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.     

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。     

引导发现法及其在高等数学教学中的应用

引导发现法是培养学生数学探究能力的一种基本的教学方法．高等数学是理工科大学生的一门重要的基础课．论述了引导发现法在高等数学课程教学与研究中的应用原则，并举出了应用的实例．     

温室黄瓜环境管理智能决策支持系统初探

以黄瓜温室栽培和环境控制试验中所建立的一系列作物模型、环境模型和经济模型为基础，以Delphi6．0为软件开发环境，建立温室黄瓜环境优化调控管理的智能决策支持系统．该系统以兼顾作物生长和经济效益为目标，能够根据各种气象参数，给出温室环境实时控制最佳环境参数．