基于Fisher权重改进的OB场景分类方法

目标库(object bank,OB)方法是一种使用了高水平语义特征的场景分类方法。针对OB方法使用过高维数的特征向量来表征图像的缺点,提出一种基于Fisher权重改进的OB方法。通过对没有进行空间金字塔处理的OB方法中的低维特征向量加以Fisher权重,使得新得到的特征向量具有极大化类间数据差异并且极小化类内数据差异的性质。实验表明,该方法与OB方法相比在分类效率上提高了10倍以上,并在分类的准确率上提高了3%左右。     

向量优化中改进集的一些拓扑性质

研究了改进集的拓扑闭包的一些性质,提出了它的一些等价刻画,对一些已有结果作了改进和推广.通过一些具体例子对主要结果进行了说明.     

基于样本修整和支持向量机算法的并网风电机组运行特性研究

针对并网风力机组运行时非线性、耦合性和大惯性的特点,提出了一种基于样本修整和支持向量机算法的系统辨识方法,并通过实例将该方法与单纯的支持向量机算法、BP(back propagation)神经网络算法进行比较.结果表明,样本修整后与修整前相比,训练速度和预测精度都有明显提高,基于样本修整和支持向量机算法的辨识方法具有明显的优越性.     

西安市城乡6—7岁儿童个性差异各维度比较分析

儿童个性差异方面的问题是心理学家和现代社会关注的问题,儿童身心健康状况和对社会良好的适应能力与其个性有着较为密切的关系。近年来,儿童个性发展因素已引起国内外专家学者的普遍关注,但是关于个性研究方面的资料大部分集中在高校大学生当中,涉及儿童的较少,尤其是关于城乡儿童个性各维度方面的研究更是少之又少。因此,极有必要对城乡儿童个性差异进一步地探讨,通过对儿童个性各维度的分析比较,找出城乡儿童个性之间的差异,从而指导家长、教师正确塑造和培养儿童的个性,使其身心得到健康发展,为西安市、陕西省乃至西北地区儿童身心健康发展提供解决思路和探索依据。     

感知服务质量的研究综述

回顾了感知服务质量的相关研究文献,归纳了感知服务质量的概念界定、维度划分、评价模型及评价方法等方面的研究现状,最后在总结现有研究局限和不足的基础上,展望了未来的研究方向。     

测绘工程专业实践教学体系的探索与实践简

从制度维、组织维、基地维和创新维四个维度对测绘工程专业实践教学体系的构建进行了总结,介绍了全过程、各环节、多方法三位—体式的实践教学质量监控体系的构建.最后从教学研究成果、实践教学平台、教学方法、学生综合素质四个方面介绍了实施“四维一体”实践教学体系获得的成效.     

内存数据仓库集群技术研究

随着硬件的集成度不断提高,多核处理器和大内存成为当前主流的计算平台,内存计算也成为新兴的高性能数据分析平台.内存数据仓库集群技术面向高性能分析计算,是实现大数据实时分析的基础平台.本文概括地介绍了中国人民大学高性能数据库团队在内存数据仓库集群技术方面的研究工作,包括:以列分布和列计算服务为中心的ScaMMDB内存数据仓库集群,以水平分片、并行计算为中心的ScaMMDBⅡ和reverse-star schema分布、集群向量计算为特征的MiNT-OLAP Cluster等技术的研究发展过程.分析了内存数据仓库集群技术的关键问题及技术挑战,并针对新的内存数据仓库集群应用需求展望未来技术的发展.     

基于多输出支持向量机的聚乙烯相对分子质量分布建模与优化

相对分子质量分布(MWD)是聚合物产品重要的质量指标,目前实时检测相对分子质量分布仍缺乏有效的方法.在聚合物研究中,高精度的相对分子质量分布实时检测方法是当前的研究热点.不同于其他文献中描述的方法,通过结合聚合反应机理和过程信息建立相对分子质量分布的混合模型来解决预测精度和实时性问题.首先利用催化剂各活性中心的分布函数加权叠加拟合相对分子质量分布,分布函数参数和工艺条件之间的关系可通过多输出支持向量机回归(MSVR)算法来描述;其次应用无约束非线性优化方法优化上述方法建立的混合模型的工艺条件;最后将建立的混合模型应用于乙烯聚合过程,验证了上述方法的可行性.     

基于免疫遗传和顺序支持向量分类机的DTG健康状态评估

针对无监督情况下动调陀螺仪健康状态评估问题,提出一种两阶段健康状态评估模型. 首先,在利用HHT数据预处理的基础上,为克服FCM算法初值敏感及遗传算法过早收敛等问题,提出一种加权免疫遗传模糊C均值聚类模型;其次,针对聚类结果数据的顺序性,建立基于顺序支持向量分类机的健康状态评估模型. 实例结果表明提出的聚类模型具有较高的收敛精度和收敛速度,评估模型具有较高的准确率和效率.      

基于粒子群优化算法的支持向量机研究

基于粒子群优化算法提出了一种通过优化支持向量机模型参数,建立更佳的支持向量机数学模型的方法. 针对双螺旋分类问题,分别利用基于粒子群优化算法所建立的支持向量机分类器和标准支持向量机分类器进行了仿真实验,利用所建立的评价体系对仿真实验所获得的实验数据进行了评估,评估结果表明基于粒子群优化算法的支持向量机分类器明显优于标准支持向量机分类器,其分类结果表明基于粒子群优化算法的支持向量机分类器提高了分类结果的准确性,同时也验证了基于粒子群优化算法的支持向量机分类器在数据分类中的有效性.