基于ASP.NET的"金蝶企业经营实战演练分析软件"的设计与实现

企业经营实战演练,也被称为沙盘演练,涉及企业战略、产品研发、生产管理、市场营销、财务管理等多方面的管理知识与技能,演练基础背景设定为一家已经经营若干年的生产型企业,参加训     

基于压缩感知的在线多示例学习目标追踪

近年来提出的多示例学习算法在一定程度上能够克服模板漂移问题。然而,在线学习需要获取足够多的有用数据才能达到稳定的追踪效果,但是这却增加了算法的复杂度。为了解决这一问题,在压缩感知理论的基础上,运用随机观测的方法对多尺度图像特征进行降维,提取的这些低维特征中包含大量的有用信息。因此,我们提出的算法是先利用压缩感知理论提取目标特征之后,再使用在线多示例学习算法分类器对这些特征进行分类从而实现目标的稳定跟踪。通过对不同的图像序列进行实验,结果表明基于压缩感知的在线多示例学习算法对实时的目标追踪有很好的适应性。     

最优子种群实数编码遗传算法的研究

提出了最优子种群实数编码遗传算法理论，通过从种群中选出适应值最高的若干数量的个体，组成该代最优子种群，将最优子种群中的个体与种群中其它个体进行交叉变异，最优子种群中的个体间也进行交叉变异，从而产生新的种群．该遗传算法对于示例中多极值的问题非常有效，收敛速度也非常快．     

基于多元分类树示例学习算法的改进

以往基于多元分类树示例学习算法的适用范围，只限于每优选一个属性结点都至少能导致一个树叶结点的情况。本文给出的改进算法无此限制，从而拓宽了基于多元分类树示例学习方法的应用范围。     

基于少量示例的个性化Web信息自动获取系统

基于关键词的搜索引擎满足了人们一定的需要,但由于其通用的性质,并不能满足用户的个性化需求,为此,设计并实现了一个基于示例的个性化Web信息自动获取系统.该系统采用了一种新的基于少量Web示例网页和语料库词频统计的特征抽取算法和过滤阈值设定方法.实验结果表明,较基于关键词的搜索引擎而言,该系统能充分考虑用户的兴趣偏好(示例),长期、主动地向用户提供更加准确的Web信息获取服务.     

浅谈利用MATLAB开展数学实验教学

利用恰当的计算机软件工具开展数学实验教学是推动高校数学教学改革和培养学生创新能力的有力措施.有鉴于此,本文简单阐述了"数学实验"的概念和目标并选用MATLAB作为工具,以示例的方式对MATLAB在数学实验中问题求解这一环节加以讨论.     

代价敏感多主题学习的邮件过滤算法

针对传统邮件分类模型中较少对邮件主题进行描述和分析的问题,提出一种代价敏感多主题学习的邮件分类算法,用以实现垃圾邮件过滤.首先,基于LDA(潜在狄利克雷分布)对邮件的多个主题进行提取,对邮件语义进行描述;其次,利用CS-SVM(代价敏感支持向量机)对邮件进行代价敏感学习,实现对不同类别邮件的惩罚;最后,结合MI-SVM(多示例支持向量机)进行代价敏感的多主题学习,实现邮件分类.实验采用四组ling-spam处理数据集.实验结果证明:该分类算法较比传统邮件分类算法,可以取得更高的准确性、特异性与敏感性.     

地震部门在应急救援演练中应敢于“亮真较劲”

地震应急救援演练是检验各级政府和有关部门应对地震突发事件处置能力的有效途径.但是,由于受传统观念和怕“砸场子”、“丢面子”等思想的影响,一些地震部门在组织应急救援演练中容易出现“演为看”和“练与用脱节”的现象,虽然看起来轰轰烈烈甚至赢得了人们的不少掌声,然而如果一旦灾害来临,这种“摆花架子”的把式就派不上用场了,更可怕的是会贻误救灾良机、造成难以挽回的损失.近年来,厦门市地震局紧紧抓住“演为用”、“练为战”,敢于“亮真较劲”,把“演练场”当成“战场”,把“编脚本”、“背台词”、“搞摆练”变成“无脚本”、“无预告”、“无预演”,从难从严提高地震部门组织地震应急救援的能力.     

构建新包空间的多示例学习方法

针对已有神经网络方法采用示例决定标记从而导致多示例学习(MIL)中包结构信息丢失的问题,提出了一种新的RK_BP多示例学习方法.在示例空间,首先采用粗糙集对其进行属性约简;然后进行K均值聚类,利用聚类点构造新包空间;在新空间中,利用误差反向传播神经网络算法进行分类.在多个测试数据集上对算法进行测试,结果表明该算法可有效解决已有神经网络方法包结构信息丢失问题,明显提高分类性能.     

分布式虚拟战场环境—现代战争的实验场

概要分析了军事仿真训练和演练技术的发展,综述了不同阶段产生过重要影响的有代表性的军事仿真训练和演练系统;介绍了我国自主研究开发的分布式虚拟战场集成环境DVENET;最后,指出了分布式虚拟现实技术研究中有待解决的几个问题。