基于Fisher线性判别模型的文本特征选择算法

在采用向量空间模型表示方法的文本分类系统中,维数约简是必要的步骤,特征选择方法由于计算复杂度较低而被广泛采用.本文基于Fisher线性判别模型提出了一种新的文本特征选择算法,将其求解过程转换为一个特征项优化组合的问题,避免了复杂的矩阵变换运算.实验表明,该方法与信息增益、卡方统计方法比较,具有较明显的优势.     

基于VMD和SVM的舰船辐射噪声特征提取及分类识别

针对复杂海洋背景下舰船声频辐射噪声特征提取困难的问题，提出一种基于变分模态分解、中心频率、复杂度特征和支持向量机的舰船辐射噪声特征提取及分类识别方法。对四类舰船辐射噪声信号使用变分模态方法分解，得到一定数量的固有模态函数。通过比较提取能量最大的固有模态函数中心频率和排列熵作为特征参数，并利用支持向量机方法对四类舰船信号样本进行分类识别。实验结果表明，该方法可以实现对舰船辐射噪声的特征提取，与已有方法对比，该方法具有较高的识别率。     

调相信号自动识别的高阶累积量方法

在信号调制类型识别中,在相干、同步条件下实现调制识别是一类比较典型的研究方法,假设已经实现精确的载波同步并已知精确的定时同步信息.先在相干、同步条件下,利用高阶累积量来进行MPSK信号调制类型识别,然后对频率误差和位定时误差对识别算法带来的影响进行了研究.结果表明算法对一定的频差和定时误差具有鲁棒性.     

A misclassification cost‐minimizing evolutionary–neural classification approach

Machine learning algorithms that incorporate misclassification costs have recently received considerable attention. In this paper, we use the principles of evolution to develop and test an evolutionary/genetic algorithm (GA)‐based neural approach that incorporates asymmetric Type I and Type II error costs. Using simulated, real‐world medical and financial data sets, we compare the results of the proposed approach with other statistical, mathematical, and machine learning approaches, which include statistical linear discriminant analysis, back‐propagation artificial neural network, integrated cost preference‐based linear mathematical programming‐based minimize squared deviations, linear integrated cost preference‐based GA, decision trees (C 5.0, and CART), and inexpensive classification with expensive tests algorithm. Our results indicate that the proposed approach incorporating asymmetric error costs results in equal or lower holdout sample misclassification cost when compared with the other statistical, mathematical, and machine learning misclassification cost‐minimizing approaches. © 2006 Wiley Periodicals, Inc. Naval Research Logistics, 2006.     

基于分层结构的故障诊断专家系统RDSC方案

针对军事指挥自动化系统中的硬件设备,运用分层结构专家系统技术实现对系统的远程故障诊断与维护支持,提出了远程维护和故障修复支持技术模型,并对该模型的专家系统技术进行探讨,给出了基于CLIPS专家系统的一个实现模型,最后阐述了专家系统中推理机与知识库的设计和实现.     

基于黑板推理与分层规划的CGF模糊决策模型

计算机生成兵力具有智能行为是其最大的特点,也是当前研究的重点和难点。为了使计算机生成兵力决策的智能化水平有所提高,把复杂的决策过程进行分层规划,将各层中决策子任务的求解策略、推理策略与黑板推理方法中的多任务协同工作原理相结合,构造了基于黑板推理的计算机生成兵力决策模型。同时,也将模糊理论应用到决策模型中。有效地提高了计算机生成兵力的智能水平。     

一种层次数据表的设计与统计方法分析

根据一种层次数据的特点,采用层次编码标识实体的方式进行数据存取,并在此基础上进行表设计.使用触发器、存储过程、视图、客户端计算等方式逐层统计层次节点上的费用.最后,分析了这几种方式的特点和适用范围.     

模糊综合评判在战斗损伤评估中的应用

应用模糊综合评判对某型火炮的试验数据进行了初步分析,通过聚类分析得出了该型火炮的易损部件(战斗损伤),以及参加试验的6门火炮的损伤等级。计算结果表明,在战损评估中应用模糊数学的方法是可行的。     

层次分析法在装甲师作战能力评估中的应用

装甲师作战能力的评估，对装甲部队建设有重要的推动作用，但影响装甲师作战能力的因素很多。以往沿用的人数统计评估法、指数评估法等存在一定的不确定性，因此，采用层次分析法对部队的作战能力，给出一种定量和定性相结合的评估方法。     

中红外光谱在润滑油分类识别中的应用

由中红外光谱能够获得不同种类润滑油的组成与结构信息.分别用聚类分析法和主成分分析法提取润滑油的中红外光谱信息,对齿轮油、内燃机油和液压油这3大类共113个润滑油样品进行了分类识别.采用系统聚类法对其进行分类,比较了不同类间距离、样品间距离和光谱区间对聚类分析结果的影响.采用主成分分析法对齿轮油、内燃机油、液压油及不同黏...