神经网络分类器动态集成方法

提出一种神经网络分类器的动态集成方法.基于bootstrapping构建不同的个体神经网络,针对混合属性,通过不同的加权最近邻设计评估单个网络的分类精度,在此基础上动态选择误差率较小的神经网络,经过投票形成集成分类结果.将该方法与其它几种集成方法在10个UCI数据集上进行了分类性能比较.实验结果表明,该方法在上述所有数据集上的平均分类精度最佳,同时发现,Bagging比隐层神经元数法能更好地生成个体网络,而将两者结合起来训练个体神经网络,并不能明显提高集成性能.     

一种改进的K近邻法在模式识别中的应用

针对传统K近邻法的缺陷,改进的K近邻法首先对训练样本进行聚类,将样本的特征空间划分成若干满足一定条件的小超球体,然后依据最近间隔值在这些小超球体内搜索待分类样本的K个近邻点.算法通过特征选取,选出反映样本模式重要信息的特征,从而确保了聚类的质量.同时K近邻算法中引入的最近间隔值,既确定了近邻点的搜索半径,又保障了搜索的准确性.通过实验证实,该方法不但节省时间,还有较高的识别率.     

基于曲线推进的符号距离函数生成方法

目的构造水平集方法中所采用的符号距离函数,以提高曲线演化算法的速度。方法通过对水平集曲线形状的分析,给出了曲线内外点的判断方法,然后以距离等于1为步长推进边界,同时进行邻域最近点扫描,寻找任一网格点在曲线上的最近点,从而给出该点到曲线的距离。结果内外点的判断以及符号距离函数的构造均只需要经过图像的一次扫描即可给出结果,计算复杂度为O(N)。结论数值实验分析结果表明,新的方法计算稳定,比其他方法速度快。     

A LAW OF THE ITERATED LOGARITHM FOR RANDOM WINDOW-WIDTH KERNEL ESTIMATOR OF A NONPARAMETRIC REGRESSION FUNCTION

In this paper we study the estimation of the regression function.We establish a law ofthe iterated logarithm for the random window-width kernel estimator and,as an application,fora nearest neighbor estimator.These results give sharp pointwise rates of strong consistency ofthese estimators.     

一类关于上无赘数的不等式的极图特征

1989年E.J.Cockayne和C.M.Mynhardt得到了一个图图G的上无赘数IR(G)和它的补图G的上无赘数IR(G)之和的一个上界,即IR(G) IR()≤n 1(其中n是G的阶数),而且以Kn为例说明该不等式是可达的.刻画了这个不等式的极图特征及几个相关不等式的极图特征.     

一种用于语音模板产生的无监控聚类算法

将共享近邻(SNN)算法中的近邻概念具体化,为K-均值算法(KMI)设计了一种初始类心选取方案,并把改进的共享近邻算法(MSNN)和改进的K-均值算法(MKMI)合并到一起形成一种不需外界干预的综合聚类算法(CCA).用两组语音数据进行了比较试验,结果表明,MKMI和CCA的性能比KMI的分别高57％和108％;MSNN是一种比较有效的粗分类算法。     

自旋密度波对有次近邻互作用超导体的影响

本文研究具有次近邻互作用的2 1维BCS型超导体与自旋密度波共存的系统。在平均场近似下,应用含温度格林函数方法讨论自旋密度波序参量M对超导相变温度Tc的影响。计算表明不可能出现自旅密度波提高Tc的情况,而当M较大时,往往破坏超导电性。     

密度与回归的随机窗宽核估计的渐近正态性

本文建立了密度和回归函数的随机窗宽核估计的渐近正态性,并给出了在回归函数最近邻估计场合的一个应用。     

自适应最近邻预测(英文)

研究了在最近邻预测中如何选择最近邻的阶数的问题。考虑了两种根据训练样本来确定近邻阶数ｋｎ与ｋｎ的方法。还证明了使用这些近邻阶数来进行预测可以达到最优预测以及进行了随机模拟计算,计算结果与文中理论相当吻合,并且揭示了最优近邻阶数ｋ０ｎ与样本量ｎ之间关系。