松嫩平原土壤有机质含量高光谱反演研究

采集松嫩平原典型类型土壤样本252个.室内条件下测定了风干后土样的光谱.对原始光谱数据作预处理后,分别运用多元线性逐步回归法和偏最小二乘法建立土壤有机质含量高光谱预测模型.结果表明,采用2种方法建立的模型均可满足有机质含量速测要求,但偏最小二乘法得到的模型更具稳健性.     

一种基于模糊模型相似测量的字符无监督分类法

提出了一种能有效完成对无监督字符分类的模糊逻辑方法 ,以提高字符识别系统的速度 ,正确性和鲁棒性 .字符首先被分为 8种印刷结构类 ,然后采用模式匹配方法将各类字符分别转换成基于一非线性加权相似函数的模糊样板集合 .模糊无监督字符的分类是字符匹配的一种自然范例并发展了加权模糊相似测量的研究 .本文讨论了该模糊模型的特性并用以加快字符分类处理 ,经过字符分类 ,在字符识别时由于只需针对较小的模糊样板集合而变得容易和快速     

基于遗传算法参数优化的最小二乘支持向量机财务困境预测

传统支持向量机应用于财务困境预测时,需要求解复杂的二次规划问题,求解难度大。而最小二乘支持向量机模型可以将二次规划问题变成一个线性方程组来求解,有效降低了模型求解的难度。尤其是将遗传算法应用于最小二乘支持向量机模型参数和核参数的优化时,显著提高了模型预测的正确率。本文从沪深两市随机抽取了2002年-2007年252家A股上市公司作为研究样本,并把研究样本分为两组,对这两组样本数据分别进行了短期及中长期预测。实证结果表明,基于遗传算法的最小二乘支持向量机模型的预测效果不但好于传统统计类Logit模型,也优于传统支持向量机模型。短期预测效果显著优于中长期预测效果,训练样本数直接影响到模型的预测效果,二者呈正相关关系。     

完善高考3+2总分统计的科学分析

通过高考总分简单的累加,不能准确反映各科课程难易,可能导致不能公平录取的结果。本文提出了用某门课程的实际考试最高分与平均分的衡量产生加权3总分的统计方法,试图更加客观地反映考生真实成绩。     

基于干涉图加权叠加的图像压缩算法

在对图像进行压缩的过程中,容易出现信息丢失的情况,导致传统图像压缩算法由于相关性低的图像也可参与等权计算,使得图像产生偏差及失真,无法有效实现图像压缩,提出一种基于干涉图加权叠加的图像压缩算法,给出高相关点的平均形变相位变化速率,依据误差传播定律,求出全部干涉图叠加后高相关点受到的大气延迟干扰,对每个图像对应的相关系数进行计算,依据模型采集高相关目标点,干涉图被叠加后,给出高相关点大气延迟对线性形变速率的干扰,通过移位操作获取样本的Exp-Golomb级数,完成编码获取数据的非负映射操作,利用上一个样本的Exp-Golomb编码级数对当前样本值级数进行估测,通过计算原始干涉图数据和压缩后的干涉图数据的压缩比与峰值信噪比,对压缩效果进行度量。通过光谱相对均方误差RQE对压缩前后的原始光谱和复原光谱进行度量。仿真实验结果表明,所提方法具有很高的精度。     

基于SOR-LS-SVM的公路旅游客流量组合预测模型

基于指数平滑、多元线性回归、灰色系统等目前常见的预测方法建立超松弛改进的最小二乘支持向量机算法的公路旅游客流量组合预测模型。通过实例验证和比较,展示了基于超松弛最小二乘支持向量机算法的公路交通旅游客流量组合预测模型具有较好的预测效果和较高的应用价值。     

加权粗糙集算法的PDA图书馆最优选书策略

针对标准贝叶斯网络模型在PDA图书馆选书分析的应用中表现出误差较大的问题,本文提出了一种基于加权粗糙集优化贝叶斯网络的PDA选书模型,首先采用粗糙集的方式,重构属性集合,用新的属性集合代替原来的属性集合,然后采用属性序描述方法,这样得到的约简后的条件属性将按照对决策属性影响逐渐减小的顺序依次排列,为了减小此缺陷的影响,采用加权的方式对基于粗糙集的贝叶斯模型进行改进。仿真试验结果表明,基于加权粗糙集优化贝叶斯网络的PDA选书系统功能完善,并且通过实际选书案例证明其选书精确性较高。     

基于多特征的江苏海域赤潮遥感提取算法

针对单一的赤潮特征提取算法在对赤潮遥感图像进行特征提取时还存在准确性不高等问题,本文提出了一种基于多特征的赤潮遥感提取算法,首先对加权平均方法进行改进,提出了自适应加权平均算法,对遥感图像的叶绿素浓度特征进行提取,然后采用偏差系数对水体固有光学模型进行参数优化,对遥感图像的光谱特征进行提取。实例仿真试验结果表明,本文提出的基于多特征的赤潮遥感提取算法相比较单一的光谱特征提取算法,具有较高的赤潮特征提取准确性和稳定性。     

非齐次等式约束线性回归模型回归系数的广义条件岭估计

时非齐次等式约束线性回归模型回归系数提出广义条件岭估计.证明了在一定的条件下,在均方误差矩阵、均方误差及广义均方误差意义下,广义条件岭估计都优于约束最小二乘估计和狭义条件岭估计.     

基于RSSI差值加权的质心定位算法

由于RSSI值随机变化较大,使得直接利用RSSI值作为依据来计算信标节点的权值的加权质心定位算法在定位过程中存在较大误差。针对这一问题,提出基于RSSI差值加权的定位算法,利用网络中信标节点之间的距离和相应的RSSI值作为参考,并将测得的RSSI值与信标节点之间的RSSI值作为差值,根据差值的大小判断所测距离与信标节点之间距离的接近程度,以此来减小实际环境对加权质心定位算法的影响。仿真结果表明,与基于RSSI校验的定位算法相比,该方法进一步减小了定位误差。