基于模糊积分的多分类器融合文本分类研究

提出一种基于模糊积分的多神经网络分类器融合文本分类方法,利用Sugeno模糊积分作为融合工具,将BP神经网络、RBF神经网络及采用K-means算法的RBF神经网络等多种文本分类器相结合,取得了更加优化的中文文本分类结果。     

一种基于模糊积分的多分类器联合方法

多分类器联合是解决复杂模式识别问题的有效办法。模糊积分是一种多分类器联合算法。但是在用模糊积分对多分类器联合建模时，模糊积分密度函数的选择对系统的性能有着很大的影响。提出一种基于模糊积分和贝叶斯联合的分类器集成方法，该方法利用贝叶斯方法的构造只分密度函数，再利用模糊积分把分类器输出信息联合起来。实验结果表明，该方法比其他方法能够得到更好的识别性能。     

基于模糊积分的多源信息融合及目标融合识别方法

针对目标融合识别问题,在引入模糊测度和模糊积分这两个基本概念的基础上,提出了一种基于模糊积分的多源信息融合及目标融合识别方法.给出了一种模糊测度的构造方法,建立了基于模糊积分的通用信息融合算法流程,在此基础上,详细给出了基于模糊积分的融合识别原理及求解过程.实验结果证明了模糊积分运用于多源信息融合及目标融合识别的可行性与有效性.     

基于Sugeno模糊积分的多分类器融合方法在多属性决策中的应用

首先介绍了基于Sugeno模糊积分的多分类器融合方法的一般原理,而后将其应用于研究多属性决策中的综合排序问题,最后,用一个实际的案例验证了该融合方法的有效性和可行性。利用该方法不但实现了多属性决策中社会选择函数的功能,而且通过对“分类器”的训练,能够反映出各种决策方法在解决同类问题中的效果。同时,融合后的结果也能够充分地体现出决策者的偏好。     

基于Sugeno模糊积分的多分类器融合方法在多属性决策中的应用

首先介绍了基于Sugeno模糊积分的多分类器融合方法的一般原理,而后将其应用于研究多属性决策中的综合排序问题,最后,用一个实际的案例验证了该融合方法的有效性和可行性。利用该方法不但实现了多属性决策中社会选择函数的功能,而且通过对“分类器”的训练,能够反映出各种决策方法在解决同类问题中的效果。同时,融合后的结果也能够充分地体现出决策者的偏好。     

基于模糊积分多分类器融合的JPEG 图像隐写算法识别

提取和恢复嵌入信息是隐写分析的最终目的,嵌入算法识别是秘密信息提取的前提。目前研究者针对隐写算法识别提出了多种隐写分析系统,但这些系统各有优缺点,因此实际应用中难以取舍。文章提出基于模糊积分的多分类器融合方法来识别JPEG图像隐写算法。实验结果表明,相对于单个隐写分析系统,通过分类器融合后识别精度提高约5%。     

QRS波的多尺度融合检测算法

提出一种基于模糊积分的小波变换多尺度融合检测算法，算法首先对心电信号进行Haar二进小波分解，并在每个尺度上输出各自的判决向量，在各个尺度的检测中采用了软决策方式，使决策形式更加合理，小波变换后各个尺度上的信息存在互补性，采用模糊积分的融合方法可以充分发挥和利用各个尺度的信息，在小波分解后1尺度和2尺度的效果较差，因此只选择3至6尺度的决策作为模糊积分融合算法的输入，尺度的检测效果是确定模糊积分密度的依据，因此融合算法不仅考虑了各尺度的决策结果，还考虑了各尺度之间的差异，实验表明，模糊积分融合算法可以有效提高检测能力。     

一种挖掘概念漂移数据流的模糊积分集成分类方法

针对隐含概念漂移和噪声的数据流,提出一种基于模糊积分融合的数据流分类方法(fuzzy integral ensemble classifiers for mining data streams, FI-MDS)。将模糊积分融合方法与集成综合技术有效结合起来,首先通过基分类器对识别样例进行分类得到决策剖面,然后再用模糊积分融合方法得到最终的分类结果,同时引入动态权值更新以提高算法的适应性。实验结果表明,与传统的数据流分类算法相比,该方法提高了概念漂移的检测精度,有效地解决了数据流中复杂分类问题,具有良好的分类性和健壮性。     

航天器诊断系统的多观测模糊融合技术研究

为解决航天器诊断系统中冗余多观测信息存在不确定性时的数据融合与冲突处理问题，给出了一种基于模糊理论的多观测融合算法，对算法进行了数学描述．该算法以模糊测度理论为背景，首先将冗余观测数据进行模糊化表示，然后按照模糊融合理论进行结果融合，最后进行模糊融合结果的可靠性评估．该算法解决了冗余观测存在不准确信息时的诊断问题．通过航天器诊断系统中的实测数据实例，说明了算法的实用性．     

