非空凸集列的HausdoAf收敛与其上的支撑函数的一致收敛的等价性.设X为实Banach空间,对任何DCX,令见(D)一xli叶11x-yI＄a,xEX,a3O8.-Y6D定义1若D为凸集,X“为X的共轭空间,函数村(X”)=XZgX”(X川(X”EX”)称为D的支撑函数.定义2设卜;;,DZ(nEN)为Baliach空间X中的闭集列,如果n充分大时,D;,D(nEw均为空集人或者V。>0,日n。,当n>q时,有Q一八C民(D)并且p一D〔久(凡),则称H卜nZHausdodr收敛于D.简称为ZD。3H一收敛于D.记为Dn--…     

不同支护措施对浅埋隧道地表沉降的影响

浅埋隧道开挖不可避免地会引起地层变形和地表沉降,沉降过大时对地上结构物的安全带来威胁。本文运用有限元数值模型分析了浅埋隧道开挖对围岩变形以及地表沉降的影响作用。并讨论了不同的支护时机和初期支护强度对围岩的沉降变形的影响作用。     

宗教信仰老年人的社会支持、应对方式和幸福感的相关研究

为了探讨有无信仰状况老年人在幸福感上的差异,以及宗教信仰老年人社会支持、应对方式和幸福感之间的关系.采用量表法对162名老年人（其中宗教信仰老年人62名）的社会支持、应对方式和幸福感进行测量.结果表明老年男性的幸福感要要显著的高于老年女性的幸福感;宗教信仰老年人的幸福感要显著高于无宗教信仰老年人的幸福感;宗教信仰老年人社会支持与其幸福感呈显著的正相关;消极应对方式与幸福感呈显著的负相关.并且社会支持和消极应对方式对有宗教信仰老年人的幸福感有显著的预测作用.     

基于模糊积分的支持向量机动态集成方法

确定模糊密度是应用模糊积分进行融合的核心问题。分析了目前存在的各类模糊密度赋值方法存在的不足,在探索证据相互关系的基础上,提出了证据支持度的概念,并基于证据支持度给出了一种动态模糊密度赋值方法,分析了分类器之间的差异性对证据支持度的影响,引入了影响因子,进一步完善了证据支持度的内涵。实验表明,本文算法较之单支持向量机、基于投票的支持向量机、以基分类器精度作为模糊密度的静态模糊积分支持向量机集成以及一种基于自适应模糊密度赋值的模糊积分方法用于支持向量机集成,分类精度均得到提升。     

关中—天水区域经济一体化与金融支持问题研究

本文指出关中—天水经济圈经济发展和金融发展所存在的问题并进行分析,最终提出关中—天水经济区经济金融协调发展的措施。     

基于GMDH-PSO-LSSVM的国际碳市场价格预测

针对国际碳市场价格预测LSSVM建模输入节点和模型参数难以确定的问题, 建立了基于数据分组处理方法(GMDH)-粒子群算法(PSO)-最小二乘支持向量机(LSSVM)的国际碳市场价格预测模型. 首先利用GMDH算法获得LSSVM建模中的输入变量; 其次应用PSO算法对LSSVM建模中的参数进行优化, 进而使用训练好的LSSVM模型对测试样本进行预测; 最后采用该模型对欧盟排放交易体系(EU ETS)两个不同到期时间的碳期货价格(DEC 10和DEC 12)进行实证分析, 取得了令人满意的效果.