扩散过程样本的Holder连续性及其应用

本文讨论扩散过程样本的Ｈｏｌｄｅｒ连续性，在局部Ｌｉｐｓｃｈｉｔｚ条件下，我们证明了扩散过程样本类似于Ｂｒｏｗｎ运动样本一样的Ｈｏｌｄｅｒ连续性，进一步，我们还了扩散过程样本的象与图集的Ｈａｕｓｄｒｏｆｆ维数。     

基于词-标签概率的多标签文本分类研究

针对多标签文本分类任务中如何有效地提取文本特征和获取标签之间潜在的相关性问题,提出一种CNN(convolutional neural networks)结合Bi-LSTM (bi-directional long short-term memory)的模型.首先,通过CNN网络和最大池化提取文本的特征;然后,利用训练的Labeled-LDA(labeled latent dirichlet allocation)模型获取所有词与标签之间的词-标签概率信息;接着,使用Bi-LSTM网络和CNN网络提取当前预测文本中每个词的词-标签信息特征;最后,结合提取的文本特征,预测与当前文本相关联的标签集.实验结果表明,使用词-标签概率获取文本中词与标签之间的相关性信息,能够有效提升模型的F1值.     

基于逻辑相似性的运动检索算法

针对基于内容的人体运动检索问题,提出了一种基于逻辑相似性的运动数据检索方法。首先,针对特定人体运动序列数据,使用自组织网络映射算法对运动数据进行预处理,找出运动数据帧的最佳匹配单元。然后,应用数据编码规则对匹配单元进行量化及编码处理,获得基于符号化表示的运动描述符。基于符号化表示的描述符建立运动序列索引机制,应用多分辨率框架进行运动模式匹配。最后,按照模式匹配结果进行运动相似性排序,输出检索结果。在CMU运动数据库中的试验结果表明了算法有效性。     

Identification and classification of subspecies of Asian cultivated rice and their hybrids

Having reviewed the major classification systems proposed by various scholars across the world, it is found thatindica andjaponica underO. sativa L. are two major directions thoroughly differentiated from the Asian cultivated rice, forming the framework of the classification structure. A system withindica andjaponica as the only two subspecies is therefore reiterated. There are various ways to determine the indica-japonica identity of hybrid rice, but the “combined morphological trait index” (CMT index) method is more efficient and easier to handle, although the isozyme analysis, molecular marker analysis and grain quality assay methods are also feasible.     

受控源作用分析

受控源作用分析程道林１房建州２（１徐州师范大学物理系,徐州,２２１００９;２徐州教育学院物理系,徐州,２２１００６）独立源作为电路的输入,代表着外界对电路的作用,在电路中起激励的作用．而受控源则不同于独立源,其电压或电流不是定值,也不是给定的时间函数...     

一个中国湿地植物资源分类系统

提出了一个中国湿地植物资源分类系统,并将我国湿地植物资源分为３大类２４小类,这个系统根据湿地植物用途建立系统框架,将植物群落的建群种,分布广的植物,生物量大的植物,湿地特有植物和与水禽,野生动物栖息地,繁殖地,隐蔽地相关的植物作为选择资源植物类别的标准。     

关于傅科摆相对运动轨迹的讨论

根据傅科摆确定的起始条件,正确导出其轨迹方程,并用计算机画出其相对运动轨迹曲线。同时推证得摆锤在最大幅角位置时,其相对速度为零这一重要特征。     

跳帧转换编码中的运动矢量修正

在跳帧转换编码中,利用前向向量法进行运动矢量合成可以得到较好的图像信噪比。本文提出了用HAVS快速搜索算法对合成的运动矢量进行修正的方法,同时给出了一个最佳搜索窗口。实验结果表明,在±2像素内,用HAVS算法对合成的运动矢量修正,既能明显提高图像的信噪比,同时又能最大限度的降低计算量。     

分类规则挖掘的免疫算法

为了高效地从数据库中挖掘分类规则，提出了一种基于免疫算法的分类算法．该算法的核心思想为：对规则的前件进行固定长度编码，适应度函数的计算由分类规则的较小分类错误率、简洁性、一致性和训练实例的覆盖性构成，通过把适应度最小的个体作为先验知识来修改个体的某些分量的方法进行疫苗接种，并通过检测个体是否出现退化和模拟退火来实现免疫选择，同时还采用了基于信息增益的规则剪枝策略．在美国加州大学标准数据集中的5个数据集上将该算法与RISE和OCEC算法进行了实验比较，结果表明该算法不仅具有更快的收敛速度，而且获得了更高的预测准确率及更小的规则集。     

基于非线性参数的意识任务分类

研究了非线性参数作为脑电（EEG）信号特征时对意识任务分类的作用，使用的3种非线性参数特征为最大Lyapunov指数、轨道平均周期和轨道平均初始距离，分类方法为Fisher线性判别式．对4个实验对象共60个任务对进行了分类处理．使用3种参数在2s数据段上取得的平均分类精度分别为82．3％、90．7％和93．3％．在较短（1s）的数据段上，应用轨道平均初始距离参数进行分类取得了平均为90．8％的正确率，分类精度接近于Anderson取得的实验结果．轨道平均周期和轨道平均初始距离算法具有较小的运算量，能够应用于在线系统．