带特征染色体的遗传算法与支持向量机结合进行生物水质预警的研究

近年来水污染事件频发, 给人类饮用水安全带来巨大隐患, 而生物监测法能够从生物学角度对水质状况做出综合分析. 选取斑马鱼作为受试生物, 当水质发生变化时, 鱼群在毒性物质作用下产生应激反应, 此时运用图像处理技术量化鱼类群体行为参数; 并用带特征染色体的遗传算法与支持向量机相融合的方法进行特征选择和SVM参数优化, 分析影响水质预警的关键量化参数. 结果显示, 新方法与网格搜索法、不带特征染色体的遗传算法与SVM结合的方法相比较, 有更高的准确率.     

基于模糊模式识别的文本自动分类法研究

国分类在文献检索、信息过滤和文本管理等领域中有着广泛的应用,手工进行文本分类周期长、费用高、效率低,难以满足实际需要,本文给出了一种基于模糊模式识别与预定义类别的文本自动分类方法,并详细阐述了模糊模式识别原理及文本自动分类算法。     

一种基于多光谱波段选择的白细胞图像分类法

基于多光谱波段的优化理论，在白细胞图像各波段问相关性分析的基础上，对传统最大似然分类法进行改进，提出一种对白细胞图像选择最有效部分波段进行识别的分类方法．该方法通过贝叶斯理论与其他先验知识进行融合，提高了分类准确度，克服了传统最大似然分类法在图像识别过程中具有的数据量庞大、计算程度繁冗和识别速度慢等缺点．实验结果表明，在保证分类精度基本不变的条件下使计算效率提高了2倍以上，为今后图像特征提取和图像分割奠定良好的基础。     

用Hough变换的方法提取图像拐点

拐点特征是模式识别中经常用到的一类不变量．本文利用Ｈｏｕｇｈ变换找出图像轮廓中的直线段，确定其直线方程，将相邻两直线段延长相交得到的交点定义为拐点．由于Ｈｏｕｇｈ变换是统计平均的结果，所以求得的拐点较为稳固，抗噪声性能较好．文中也给出了拐点的具体算法．     

面向并行设计的局部特征识别技术研究

为支持在并行设计过程中设计特征模型到加工特征模型的逐步转换，提出了局部特征识别的方法．在并行设计中，设计特征模型和加工特征模型通过面名历史图共享零件的实体模型，设计特征的变动通过局部特征识别自动地转换为相应的加工特征．局部特征识别是由基于最小条件子图特征识别方法改进来的，它以零件的局部区域为识别对象，通过搜索匹配局部区域构成的边界模式，识别出该局部区域中所包含的加工特征．局部特征识别方法的特点是只对设计中发生变动的区域进行识别．     

汽车发动机智能故障诊断专家系统的开发

采用VB语言,根据诊断树理论,构造了一个基于神经网络的汽车发动机智能故障诊断专家系统．对故障树理论、神经网络的建立和系统的结构功能等进行了探讨．给出了工程应用的实例。     

结合HOG-LBP特征及多实例在线学习的随机蕨目标跟踪方法

提出了通过联合随机蕨与HOG-LBP特征建立目标模型的方法. 首先利用选定目标图像块中的HOG-LBP特征向量完成初始化及在其后的过程中产生新的随机蕨, 该随机蕨用于对兴趣目标的检测和跟踪. 目标模型的更新通过多实例在线学习与更新蕨池实现. 提出的方法在选定6个标准视频序列进行测试, 测试结果与现在较流行的OnlineBoostingTracker、MILTracker等跟踪算法进行了比较和分析. 结果表明, 在各种复杂环境下, 本研究提出的方法具备良好的跟踪鲁棒性, 在抗局部遮挡和光照变化方面具有一定的优势; 同时算法具备一定的抗尺度变化能力; 在抗旋转方面, 该算法仍有一定的可改善空间.     

一种机器人支撑臂的力学分析与距离选优

采用Adams虚拟样机仿真技术对一种机器人的主要构件进行建模,分析了模型前后支撑臂的受力情况;分别建立了7种前后两臂之间不同距离的模型,通过数据对比,优选出使电机功率输出最小的两臂间距离.     

矿产预测中的成矿因子选择方法：以滇东南金矿预测为例

由于矿产地质信息的复杂性和不确定性,难以建立精确的数学模型来确定矿产资源的分布状况.非线性分析建模技术,如人工神经网络（Artificial Neural Network,ANN）、支持向量机（Support Vector Machine,SVM）等,给矿产预测工作提供了新的途径.这类方法在处理数据时可以避免数据分析和建模的困难,即不须理解各种成矿因子与矿床（点）之间的相互关系,只须选择已知的矿床（点）和非矿产（点）,进行＂黑箱＂学习.虽然经过合理的训练,这类方法能够得到较高的预测精度,但由于其分类过程的非线性特性,难以获得容易理解的分类规则,提供成矿因子的知识.本文采用基于SVM的迭代特征消去（Recursive Feature Elimination,RFE）技术（SVM-RFE）,即在SVM模型的训练过程中,采用RFE特征选择方法,从所有输入的成矿因子中选择出对矿床（点）能正确预测的重要因子,以提供对输入模型的成矿因子的客观评价.通过对滇东南地区金矿预测的实践表明,采用SVM-RFE技术从原始10类成矿因子中自动选择6类进行预测的精度从68.42%提高到94.74%,并且得到该区域进行矿产预测的成矿因子重要性依次是：Au异常、As异常、侵入岩、下三叠统与中三叠统之间的平行不整合面、上二叠统与三叠系的平行不整合面、断裂交汇点密度、石炭系和下二叠统间的平行不整合面、中上泥盆统和石炭系间的平行不整合面、Sb异常和Hg异常,从中选取前6类成矿因子进行SVM训练得到的预测精度最高.这一结论可为在该区域进行矿产预测的资料选取,以及对成矿因子的理解提供支持.     

马科维兹资产组合选择模型的旋转算法

提出线性不等式组的一种旋转算法，并用其求解马科维兹资产组合选择模型，此算法每次迭代约需n^2次乘法和加法，其中n是模型中变量的数目，在微机上运行Delphi程序的实验结果表明，从上海和深圳股市1072支股票70期周末收盘价计算出20个最优投资组合仅需314次迭代和45s。