基于案例学习的排球机器人运动规划及其支持向量回归实现

针对混合型控制问题,以排球任务为例研究机器人的运动规划.模拟人类球员通过经验积累而采取相应动作的行为学习模式,采取案例学习的方式解决球的初始状态微小变化(仅发球速度和角度变化)时的运动规划问题.由于支持向量回归(SVR)在处理小样本问题的优越性并受局部学习思想的启发,采用局部加权SVR(LW-SVR)实现案例学习.结果证明,LW-SVR的学习精度较RBF神经网络和SVR明显提高.     

特征筛选对脑-机接口信号单次提取精度的影响

脑-之机接口的核心问题之一是通信载体信号的单次提取．在构建脑控拼写器的过程中，通过“模拟自然阅读”诱发模式产生的视觉诱发电位作为人脑与计算机之间的通信载体，采用支持向量机方法进行特征信号的单次识别．为提高识别精度，详细研究了信号时程、时段的选择对模式识别精度的影响．结果表明，信号时程越长分类精度越高，时程达到300ms时，分类精度就可达到最大值（且趋于饱和）；信号时段的选择对分类精度亦有较大影响，最佳时段在靶刺激出现后约250～350ms作为起始处．这一结果为提高系统的整体速度与精度打下了基础．     

包含约束极值问题的二阶最优性条件

定义了函数f的二阶逼近;给出了当f和集值函数F的支撑函数的和函数在(x-,0)处具有紧二阶逼近时,f在约束0F(x)下取得最小值的二阶充分条件和必要条件.     

维修保障系统效能的分形评估算法研究

建模与仿真技术的应用为解决复杂大系统的效能评估提供了一种有效的技术手段。在介绍空军通信装备战时维修保障仿真系统总体结构的基础上,主要侧重于对系统仿真结果的评估,提出了以分形理论为基础的维修保障系统效能评估算法,并与层次分析法和突变评价法的结果进行比较,结论一致。其评估结果可为决策提供定量依据,为解决军事领域的类似效能评估问题提供一种新思路。     

一种基于KNN与改进SVM的车牌字符识别算法

提出了一种将KNN(K近邻)和支持向量机相结合的字符识别算法.首先用KNN对字符进行判断,如果输出的置信度大于阈值,则认为分类正确;如果小于阈值则采用支持向量机进行判决.改进了SVM分类器,通过调整支持向量机的分类超平面改进了支持向量机的性能.将算法应用到实际的车牌字符识别中,识别结果表明,这种方法在提高识别速度的同时,有效提高了字符的识别精度.     

关于改进的支持向量机的研究

支持向量机是一种基于统计学习理论和对偶理论的分类和函数估计方法,其推广能力强和全局最优的特点引起了学者的广泛关注。本论文对目前所提出的各类改进的支持向量机进行了初步的研究和分析。     

一种新的分类方法——属性均值聚类属性支持向量机(AMC-ASVM)

在属性均值聚类(AMC)与支持向量机(SVM)的基础上,提出了一个新的模式分类算法——基于(属性)聚类的属性支持向量机算法(AMC-ASVM)。主要思想是利用属性均值聚类网络得到的具有概率信息(权重)的样本,来训练属性支持向量机,从而得到分类器。这种方法结合了属性聚类的稳定性与属性支持向量机可以利用加权样本的优点,适合处理具有强噪声的数据。另外,该方法也可以看作是堆近邻分类法的自然推广。在实验部分,将其用于结肠癌基因表达数据的处理。实验结果显示了AMC-ASVM在一定程度上优于最近邻,Boosting,堆近邻,SVM等方法。     

受损托圈承载能力的有限元计算和分析

综合运用计算机仿真、动力学、有限元分析理论和测试技术等科学理论,并以大型的有限元分析软件ANSYS作为仿真和分析的工具,详细研究不同工况下受损托圈的强度,同时校核了受损托圈的承载能力。     

规范家庭养老保障制度问题研究

社会养老不能取代家庭养老。在社会转型时期，我国家庭养老保障制度遇到诸多困难并引发一系列家庭矛盾。因此，必须合理界定赡养人的范围、明确家庭养老的内容、成立专门的家庭养老管理机构、严惩不履行赡养义务者。     

友伴支持对大学生抑郁情绪的影响

探讨友伴的社会支持与大学生抑郁情绪之间的关系。其方法是采用友伴社会支持量表 (ISSB)、抑郁量表 (CES -D)对 116 6名大学生进行问卷调查。结果 :大学生的抑郁在友伴实质性支持、情绪情感支持上的差异具有统计学显著意义 ,友伴实质性支持低分组、情绪情感支持低分组的抑郁得分均显著高于相应高分组的得分 ;友伴实质性支持、情绪情感支持对大学生抑郁均有显著的负向预测作用 ,两者的解释率为 13 5 %。结论 :友伴的实质性支持、情绪情感支持能影响大学生抑郁情绪 ,且有一定的负向预测作用。