基于模糊神经网络的分布式多传感器多目标信息融合

针对分布式融合系统存在计算组合爆炸、难以推广到多站和多层感知器模型学习速度慢且容易收敛到局部极小等缺陷,提出了一种基于模糊神经网络的分布式传感器多目标状态信息融合方法。仿真结果证明了该方法的快速性、准确性和有效性。     

多风机串并联多级机站

多年来,对大量矿山调查表明,金属矿山风机效率大多在40％左右,有效风量率约35％,矿井通风总效率为14％左右。其原因是大多数矿山选用的主扇特性与通风网路不匹配。为解决这些问题,研究采用多风机串并联多机站的方法,收到了良好的效果,提高了有效风量率,采用的风机在高效区运转。多风机串并联多机级站通风设计是比较复杂的,本文介绍了根据这种方法对风流分布及风压分布的要求,对多级机站进行分类,风机数量,选用风机型号、叶片安装角、风流稳定性及压力分布等方面均作了一些研究,编制了这类方法的通风网路解算与设计的电算程序,并概要论述了在云南老厂锡矿三号通风系统实施效果,理论和实践表明这种方法有推广价值。     

论多品种多批次铸造生产质量控制

本文从改善工程质量入手，研究了多品种多批次铸造生产质量控制的特点，论述了主成分分析及主成分控制图在多品种多批次铸造生产中的应用。     

试论多重著作权

多重著作权的产生有其必然性,其存在有其合理性,应为多重著作权的行使设计合理规则,以协调多重著作权人之间的利益。侵权作品不能产生著作权,因而不因侵权作品形成多重著作权。     

基于多模型粒子滤波的机动多目标跟踪算法

针对密集杂波环境下机动多目标跟踪中系统强非线性以及运动模式切换对于滤波精度的不利影响,提出了一种基于多模型粒子滤波的机动多目标跟踪算法.新算法实现了多模型粒子滤波和广义概率数据关联算法的有机结合.通过在粒子状态采样过程中引入模型信息改善了交互式多模型和粒子滤波结合中导致的计算量膨胀问题,并利用广义概率数据关联算法实现回波的有效确认和回波信息的充分利用.给出了应用该方法的具体步骤,最后,理论分析和仿真实验证明该算法的有效性.     

关于多重网格法

多重网格法(Multiple Grid Method),简称M-G方法是近年来求解偏微分方程边值问题的快速方法之一,本文给出M-G方法的程序设计步骤,在定义工作单位数的基础上,用M-G方法求解了线性椭圆型边值问题。其计算结果表明:M-G方法具有收敛速度快的优点,当M-G方法所用层数越多,收敛速度就越快;而且控制粗、细网格层之间自适应转换的控制参数在选取上有很大的灵活性。     

多协作中继多接收天线下的解码中继传输的功率分配

提出协作通信中多协作中继和多接收天线的分析模型．采用一种理论近似的方法来分析源节点和中继节点之间的功率分配,并将对数运算转换成线性运算,从而简化了问题的复杂度．通过理论分析与仿真可知,当系统模型确定以后,功率分配系数存在最优值,由此得出最优功率分配系数和协作增益与信噪比的关系．理论分析和仿真验证表明,所提的近似算法可以有效地运用于基于多协作中继传输的协作通信．     

MIMO技术在新一代无线移动通信网中的应用

随着第三代移动通信的实际应用,新一代无线移动通信网方面的研究正在深入地展开。针对当前多输入多输出(MIMO)系统的研究热点及其在新一代无线移动通信系统中的应用,从理论研究和实际应用方面分别指出了当前MIMO(多输入多输出)系统研究中亟待解决的问题。     

匙孔效应及其对MIMO信道容量的影响

MIMO系统的提出是为了进一步提高无线通信系统容量,它可以在不用增加系统带宽的情况下改善系统性能,从而有效地提高数据速率。文章研究了天线间的相关性对MIMO信道容量的影响,并对匙孔效应进行了分析,最后,探讨了其对MIMO信道矩阵和信道容量的影响。     

双层多示例集成学习

针对现有多示例集成学习侧重于包层次上的抽样限制了集成学习性能的问题,设计了一种示例层次上的重抽样方法和双层多示例学习集成框架。通过识别包中最可能为正的示例并在示例抽样中保留这个示例实现示例层次的重抽样。双层多示例学习集成框架同时实现包层次和示例层次重抽样,充分搅动样本,提高分类器的分类精度。实验研究证明,与现有的多示例集成学习相比,双层多示例集成学习能更好地提高分类器的分类精度。     

多频带自适应脉冲设计

针对UWB信号易受现有通信系统干扰的问题,提出基于有限项扁长椭球波函数的多频带自适应脉冲.利用认知无线电估计射频环境干扰温度并检测频谱空洞,然后借鉴OFDM的思想,将频带划分成若干个子带,生成自适应辐射掩蔽,利用有限项扁长椭球波函数设计各子带脉冲,最后将各子带脉冲在时域上进行加权组合,生成一种可进行无缝修正的多频带自适...