基于支持向量机的虹膜识别方法

首先利用虹膜处理系统对采集到的虹膜图像预处理,得到条形图像;然后利用主元分析方法(即PCA方法)进行特征提取,以达到降维的目的,得到的一个训练样本对应一个40维的向量;最后利用支持向量机使用序列最小优化算法进行虹膜识别,平均识别率达到了94.3%。结果表明,文中的方法取得了较好的效果,降低了训练时间,提高了训练效率。     

灌浆期小麦籽粒的多酚氧化酶同工酶谱

用12份冬麦品种研究了籽粒发育过程中灌浆期的多酚氧化酶同工酶．结果表明，在同一生长时期，品种问的同工酶谱有极大相似性，但有一定差异．在不同生长期，籽粒PPO同工酶不尽一致，随着籽粒成熟，同工酶多态性减少．     

再生核空间中非线性算子方程的精确解

在再生核空间W12[a,b]中讨论一类非线性算子方程的求解方法,利用再生核函数的特殊性质和升元的方法,将其转化为二维再生核空间上线性算子方程的求解.在一定的条件下,给出了这类方程的精确解,并用数值算例验证了该算法的有效性.     

基于支持向量机的概率密度估计方法

介绍了基于支持向量机的概率密度估计。从概率密度的定义出发，利用支持向量机求解线性算子方程的方法，直接估计出密度。建立了几种不同的支持向量机仿真模型来进行概率密度估计。从仿真结果来看，该种方法与Parzen窗的精度等级类似，同时又具有Parzen窗方法所不具备的稀疏解。     

关于W_2~1[a,b]空间的两点注记

讨论再生核空间W12 [a,b]定义中的条件是否可以减弱的问题,得到下面的两个结论:(1)条件u(x)是[a,b]上实的连续函数且u′(x)∈L2 [a,b]不能推出u(x)是[a,b]上实的绝对连续函数; (2)再生核空间W12 [a,b]定义中的条件改为u(x)在[a,b]是连续函数或连续囿变函数,那么函数空间不再是再生核空间.     

基于Linux网络协议栈实现及应用

分析了Linux内核TCP/IP协议栈的实现,给出了Linux网络实现的数据结构以及数据发送过程,探讨了在Linux操作系统下进行网络编程的模型、套接字函数的使用方法.针对客户/服务器模式提出了面向连接与无连接的网络编程模型.     

GA优化支持向量机用于混沌时间序列预测

介绍了利用支持向量机与重构相空间理论预测混沌时间序列的方法，并以股价时间序列为样本，比较了几种常用核函数的预测能力，实验表明高斯核的预测能力明显好于其它核．使用遗传算法优化了高斯核支持向量机的参数，优化后其预测能力较经验定参方法有明显提高，且好于传统的预测方法．     

v-支持向量机的收敛性

支持印量机是在统计学习理论最新发展的基础上产生的一个崭新的学习系统．支持向量机算法通过支持向量控制学习机器的容量．为了控制支持向量的数目，Schφlkopf等提出了v-支持向量机．研究了v-支持向量机的若干性质，并给出了相应算法的收敛性。     

第二类Cartan-Hartogs域上的一类双全纯不变量

利用全纯自同构映射，求出了第二类Cartan-Hartogs域Y11上Bergman度量矩阵行列式det T（W，Z；W^-，Z^-）的显表达式,从而得到Yu上的双全纯不变量JYH．进一步研究了当点（W，Z）趋于边界δYH时JYH的极限。有如下结论：当点（W．Z）→（W0,Z0）∈δYH（｜W0｜≠0）时,JYH存在极限π^m＋n（m＋1＋N）^m＋n）/（m＋N）；当点（W．Z）→（0,Z0）∈δYH时，JYH没有极限.     

多焦视网膜电流图一阶响应构成模型及应用

为克服目前在多焦视网膜电流图(m fERG)应用中对一阶响应成分构成的认识不足,通过对一阶响应提取过程的分析,将一阶响应分解为直接成分和诱发成分,并在此基础上提出一阶响应构成模型。为验证该模型的正确性,设计实验得到正常人在刺激时间间隔分别为13.3、26.6、40和66.5m s时的m fERG记录,用一阶响应构成模型解释记录条件的改变对一阶响应特征波峰所造成的影响。结果表明该模型合理可行,能够解释一阶响应的波形变化规律。