基于分数本征特征的手写数字识别

特征提取是手写体数字识别研究中的重要问题,有效、稳定的特征是提高识别率和识别精度的关键。该文提出了一种基于分数本征特征和核非线性分类器的手写数字识别方法,首先找到时频平面的一个轴进行分数傅里叶变换,使不同类别样本在这个轴上最大限度地分开,然后用主元分析进行降维,得到比较稳健的低维特征,再将常用分类器用于特征分类,实现对手写数字的识别。对实际数据进行实验,结果表明上述本征特征与核非线性分类器相结合有较高的识别率和训练、分类效率。     

基于Gabor滤波特征和一类分类器的人脸检测

人脸检测是人脸识别的一项重要任务.论文提出了一种基于Gabor滤波特征和一类分类器的正面人脸检测方法.算法首先利用了Gabor滤波器的良好的空间位置与方向的选择特性,采用了四种方向的Gabor滤波器提取人脸样本图像特征并用PCA方法对特征降维,然后用已降维的特征训练支持向量机分类器.最后应用一类分类器分类检测人脸.实验结果证明该方法是十分有效.     

网络舆论倾向性的动态跟踪方法及实证研究

从统计学视角审视网络舆论倾向性的监测问题,提出了以粗糙分类器为基础建立舆论倾向性分类模型,将复杂的预警指标体系简化为单一直观的跟踪统计量,并通过跟踪统计量动态跟踪舆论倾向性变化轨迹的研究方法。实证研究以2011年"郭美美事件"相关新闻跟帖为对象。分析表明,网络舆论的消极倾向性在整个事件发展过程中呈持续增长,与基本事实相符,证实了方法的可行性和适用性。     

最优的核判别分析用于雷达目标识别

特征提取是雷达目标识别研究中的重要问题,有效、稳健的特征是提高识别率的关键。核判别分析(KDA)是一种抽取非线性特征的有效方法,但它会因为奇异性问题而难以求解。基于子空间投影的思想,给出一种最优的核判别分析(OKDA)方法,用于对雷达目标的距离像进行特征提取,然后采用基于核的非线性分类器对所提取的特征进行分类,实现对雷达目标的识别。分别对仿真和实测距离像进行实验,结果表明该方法具有较好的识别效果。     

基于D-S理论的多特征融合人体检测算法

提出一种基于D-S证据理论的多特征融合人体检测算法.该方法首先使用harr-like特征方法和HOG特征方法提取人体特征,然后利用后验概率密度函数,估计出两个基本概率分配函数,最后应用D-S证据理论中的合成法则,将两个特征的分类器进行融合决策.实验结果表明,本文提出的算法在Inria数据集上取得了较好的效果,满足了一般工程应用的要求.     

经济理论中的有限理性和人工适应主体

建立在完全理性假设基础上的传统经济模型忽略了经济主体的差异性和进化性。依据有限理性假设 ,通过应用人工适应主体技术 ,我们可以使用模拟技术精确地探查广泛的经济现象。西方经济学者的部分实验结果表明 ,人工适应主体技术为经济理论研究开辟了一个新的有效途径     

经济周期转折点预测的动态贝叶斯网络分类器模型

针对现有的经济周期波动转折点预测方法侧重静态函数依赖,或者强调动态序列的时间传递,不能将两方面信息有机结合的情况,给出了经济周期波动转折点预测的动态朴素贝叶斯网络分类器模型,并在此基础上,通过增加隐藏变量层建立了层次动态朴素贝叶斯网络分类器模型,该模型更加灵活、实用和可靠,可广泛用于网络时间序列的预测.     

银行客户信用评估动态分类器集成选择模型

现实的银行客户信用评估数据常包含大量的缺失值,这在很大程度上影响了信用评估模型的性能.针对已有模型的不足,提出了面向缺失数据的动态分类器集成选择模型DCESM.该模型充分利用数据集中所包含的已知信息,在训练信用评估模型之前不需要事先对缺失数据进行预处理,从而减少了对数据缺失机制假设以及数据分布模型的依赖.从UCI数据库中选择两个银行信用卡业务信用评估数据集进行实证分析,结果表明,与4种常用的基于插补法的多分类器集成模型以及1种直接面向缺失数据建模的集成模型相比,DCESM模型能够取得更好的客户信用评估性能.