基于RBF神经网络的冠心病识别模型

RBF神经网络是前馈神经网络研究中的一个热点.对RBF神经网络的网络结构、基本原理和学习算法进行了介绍.针对BP神经网络自身的缺陷,提出以RBF神经网络为识别模型,采用最近邻聚类学习算法,建立一种冠心病模式识别诊断系统.仿真实验表明,该模型可快速完成对冠心病样本的学习与拟合,具有预测识别率高的优点,可作为该病诊断的一种有效的辅助手段.     

自动图像拼接中的一种特征提取和匹配方法

在比较目前特征提取和匹配的几种方法比较的基础上,提出了一种基于改进特征提取和匹配的拼接方法,使得图像拼接的质量和速度得到提高。该算法首先利用改进的尺度不变特征变换（scale invariant feature transform,SIFT）特征提取方法获得图像特征点,其次利用近似最近邻匹配进行特征匹配并引入随机抽样一致性（random sample consensus,RANSAC）算法去除误匹配对,最后根据匹配的特征点对得到图像间的变换参数进行拼接和融合。该算法具有很强的鲁棒性,允许图像有缩放变换、旋转变换,不受图像噪声、色差的影响。经实验证明,该方法可实现高质量快速的拼接系统。     

大变形原子核中准粒子谱的统计性质和巨超形变

研究了大变形重原子核中的准粒子谱的统计性质,发现对偶偶系统原来的单粒子谱的Ｗｉｇｎｅｒ分布,由于考虑了对效应而被改变成准粒子的Ｗｉｇｎｅｒ和Ｐｏｉｓｏｎ的混合分布,对奇系统对效应不能改变原来的单粒子谱的统计性质这就意味着对效应增强了大变形的偶偶系统的稳定性,从而对为什么在２３２Ｕ,２３４Ｕ和２３６Ｕ中发现巨超形变态,而在奇系统中不能发现它们提供了一种可能的定性解释     

Ad Hoc网络中基于AODV的拥塞适应路由协议

该文提出邻居拥塞表概念,利用旁路、邻居拥塞表、hello消息和下一绿色节点请求技术,对自组网按需距离矢量(AODV)协议进行改进,提出自组网拥塞适应按需距离矢量(CA-AODV)路由协议.在CA-AODV协议中,主节点利用邻居拥塞表,能在第一时间感知网络拥塞.当拥塞发生时,拥塞节点的上一节点能按需建立绕过拥塞节点的旁路,当数据流到达已建立旁路的节点时,被按比例分流在主路由和旁路上,实现了拥塞适应功能.仿真结果显示,与AODV相比,CA-AODV协议的平均端到端延迟更短、数据包递交率更高、规格化路由开销更少.     

一种主动式的半监督最近邻学习方法

同时使用标号点和成对约束信息,设计了半监督的最近邻分类算法。为了解决可能无法为某些数据点分配类标号的问题,提出了ratio排序方法以降低冲突点的个数,并采用基于Citation-kNN评分的主动式学习策略,通过获取一些与周围数据点不一致的点的标号来改善半监督学习的效果,以寻找有价值的监督信息。实验结果表明,本文的学习策略可以提高算法的聚类效果,其CRI指标好于COP-kmeans和CCL算法。     

TSP邻近算法在Euclid平面上的性能比分析

旅行推销员问题(TSP)邻近算法的性能比已经被证明有一个关于点数的对数函数上界,本文就该方法在欧几里得平面上给出了性能比的一个对数下界。     

改进的NSGA2算法在航空活塞发动机装配中的应用

针对复杂机械产品零部件选择装配中个体重复现象,提出一种新的解集评价指标：种群均匀度。基于种群均匀度和拥挤度相结合的子代精英保留策略,改进了多目标优化NSGA2 (non-dominated sorting genetic algorithm-2)算法。以装配合格率和装配精度为质量评价指标,建立选择装配多目标优化模型。引进近邻搜索算子,克服NSGA2算法局部搜索能力的不足。以某型号航空活塞发动机装配为例,优化结果以Pareto边界集表示,结果表明算法改进之后非支配解集的多样性和收敛性均得到了提高。     

多类特征显微图像的识别

针对粉末状态下的中药材显微图像明显具有纹理的特性,提出了一种基于多类型特征组合的中药材显微图像的识别方法.分别使用了三种分析方法,即分形分析方法、小波分析方法、灰度/梯度共生矩阵法,在各种方法中提取对图像分类贡献较大的特征量,并组合成特征向量,作为识别的依据.实验中采用了k-近邻分类方法,实验结果表明了该方法的可行性和有效性,为中药材的定量识别提供了理论依据.     

我国野生动物园时空分布研究

运用年际集中指数、最邻近点系数、地理集中指数、基尼系数等方法,对我国野生动物园的时空分布进行了量化分析.结果发现:我国1993-2010年间开业的野生动物园的年际集中指数为0.039,年际差异性小,开园时间较为分散;最邻近点指数接近于1(0.991),属随机型分布类型;各省级行政区间分布的地理集中指数为22,空间上较为分散;在八大区域间分布的基尼系数为0.973,分布较为集中;在八大区域间的空间密度差异较大,尤以北部沿海、东部沿海、南部沿海和长江中游地区密度较高.     

动态时间规整算法在局部放电模式识别中的应用

采用试品升、降压过程中的视在放电量-施加电压序列作为特征量,并引入动态时间规整(DTW)算法进行局部放电模式识别以区分不同的缺陷类型。算法在训练阶段首先对训练样本和测试样本进行矢量量化(VQ),以码本码字代替原始矢量实现数据压缩,再以训练样本的码字构造DTW参考模板。在测试阶段,计算测试样本与每类放电参考模板的平均DTW距离,并利用快速匹配(FM)算法加快DTW运算过程,最后应用最近邻识别准则得到识别结果。对5类放电的200个样本的测试结果表明,DTW算法具有识别率高和易拓展的优点,并且FM算法能够节省56%计算量和提高DTW算法的识别率。