一种基于模糊熵的特征选择算法

特征选择是模式识别中的一个重要组成部分。针对分类边界模糊的样本集,将模糊集的理论应用到特征选择中,通过对特征进行模糊化,定义一种模糊熵来度量特征的分类区分度,再采用相关系数度量特征间的冗余度,建立判定树。则树中的节点即为选择出的特征,树枝为特征的隶属度函数,且通过判定树进行的分类可以实现样本识别的模糊化。     

图像目标识别中的分层检索模型

形状特征是武器装备目标识别的关键因素.针对归一化后轴夹角的特点和小波描述子多尺度描述轮廓曲线的特性,提出一种R树索引的分层检索技术模型,在模型库空间逐级过滤出与目标相似的模板,以保证检索的效率和准确性,并通过对军用车辆的检索实验验证了模型的有效性.     

酸性溶液中聚丙烯微细熔喷棉吸湿性能改性优化条件及反应机理研究

论文在聚丙烯微细熔喷棉为基材的改性实验中，以丙烯酰胺为单体，通过正交实验L16（4^5（选取KMnO4浓度、H2SO4浓度、顸处理温度、丙烯酰胺浓度、接枝反应温度五种影响因素并各选四水平），研究在酸性溶液（KMnO4／H2SO4）中，聚丙烯微细熔喷棉吸湿性能改性优化条件及其反应机理。结果表明：改性后试样的吸湿性能明显改善；优化条件为：D3=0.4mol/L、C2=50℃、B1=0.25mol/L、E3=55℃、A4=1.4×10^-2mol/L。     

基于球面映射和拆卸树的拆卸序列生成算法

拆卸序列生成是虚拟维修的核心之一,直接关系到虚拟维修的可行性及成本。搜索所有可行拆卸序列、避免组合爆炸并保持算法的通用性是序列生成算法的研究难点。通过引入球面映射概念,定义了局部和全局阻碍方向及可拆卸方向,克服了传统方法中基于六坐标轴方向创建干涉矩阵的局限性。提出了一种符合拆卸规则和拆卸关系表的拆卸树生成算法,求得所有可行的拆卸序列,并通过实例在虚拟维修平台上得到了实现。     

基于隐Markov树的序贯故障诊断模型

为了充分利用先验信息和实测信号,提高故障识别率,根据Bayes方法和序贯决策的思想,将实测信号分段,将前一段信号的诊断后验信息作为后一段信号的先验信息,提出了一种基于隐Markov树(hidden Markov tree,HMT)的序贯故障诊断模型.给出了诊断模型的建模步骤、HMT模型的建立方法和Bayes后验概率的计算方法.将模型应用于某型减速器故障诊断的结果表明,对于有先验信息和无先验情况,该序贯模型都可以有效地提高故障识别率.     

基于事故树和贝叶斯的军民航飞行冲突风险研究

为充分了解当前军民航飞行冲突、危险接近事故征候的成因,并对其发生原因进行有重点的预防和对事件发生概率的精确预测,首先建立事故树模型,对其原因进行分析;总结导致其发生的基本事件,计算事故树模型的最小割集和各个基本事件的结构重要度;其次对军民航飞行冲突、危险接近事故征候的发生概率进行合理的取值,得出基本事件的概率重要度,指出基本事件发生概率对顶事件发生概率的影响;最后构建军民航飞行冲突、危险接近事故征候贝叶斯网络模型,计算中间事件的条件概率和顶事件发生概率,并与实际结果进行对比,验证方法可行性。     

FIBER:基于频繁项目表的频繁模式挖掘方法

如何有效地实现频繁模式的挖掘一直是数据挖掘的一个关键问题。在文献 [2 ]中的数据结构FP -tree对原事务数据库进行压缩存储的基础上 ,本文提出频繁项目表的概念 ,实现了利用频繁项目表进行快速频繁模式挖掘的新方法。实验表明与经典的Apriori算法[1 ] 相比 ,该方法在性能上提高了一个数量级 ,同时也比文献 [2 ]中的FP -growth算法具有更好的可扩展性