线接触共轭曲面的类复向量矩阵算法

提出并利用类复向量矩阵方法计算线接触共轭曲面方程,只利用一个类复向量矩阵公式就完成全部坐标变换,消除了传统方法的多次坐标变换,使计算过程成倍简化.     

基于类复向量原理的机器人位置和姿态分析

介绍了双实部类复向量的有关原理,建立了机器人位置的类复向量方程,并以6R机械手为例,论述机器人位置和姿态分析的类复向量方法。本文的方法与现行坐标变换矩阵法相比,变换次数和被变换的向量个数明显减少,从而使计算过程大大简化。     

平面含复铰运动链拉普拉斯矩阵描述方法与同构判定

为了在运动链构型综合过程中进行同构识别，课题组提出了一种拉普拉斯矩阵方法对平面含有复铰运动链的拓扑结构进行描述以及同构判定。首先，构建了一种拉普拉斯矩阵，利用奇异值分解来确定唯一性；其次，利用SVD分解得到奇异值向量，通过比较不同分量的奇异值向量形成拉普拉斯矩阵，从而判断是否同构来确定矩阵形成的唯一性机制；最后，通过案例进行证明。结果表明该方法具有有效性和高效性。     

广义特征值与酉相似

关于矩阵的特征值及相似理论研究相当深刻,但对广义特征值及相似问题有关文献很少论述.本文讨论这方面的问题,它在振动理论、物理及其它邻域有着广泛的应用.本文所述数域范围为复数域,如无特指,矩阵均为n阶复矩阵,向量为n维复向量.     

支持向量聚类算法的研究与改进

支持向量聚类是基于支持向量机和核方法的一种新颖的聚类方法.与其它传统聚类方法相比较,该方法具有能得到全局最优解,并能处理任意形状的聚类,无需指定聚类数目,参数少,容易处理高维数据等优点.在原算法的基础上,在聚类标识阶段提出了改进算法,用支持向量代替原来的全部样本数据来进行标识,进一步减少运算时间,提高运算速度.     

运用数学实验解决棋子颜色问题

通过对棋子颜色问题建模,定义布尔向量运算系统,分析其性质,改进棋子模型.在此基础上定义了布尔向量的运算周期、扩展周期,解决了初始布尔向量为第一类、第二类不动点的情况.运用数学软件统计了布尔向量的周期,循环节,预测Sn中的布尔向量公倍周期和扩展共倍周期.最后讨论了Sn中1周期点的基本情况.     

具内部锥类凸集值优化问题超有效元的Kuhn-Tucker最优性条件

在Hausdorfr局部凸拓扑线性空间中考虑具内部锥类凸函数约束集值优化问题(SOP)的超有效元.在内部锥类凸和条件(CQ)成立的假设下,利用择一性定理得到了向量集值优化问题(SOP)超有效元的Kuhn-Tucker型最优性充分必要条件.     

基于特征优选模拟电路故障诊断方法

传统基于最小二乘支持向量机模拟电路故障诊断方法都是使用单一的特征向量组合训练支持向量机所有二分类器,然而实际上每个二分类器对不同的特征向量组合有不同的分类精度。因此,提出了基于马氏距离的粒子群优化算法,为最小二乘支持向量机所有二分类器优选出近最优的特征向量组合。然后,将近最优特征向量组合用于训练和测试该支持向量机。最后把该方法应用于模拟电路早期故障诊断,实验结果表明,基于近最优特征向量组合的诊断精度要高于单一特征向量组合的诊断精度。     

支持向量机中未确知信息的处理方法

介绍了构建未确知支持向量机的设想,在构建未确知支持向量机的未确知机会约束规范模型的基础上,提出了未确知支持向量机模型转化为其确知等价类的方法,并给出了一个具体算例说明该方法是可行的.     

基于SOM神经网络和复相关系数结合的机床主轴温度测点的优化筛选

提出了基于SOM神经网络和复相关系数相结合的温度测点的优化算法,并应用于SV-48立式加工中心主轴测温点优化筛选。首先,在主轴上模拟布置温度传感器和Z轴位移传感器,在有限元分析的基础上得到了一系列温度和Z轴热位移仿真数据;然后,将温度数据输入到SOM神经网络聚类分组;最后利用复相关程度法将聚类的温度值与主轴Z轴热误差拟合,确定出机床热敏感点。研究结果表明,该方法简明易懂,有效减少了测温点的数量。     

复标比喻结构“X像Y似的（Z）”构式考察

复标比喻结构“X像Y似的（Z）”是比喻句式中的一种典型结构。本文从动词类、副词类和介词类三种标记形式来考察其结构层次,通过对核心复标结构“像Y似的”的分析发现,在三种情况下都分析为助词结构比较合适。同样,复标比喻结构“像Y似的Z”应是偏正结构。     

