VILOFT针织保暖内衣面料的舒适性

用灰色聚类分析的方法对用VILOFT纤维开发的针织保暖内衣面料的舒适性进行研究，证明该类保暖内衣面料具有较高的保暖性、良好的透气性和透湿性，并选出了较优的方案．     

在MapInfo中实现数字化地图"非监督分类"

利用MapBasic语言,引入遥感图象处理中"非监督分类"的概念,在MapInfo平台下将同一图层中的不同要素按照他们的颜色、线宽等特征信息进行分类提取,然后进行批量编辑.实现了数字化地形图中的"非监督分类",为实现大量的数据更新提供了简单、快速、智能的解决方案.提高了生产效率,在实际生产中得到了检验.     

多类分类模式识别系统一致性信度的研究与应用

运用模式识别和数理统计的基本原理。研究了多类分类模式识别系统识别的K指标评鉴标准．通过构造一个分类结果的统计量,分析了K指标的点估计、区间估计的计算方法。给出由指标K的点估计值、区间估计优化分类参数的算法,提出一种优化过程的统计学习方法．     

基于灰色系统的房地产企业品牌价值评估

结合房地产行业的特点构建品牌实力评估指标体系,体系内各指标均可量化.引入标杆企业的概念.在此基础上形成适合我国房地产业的品牌价值灰色评估模型.     

铸铁平板像素检测法中的图像均匀化方法

在铸铁平板像素检测法中，针对图像的不均匀特点，建立了铸铁平板图像的数学模型，并在此基础上提出了以二维插值为基础的铸铁平板图像均匀化方法．结果表明，该方法的均匀化效果良好，均匀化后的平板图像可直接用Otsu方法对其讲行分割．分割效果满足应用要求．     

基于加权BP神经网络的场地连续化分类

本文以四类标准场地模糊分类二维隶属函数为基础，以BP神经网络为手段，建立了一种新的标准场地模糊化方法，训练了现行抗震设计规范中4类标准场地的模糊化神经网络，克服了二维隶属函数在转折边界处不平缓和有突变的不足；并以所建立的4个标准场地模糊化神经网络为基础，建立了基于加权综合的场地连续化分类方法，给出了该方法分类结果的空间分布图，实现了场地分类的连续化，使场地分类结果更符合工程实际；工程应用实例表明，基于BP神经网络的场地连续化分类方法，能更合理、更客观地对工程场地进行分类，为更科学地确定地震作用和进行恰当的结构抗震设计提供了可能。     

Data association based on target signal classification information

In most of the passive tracking systems, only the target kinematical information is used in the measurement-to-track association, which results in error tracking in a multitarget environment, where the targets are too close to each other. To enhance the tracking accuracy, the target signal classification information （TSCI） should be used to improve the data association. The TSCI is integrated in the data association process using the JPDA （joint probabilistic data association）. The use of the TSCI in the data association can improve discrimination by yielding a purer track and preserving continuity. To verify the validity of the application of TSCI, two simulation experiments are done on an air target-tracing problem, that is, one using the TSCI and the other not using the TSCI. The final comparison shows that the use of the TSCI can effectively improve tracking accuracy.     

浅谈商用燃气灶具现场检测的方法

从商用燃气灶具使用气源入手,引出商用燃气灶具适用气源的特殊性,并阐述了商用燃气灶具在现场检测时,如何根据现场的具体情况进行科学的检测。     

融合多尺度CNN与双向LSTM的唐卡问句分类模型

当前大语言模型的兴起为自然语言处理、搜索引擎、生命科学研究等领域的研究者提供了新思路,但大语言模型存在资源消耗高、推理速度慢,难以在工业场景尤其是垂直领域应用等方面的缺点。针对这一问题,提出了一种多尺度CNN与双向LSTM融合的唐卡问句分类模型,本模型将数据的全局特征与局部特征进行融合实现唐卡问句分类任务,全局特征反映数据的本质特点,局部特征关注数据中易被忽视的部分,将二者以拼接的方式融合以丰富句子的特征表示。通过在Thangka数据集与THUCNews数据集上进行实验,结果表明,本模型相较于Bert模型在精确度上略优,在训练时间上缩短了1/20,运算推理时间缩短了1/3。在公开数据集上的实验表明,本模型在文本分类任务上也表现出了较好的适用性和有效性。     

基于节点分类的区域货流分布预测方法

为了更加精确地预测区域货流分布并准确描绘区域经济之间的联系与互动,提出了基于聚类算法与改进重力模型相结合的区域货流分布预测方法。首先,通过Pearson相关性检验对货运影响因素进行分析,针对不同区域之间的异质性和相似性,采用K-means++算法进行节点聚类,对起讫点（origin-destination, OD）对进行精细化研究;其次,引入货运影响因素、社会联系强度以及由距离成本和时间成本构建的阻抗函数作为参数,对传统重力模型进行改进,灵活地适应不同地区的交通特征,使得模型更具通用性和适应性;最后,以云南省为例,利用构建的改进重力模型进行货流分布预测,并与传统重力模型预测结果进行比较。结果表明：改进重力模型预测精度比传统重力模型提升了57.75%,稳定性提升了54.66%。该方法预测精度明显提升,为区域货流预测提供了更为可靠的方法。