样本空间系统优化模型在武钢四号高炉的应用

本文根据系统论、信息论,控制论的基本原理,对所谓“黑箱”——高炉冶炼过程的操作控制,建立了样本空间系统优化模型。通过对产量目标函数的离散化处理,建立了小时出铁量指标和样本空间,继而运用样本参数差异显著性和聚类分析判别方法,确定出影响武钢四号高炉产量的13个主要操作参数及其优化控制范围。通过对这些高炉操作参数进行动态调优,不但可使高炉冶炼过程趋于稳定,而且可取得高产、优质、低耗的良好经济效益。     

基于样本的自适应图像修复方法

提出了自适应待修复块选取算法,改进了Criminisi算法中优先权计算选取的待修复块中已知区域面积过小,在进行匹配块填充造成的误差迭代。该算法在待修复块中已知区域过小时适当调整带修复块位置以扩大已知区域所占比例来搜索最佳匹配块。同时采用指数概率分布策略选取离待修复块距离近的匹配样本块,减少搜索数目,在保证修复效果的同时也提高修复效率。实验仿真表明该算法能有效提高图像修复精度和效果。     

基于泛函连接神经网络的概念设计优化

本文给出了一种新的基于人工神经网络的概念设计优化技术，提出了一种基于Banach空间中偏序理论的人工神经网络，该网络的学习依赖于样本空间中的偏序关系结构，以及一种改进的BP算法。给出了实验描述，并对试验进行了分析。     

样本优化选择的高光谱图像分类

目的 高光谱分类问题中,由于类内光谱特性存在差异性,导致常规的随机样本选择策略无法保证训练样本均匀覆盖样本空间。针对这一问题,提出基于类内再聚类的样本空间优化策略。同时为了进一步提高分类精度,针对低置信度分类结果,提出基于邻域高置信信息的修正策略。方法 采用FCM（fuzzy C-means）聚类算法对每类样本进行类内再聚类,在所聚的每个子类内选择适当样本。利用两个简单分类器SVM（support vector machine）和SRC（sparse representation-based classifier）,对分类结果进行一致性检测,确定高、低置信区域,对低置信区域,利用主成分图作为引导图对置信度图进行滤波,使得高置信信息向低置信区域传播,从而修正低置信区域分类结果。以上策略可以保证即便在较少的训练样本的情况下,也能够训练出较高的分类器,大幅度提高分类精度。结果 使用3组实验数据,根据样本比例设置两组实验与经典以及最新分类算法进行对比。实验结果表明,本文算法均取得很大改进,尤其在样本比例较小的实验中效果显著。在小比例（一般样本选取比例的十分之一）训练样本实验中,对于India Pines数据集,OA（overall accuracy）值高达90.48%;在Salinas数据集上能达到99.68%;同样,PaviaU数据集的OA值为98.54%。3组数据集的OA值均比其他算法高出4% 6%。结论 综上表明,本文算法通过样本空间优化策略选取有代表性、均衡性的样本,保证小比例样本下分类精度依然显著;基于邻域高置信信息的修正策略起到很好的优化效果。同时,本文算法适应多种数据集,具有很好的鲁棒性。     

基于多元概率推理模型的中文书写纹识别

针对中文短文本分类问题,从集成学习的角度提出一种基于多元概率推理模型的书写纹识别方法。将初始样本集划分为等粒度、可交叉的样本子集,构造具有差异性的子空间,在各子空间上采用基于概率推理模型的基分类器训练样本,通过概率求和法融合所有基分类器的输出得到训练样本的最终识别结果。实验结果表明,该方法对于网络书写纹具有较好的识别效果,查全率、查准率和Fl度量值分别高达81．6％、85．9％和83．69％。     

一种新型基于样本空间密度的改进聚类算法

在减法聚类中一般只采用固定聚类半径训练聚类的做法,这样就可能得到过多或过少的聚类中心。为了提高聚类结果的最优性,从数据样本空间密度疏密程度考虑出发,改进了减法聚类算法,不仅改善了原来聚类半径只能固定的做法,而且适应于聚类大小不同时的数据聚类,使得调节参数更少,并结合模糊C-均值(FCM)聚类可以获得更为合理和准确的聚类个数和聚类中心,在一定程度上拓展了聚类算法的适用性。最后通过仿真证明了改进算法的有效性。     

基于模糊核加权C-均值聚类的高光谱图像分类

高光谱图像分类是高光谱数据分析的重要研究内容之一。模糊C-均值聚类算法因其算法简单、收敛速度快等优点受到广泛的关注。由于高光谱数据的维数较高,其光谱波段的非线性特性使得传统模糊C-均值聚类算法无法在原始空间得到较好的聚类结果。另外,模糊C-均值聚类算法在计算聚类中心时,仅使用了各样本对聚类中心的隶属度,忽略了样本之间固有存在的空间分布特征。为此提出了模糊核加权C-均值聚类算法,在计算模糊核聚类中心时,根据样本的空间分布特征,为每个样本分配不同的权值,使得每个核聚类中心随着样本的不同而各有不同。标准数据和实际高光谱数据的实验结果均表明,相比较传统模糊C-均值均聚类算法,模糊核加权C-均值聚类算法在总体分类精度上有较大的提高。     

不相同定时截尾试验中平均寿命的置信限

使用样本空间排序法给出了指数分布情形下不相同定时截尾试验平均寿命置信下限的估计方法。