Fisher大间距线性分类器

作为一种著名的特征抽取方法,Fisher线性鉴别分析的基本思想是选择使得Fisher准则函数达到最大值的向量(称为最优鉴别向量)作为最优投影方向,以便使得高维输入空间中的模式样本在该向量投影后,在类间散度达到最大的同时,类内散度最小。大间距线性分类器是寻找一个最优投影矢量(最优分隔超平面的法向量),它可使得投影后的两类样本之间的分类间距(Margin)最大。为了获得更佳的识别效果,结合Fisher线性鉴别分析和大间距分类器的优点,提出了一种新的线性投影分类算法——Fisher大间距线性分类器。该分类器的主要思想就是寻找最优投影矢量wbest(最优超平面的法向量),使得高维输入空间中的样本模式在wbest上投影后,在使类间间距达到最大的同时,使类内离散度尽可能地小。并从理论上讨论了与其他线性分类器的联系。在ORL人脸库和FERET人脸数据库上的实验结果表明,该线性投影分类算法的识别率优于其他分类器。     

有关向量组的线性相关性的常见错误

在线性代数的教学中,向量组的线性相关性与线性无关性内容是比较抽象的,学生较难理解和掌握。本文首先将向量组的线性相关性内容归纳为三大类问题,并介绍解决问题的思路、方法;其次就教学中向量组的线性相关性常见的错误举例进行说明。     

基于物化特性编码和离散增量的支持向量机方法预测酶的亚类

从酶序列出发,提出了一种新的酶的亚类的预测方法。利用物化特性编码和离散增量得到特征向量来表示序列信息,并将这些特征向量输入支持向量机,对酶的6个家族类中各自的亚类进行分类。在Jacknife检验下,氧化还原酶,转移酶,水解酶,裂解酶,异构酶和连接酶中包含的亚类得到的预测精度分别为96.2%,99.2%,99.6%,95.3%,94.4%和97.7%。该方法得到的预测结果优于其它方法。     

基于S-WLLE算法和SVR的植物叶片图像识别方法

针对加权局部线性嵌入（Weighted Locally Linear Embedding,WLLE）算法不能充分挖掘样本类别信息以及传统流形学习算法中利用已有训练样本流形邻域关系近似得到测试样本低维嵌入的低精确性,提出了基于监督加权局部线性嵌入（Supervised Weighted Locally Linear Embedding,S-WLLE）算法和支持向量机回归（Support Vector Regression,SVR）的植物叶片图像识别方法。首先利用叶片样本监督距离代替WLLE算法中的欧式距离,对训练样本进行降维;然后学习训练样本已有数据得到SVR模型,预测测试样本的低维嵌入;最后利用最近邻分类器分别实现正负类样本以及负负类样本之间的识别。实验表明,该算法不仅提高了正负类叶片的识别精度,而且能够有效实现负负类叶片的识别。     

复指词组的语义逻辑分析

复指词组可分为二合的与多合的、简单的与复杂的、绝对的与相对的等不同类型。绝对的复指词组和相对的复指词组的分析，依据的是构成词组的概念间的外延关系。依据成分间的语义逻辑关系，可以发现“名＋名”式相对的复指词组包括概括性的和限制性的两小类，每一小类又各有可易位重构和不可易位重构的两类。可易位重构的两类之间实质上是彼此相互转换的关系     

浅谈利用向量组的线性相关性判断方程组的解

我们知道方程组是否有解最有效的判断方式是利用矩阵的秩，但是我们又知道向量组和矩阵是息息相关的。任何一个矩阵都可以看成是由向量组构成的，矩阵的秩对应着向量的线性相关性，既然利用矩阵的秩可以判断方程组的解，那么利用向量组的线性相关性也可以判断方程组的解。     

用复变数求解受迫振子的运动方程

鉴于普通高校力学教材中直接给出受迫振子的运动方程的解,本文应用复变数给出其运动方程的通解的求解过程.     

向量服务格支持下的Web服务检索

将概念格理论与Web服务特征相结合,提出了一种新型的服务组织结构——向量服务格,并利用向量服务格中得到的方法向量概念对方法向量进行扩展.在这个扩展的方法向量基础上,提出了服务检索方法,给出了方法向量、方法向量背景和k-维方法向量概念等的定义.实验结果表明,基于向量服务格的服务检索具有较高的检索效率.     

基于中心加权的局部核向量机算法

为了解决大规模非线性分类中局部学习的不平衡性问题,提出一种改进的局部支持向量机算法,在高维特征空间中聚类后,为每一个簇构造局部非线性支持向量机。为了克服簇内样本的分布不均衡问题,根据闭合超平面不规则边界的几何特点,经过梯度下降寻找稳定均衡向量,以此构造簇几何中心;再结合簇密度中心共同约束类心形成双重加权中心。然后通过求解加权最小闭球问题实现对大规模样本向量的分类。对照实验显示,除了个别数据集以外,改进的算法在训练时间、测试时间以及测试精度等方面都比另外两种分类算法表现更佳。