关于线性变换的根子空间

本文系统论述了属于线性变换特征概念范围的根子空间的基本问题，主要的有两点：（１）根向量所属于的特征值的唯一性；（２）根子空间与特征子空间的结构关系，作为论述这两个问题的预备定理，文中还证明了根向量或根子空间的其它两个重要性质。     

用于信息检索的同义词自动识别及其进展

同义词识别在很多领域都有广泛的应用 ,例如信息检索、自动标引、后控制词表的编制、基于知识库的自动分类、基于实例的机器翻译等等 ,它是信息表示和信息检索领域急需解决的问题。目前 ,国外的同义词自动识别的方法主要包括 :基于词典注释的同义词识别算法、基于大型语料库统计的方法和基于搜索引擎的方法。     

聚类电价预测方法研究

针对电价变化模式的复杂性,提出了一种基于聚类分析的电价预测模型。该模型将复杂的电价预测问题分解为更简单的子问题求解,首先通过聚类技术将输入空间划分为若干特征更明显的子空间,然后在子空间内分别使用支持向量机进行建模和预测。聚类分析中先应用减聚类算法自动确定聚类数并获取较优的初始聚类中心,然后采用K-均值算法进一步优化。采用美国PJM电力市场历史边际电价数据进行的仿真研究表明,电价预测模型能有效、稳定地提高电价预测精度。     

平方反比有心力场中三守恒量与轨道几何参数的关系

在平方反比有心力场中运动的质点 ,其角动量、机械能及Runge -Lenz矢量守恒 .本文利用轨道特殊点的几何特性 ,十分简捷地得到了三守恒量与轨道几何参数的关系 .     

Unbalanced data classification using support vector machines with active learning on scleroderma lung disease patterns

Unbalanced data classification has been a long-standing issue in the field of medical vision science. We introduced the methods of support vector machines (SVM) with active learning (AL) to improve prediction of unbalanced classes in the medical imaging field. A standard SVM algorithm with four different AL approaches are proposed: (1) The first one uses random sampling to select the initial pool with AL algorithm; (2) the second doubles the training instances of the rare category to reduce the unbalanced ratio before the AL algorithm; (3) the third uses a balanced pool with equal number from each category; and (4) the fourth uses a balanced pool and implements balanced sampling throughout the AL algorithm. Grid pixel data of two scleroderma lung disease patterns, lung fibrosis (LF), and honeycomb (HC) were extracted from computed tomography images of 71 patients to produce a training set of 348 HC and 3009 LF instances and a test set of 291 HC and 2665 LF. From our research, SVM with AL using balanced sampling compared to random sampling increased the test sensitivity of HC by 56% (17.5% vs. 73.5%) and 47% (23% vs. 70%) for the original and denoised dataset, respectively. SVM with AL with balanced sampling can improve the classification performances of unbalanced data.     

基于组稀疏多核统计学习的财务困境预测

上市公司财务风险预警在财务管理中一直都扮演着关键的角色。来自财务数据的特征是上市公司的各种财务指标,代表着上市公司不同方面的财务现状。这些异构特征给财务风险预警带来了巨大的挑战。当前多核学习方法已经显示出了优于支持向量机方法的预测性能。首先,一个利用预定义的基核进行无监督学习。在此过程中,一个稀疏性约束条件被引入,用于限制基核的线性组合,进而改进学习性能和预测模型的可解译性。通过无监督学习可以得到一个"最优"的线性组合核。最终,这个"最优"组合核用于支持向量机中,进而得到具备稀疏学习能力的多核预测机。通过利用214对ST和非ST公司财务数据进行了仿真实验。实验结果证实,稀疏多核学习方法在全部数据集和不同产业数据集上均优于现有的主流预测方法。     

我国国债期货与现货价格动态关系研究

目前,我国国债期货市场正处于起步阶段,国债期货市场的价格发现、风险规避和套期保值等功能是否充分发挥其作用尚不明确,因此有必要对此进行研究。国债期货的再次推出,不仅是对我国金融市场的完善,更是为现货市场的发展保驾护航。为探究国债期货与现货价格之间的动态关系,选取国债期货交易真实数据并构建VAR模型和ECM模型进行研究,发现我国国债期货市场与现货市场价格都较多依赖旧的自身信息,而对同期的新信息反应比较弱,两种价格之间联系并不紧密,各自对对方信息变化反应强烈程度与反应缓慢程度不同,期货价格对现货价格的影响缓慢表现出来且影响较小。因此从长期来看,扩大国债规模、增加国债现货交易和加强期货交易制度的建设,才能使国债期货与现货市场紧密联系,互相引导。     

基于四元数旋转的开关型矢量中值滤波器

矢量中值滤波器是一种经典和高效的矢量滤波器,主要用于消除彩色图像中的冲击噪声。然而VMF没有区分细线条和噪声的能力,它往往把细线条当成噪声而过滤掉。本文利用四元数旋转理论,模仿Laplacian算子,提出一种用于检测彩色图像中的冲击噪声的算法,并结合传统的VMF构造出一个新颖的开关型矢量中值滤波器。实验结果表明,新的滤波器不仅能有效地保护细线条和边界等细节信息,而且其滤波性能也明显胜过传统的VMF和一些经典的及最近开发的矢量滤波器。     

基于ANFIS控制的交流变频调速系统研究

针对交流电动机矢量控制系统因电机参数变化和负载波动等因素而使性能变差的问题,设计了一种基于自适应神经网络的模糊推理系统作为交流电动机矢量控制系统的速度调节器。仿真实验结果表明,具有自适应神经网络的模糊推理系统控制的异步电机矢量控制系统不仅动态和稳态性能都得到提高,而且具有较强的鲁棒性。     

基于harris角点的电子稳像算法研究

研究了一种基于harris(哈里斯)角点匹配的电子稳像算法。为了实现电子稳像,该算法首先从震动图像中搜索所有的哈里斯角点,然后选择左上角的角点作为模板,在震动前的图像中寻找匹配部分,从而计算出运动向量,最后根据该运动向量计算出稳定的图像。结果表明,该算法是一种快速、高效而且稳定的方法,在井下智能监控系统的应用中能取得良好的效果。