1,3,5-均苯三羧酸根金属-有机多重框架结构配合物

综述了近年来1,3,5-均苯三羧酸(H3BTC)与金属配位形成金属配合物的研究进展。对1,3,5-均苯三羧酸根(BTC)作为桥基时的配位特点及其桥联多核配合物的合成方法和结构特点进行了简要介绍,并对今后BTC类超分子网络配合物应用与结构研究的发展方向进行了展望。     

基于支持向量机的信用评估模型及风险评价

运用基于支持向量机理来建立一个新的个人信用评估预测模型,以期取得更好的预测分类能力.并对SVM分类结果与三层全连接BPN分类结果进行了比较.结果表明,在判别潜在的贷款申请者中支持向量的判别结果比神经网络的要好.为了减小训练集偏差及为了验证两种方法的鲁棒性,基于两种策略(平衡样本与非平衡样本)交叉验证来进一步评价SVM分类准确性,并对两种方法基于两种策略的误分类作了风险代价分析.     

基于支持向量机的小波域自适应水印算法

提出一种小波域中基于小波系数方向树模型的支持向量机自适应水印算法.利用支持向量机在小样本的情况下具有良好的学习和泛化性能的特点,建立小波域内不同尺度上同方向子带内相同空间位置的小波系数间的关系模型;根据关系模型来嵌入和提取水印.为提高图像视觉效果,采用模糊聚类的方法自适应地选取水印的嵌入位置.实验结果表明:该方法对常见的图像攻击具有很好的鲁棒性,而且水印的隐蔽性好、安全性强.     

两种电机滚动轴承故障诊断方法对比研究

分别将集成经验模态分解(Ensemble Empirical Mode De-composition,EEMD)、经验小波变换(Empirical Wavelet Transform,EWT)、排列熵(Permutation Entropy,PE)、支持向量机(Support Vector Machine,SVM)方法...     

融合LDA主题模型和支持向量机的商品个性化推荐方法

针对网络商品评论数据不能有效引导买方做出合理选择的问题,提出一种融合LDA主题模型和支持向量机的商品个性化推荐方法。首先爬取不同类型商品的用户评论数据并对其进行预处理;其次建立基于LDA的主题模型并对其特点进行量化;最后利用支持向量机实现商品个性化推荐。以智能手机商品为例进行实验分析,结果表明,所提方法能获得98%以上的分类精度。     

基于改进量子遗传优化支持向量机的配电网故障分类

针对传统方法在解决现代配电网故障分类时存在的求解速度慢、分类精度差的问题,提出一种结合量子遗传算法的支持向量机配电网故障分类方法。首先采集故障信号并进行S变换处理,将处理结果的均方根与均值作为特征量,以提高特征量辨识度;其次在量子遗传算法的种群更新策略中引入自适应动态旋转角,避免算法在早期陷入局部收敛,增加算法的调参精度。以IEEE33节点配电网模型为研究对象的实验结果表明,所提的特征量提取方法有效提高了支持向量机的故障分类精度,改进后的量子遗传算法通过为支持向量机寻到更优参数从而进一步提高了故障的判别精度和分类速度,验证了方法的有效性与准确性。     

短波辐射源的单站定位研究

无线电测向一般通过“三角法”对被测电台定位。按照三角法,定位一个被测电台至少需要两台位于不同地点的测向机,并且这两台测向机和被测电台须不在一条直线上。在短波波段可以只用一台测向机而实现对被测电台的定位。这就是所谓单站定位技术。这是短波辐射源测定定位的一个特别之处。如果反射短波信号的电离层高度（准确地说是“等效电离层高度”）已知,[第一段]     

面向网络遥操作的多传感器集成手爪的设计

以网络遥操作为应用背景,设计了一种分层的多传感器集成手爪。设计中首先提出了包含了数据采集层、数据处理层、网络交互层等三个层次的手爪体系结构。然后提出了基于支持向量机的融合算法,并结合CAN总线等技术对手爪系统进行了逐层设计,使其具有模块化、智能化等特点。还搭建了多传感器集成手爪实验系统,完成了基于多传感器集成手爪的网络遥操作作业。实验结果表明：该手爪具有较强的局部自主能力,并有效提高了网络遥操作系统的作业能力。     

基于支持向量机的图像检索主动学习方法

为解决基于内容的图像检索中训练集样本过小问题,本文提出一种结合相关反馈和支持向量机的主动学习算法,首先计算未标注样本到分类超平面的距离以及与当前训练集中样本的余弦距离和,然后取具有总的最大余弦距离同时到超平面距离最短的样本加入训练集,通过增加最具信息的样本到训练集,使得分类器可通过少量反馈次数而快速达到较高的准确性.试验表明,本文算法能有效提高分类器的分类精度和泛化能力,在减少评价样本数量的前提下,可快速收敛于用户定义的目标查询概念.     

基于语料库的名词短语识别方法

名词短语识别是自然语言处理领域的非常重要的子任务。利用最大熵法（ME）、支持向量机法（SVM）和隐马尔可夫模型（HMM）3种有代表性的统计方法对汉语文本进行名词短语识别,并对实验结果进行比较分析。结果表明HMM法在封闭测试中优势明显,SYM法在小样本模式的开放测试中表现良好,而最大熵方法在两种测试中的识别结果均比较理想。分析表明,HMM方法侧重应用在与线性序列相关的现象上;SVM方法适用于有限的汉语带标信息的分类问题;而最大熵方法特别适用于把不受限的文本特征加入统计模型中的情况。