基于KNN分类器的分层图像特征提取

给出一种基于k最近邻分类器(KNN)的分层图像特征提取方法.该方法能有效地获得有代表性和判别性的模板集合,并以较低计算复杂度来获取更高的识别精度.     

ICP方法匹配深度图像的实现

针对ICP(迭代最近点 )方法中寻找深度像之间点对应关系这一难点问题 ,首先介绍对ICP方法匹配深度图像的原理并给出单位四元数和旋转角度间的关系 ,然后提出一种验证两个深度图像中对应点对有效性的方法 ,给出了判断待匹配深度图像之间的点对应条件的准则 ,同时给出了实现这种准则的数据结构以及程序设计思想 .最后 ,用真实深度图像证明此方法的有效性 ,并用“主次缝合线”法合成匹配后的深度图像     

APT 理论的非参数解释

本文用非参数回归方法中的核函数法和最近邻法来解释ＡＰＴ理论．通过不同核函数的选择和最近邻估计中参数的变化以及鲁棒性回归的辅助解释,来寻找ＡＰＴ理论较好的非参数解释．     

用计算一试验交互法处理带有不确定度的导热问题

将最小二乘法原理应用到一维导热问题中，来尝试计算试验交互法作为一种数据处理工具的潜在能力，并指出此方法可降低试验的不确定度，求得测试值和数值计数的最近真值及其不确定度．     

非线性时序的混沌特性分析与预测

非线性时间序列相空间重构过程中的参数选择问题以及有效的预测方法一直是该领域研究的热点和难点，基于虚假最近邻域概念，同时确定最佳的嵌入维数m与时间延迟τ，对实际非线性时间序列进行相空间重构，求解出时间序列最在Lyapunov指数LE，验证了其中混沌特性，其可预报尺度为[1／LE]．并应用基于[1／LE]个输入神经元与Kenya提出的m：2m：m：1这两种人工神经网络结构对非线性时间序列进行训练和预测，预测结果的平均误差分别为4％和2％左右，后一种神经网络结构能提供更好的预测结果。     

两种基于统计的入侵检测技术

异常检测是防范新型攻击的基本手段.使用两种基于统计的异常检测技术检测网络入侵,一种是基于最大熵原理先从理论上得到正常用户行为的概率分布,然后再设定检测阈值;另一种是基于K-近邻算法,该算法不需要预先知道分布,也能很好地完成异常检测的任务.最后使用DARPA 99的部分入侵测试数据对两种方法进行了测试,并对它们的优缺点进行了比较.     

NSD样本最近邻密度估计的相合性

利用负超可加相依(NSD)序列的Bernstein不等式和Borel-Cantelli引理, 给出NSD样本最近邻密度估计和失效率函数估计的(弱)强相合性、 一致强相合性和(一致)强相合速度.     

赛丁泉彗星将掠过火星

正一颗原始的彗星将在2014年10月呼啸着掠过火星以及环绕在这颗红色星球轨道上的几架探测器,那时,天文学家将获得一个研究它的绝佳"前排座位"。美国航空航天局(NASA)的科学家正在最终确定他们的计划,以便观测这一罕有的天文事件。2 0 1 4年1 0月1 9日,一颗名为"赛丁泉"的彗星将从距离火星表面13.5万km处掠过,这一距离尚不及地月距离的一半。并且由于这是赛丁泉彗星的首次内太阳系之旅,几十亿年来冰冻在其表面的气体和尘埃最终将被加热并释放。加利福尼亚州帕萨迪纳市喷气     

量子K最近邻算法

为减少经典K最近邻算法的时间复杂度,提出了量子K最近邻算法(QKNN)。介绍了QKNN算法的构造步骤,然后为减少量子计数子程序的运行时间,进一步将固定的K值修改为可变的k,形成改进的k可变的量子最近邻算法(QkvNN)。为弥补由于最近邻个数K变化带来的分类错误率上升的影响,在Boosting算法框架下,用三个由QkvNN算法训练的弱分类器,去构造了一个强分类器,从而提高单独运行QkvNN的分类精度。在此算法中,由于利用了量子计算的强大能力,使得经典K最近邻算法的时间复杂度从O(N)减小为O(N)。     

RS-GA-KNN算法识别灵长类动物DNA序列剪接位点

以灵长类动物DNA序列的剪接位点识别资料为研究对象,将选定样本序列中各碱基编码作为原始变量数据,用粗糙集方法和遗传算法对原始变量数据进行变量筛选,即以粗糙集方法选取的变量为基础,用遗传算法进行变量的二次搜索,从样本序列各碱基中挑选出保守性强的碱基对应的变量构成变量集,采用最近邻聚类识别灵长类动物DNA序列剪接位点类型,总识别准确率达90．66％,明显高于直接使用原始变量数据或将粗糙集理论方法和遗传算法单独用于变量选取的识别结果．