三维初应变问题中区域变量的边界型积分公式

给出了用边界单元法求解三维初应变问题时区域型变量的边界型积分公式的显式．首先将区域型变量用完全多项式展开,然后利用积分核之间的内在联系以及高阶基本解,将相应的区域型积分转化成边界型积分,并简述了边界型积分公式的应用．     

核密度估计在大口径机枪加速寿命研究中的应用

以大口径机枪为研究对象,采用核密度估计法对影响机枪寿命的加速应力进行了分析。选取换箱间隔为加速应力,对实验数据进行分析,得出了换箱间隔对机枪寿命有较大影响的结论,并进行了分析,为进一步建立加速模型奠定了基础。     

基于核方法的分类型属性数据集模糊聚类算法

针对分类型属性数据的聚类问题．将核方法的思想推广到快速、高效率的模糊c-均值算法,构造了基于核函数的模糊核c-均值聚类算法．该算法通过使用经验核矩阵充分利用了数据间的“相异性”信息,并且避免了模糊k-modes算法中每次迭代均要直接计算类中心的缺点,提高了聚类的精确度和稳定性．同时该算法对模式(类中心)的初始值选择不敏感．时实际的线性可分的和线性不可分的分类型属性数据集的仿真实验证明了该算法的有效性．     

基于核主成分分析的图像去噪

简介了核主成分分析的原理及利用核主成分分析的图像去噪方法.通过使用核函数,在特征空间中对噪声图像使用主成分分析进行降噪处理.基于MDS的思想,使用核方法计算出在特征空间中降噪后的图像与其邻域点之间的内积约束关系,通过核函数重构出在原空间中降噪图像与其邻域点的内积约束关系,基于此内积约束关系在原空间中重构出降噪图像,从而达到通过核主成分分析对图像降噪的目的.比原有的MDS算法更稳定,对图像的噪声部分有更好的去除效果.     

基于优化核极限学习机的泥石流危险性评估

山区环境中泥石流的孕育受多种因素的影响,为提高泥石流危险性的预测精度,提出一种萤火虫算法(firefly algorithm, FA)优化核极限学习机(kernel based extreme learning machine, KELM)的预测模型。首先,针对数据维度爆炸的问题,通过主成分分析(principal component analysis, PCA)数据降维,使得留有大部分致灾特征信息的因子输入训练模型;然后,使用萤火虫优化算法更新核极限学习机的参数,将四川省北川县监测数据输入优化后的预测模型,并与其他传统机器学习算法进行对比分析,验证该算法的优越性;最后,使用多种指标综合评估模型的预测效果。结果表明,FA-KELM模型能够有效地简化数据结构,提高泥石流危险性预测的准确性,为泥石流灾害预测方面的研究提供参考和借鉴。     

基于参数优化的RBF神经网络结构设计算法

针对径向基函数(RBF)神经网络的结构优化问题,提出了一种基于参数优化的RBF神经网络优化算法.首先,改进K-means++算法,使得聚类算法更精确,为RBF神经网络的隐含层节点找到一个合适的初始中心;然后,考虑数据分布和缩放因子选择的影响,采用方差度量法计算隐含层神经元基函数的宽度;最后,修正网络参数,提高网络的非线性逼近能力.实验结果表明,本文提出的基于参数优化的RBF神经网络具有良好的逼近效果和泛化能力.     

在再生核空间中带有积分边值条件的分数阶偏微分方程的近似解

给出一种新方法求解分数阶微分方程,通过建立相应的映射得到一个快速收敛的高精度解．     

甜玉米分蘖与籽粒产量关系的初步研究

甜玉米在生育期间产生分蘖是普遍存在的现象,对甜玉米分蘖与其籽粒产量关系的初步研究表明:在正常栽培密度条件下,分蘖去除与否对产量及其产量性状没有明显的影响,但分蘖的有无作为植株性状是对产量有利的性状,选育甜玉米品种应选有蘖株较易获得高产品种.     

关于二次域Qp(√d)上热核的一些估计

应用Riesz变换与偏微商理论,得出了二次域Qp(√d)上热核的一些估计.它们是研究Qp(√d)上Gauss积分的基础.     

支持向量机Mercer核的若干性质

目前支持向量机在模式分类中得到了很好的应用.对于线性不可分的样本空间,需要寻找核函数,将线性不可分的样本集映射到另一个高维线性空间.在理论上,怎样选择核函数,还是一个未解决的问题.因此研究支持向量机的核函数性质,对于寻找核函数有重要意义.为此,在研究支持向量机的基础上,给出了核函数的若干重要性质.