一类几何分形的表示模型

结合迭代函数系统和有限自动机,提出了几何分形的正则生成系统表示模型,并应用生成测试法和自动机归纳学习算法研究了一类几何分形的建模方法,实验结果表明,该模型是简单有效的。     

SVRRPMCC:一种支持向量回归机的正则化路径近似算法

正则化路径算法是数值求解支持向量回归机(Support Vector Regression,SVR)的有效方法。根据SVR正则化路径的分段线性性质,该类算法可在相当于一次SVR求解的时间复杂度内求得正则化参数的所有可能取值及对应SVR的解。由于在解路径建立过程中需要求解线性方程组,已有的精确计算方法难以处理大规模的样本数据,因此研究了正则化路径近似算法,并提出了SVR正则化路径近似算法SVRRPMCC。首先,应用Monte Carlo方法实现线性方程组系数矩阵的随机采样,求得近似系数矩阵; 然后,应用Cholesky分解方法实现快速求解系数逆矩阵;进一步,分析了SVRRPMCC算法的近似误差和计算复杂性;最后,在标准数据集上的实验验证了SVRRPMCC算法的合理性和较高的计算效率。     

基于特征距离的组合核矩阵模型选择标准

核矩阵的组合方法是核函数构造和核方法学习的崭新的、重要的方法。目前,组合核矩阵的模型选择标准并不多见,应用较多的是核目标匹配,但该标准并不严格,尚具有较大的冗余性。针对这一问题,本文提出一个有效的基于特征距离的组合核矩阵模型选择标准。本文首先讨论核目标匹配标准及其局限性,然后提出基于特征距离的核矩阵模型型选择标准并分析该标准的计算性能,最后通过实验验证所提出的模型选择标准在核参数选择和组合系数选择两方面的效能。理论分析和实验结果表明,所提出的基于特征距
离的组合核矩阵模型选择标准是合理且有效的。     

定性空间推理的分层递阶框架

定性空间推理是定性推理和空间推理的重要组成部分 .拓扑和形状是定性空间推理研究的关键问题 .针对定性空间推理已有一般框架存在的问题 ,提出了定性空间推理的分层递阶框架 ,并结合拓扑和形状方面的定性空间推理研究工作阐述了所提出的框架的有效性和合理性 .最后总结了分层递阶框架的要点并提出了基于该框架的进一步研究工作 .     

近似线性平均复杂性的平面点集Voronoi图增量算法的设计与实现

1 引言 Voronoi图是计算几何学科的一个重要结构,在模式识别、计算机图形、计算机辅助设计等领域有广泛的应用。平面点集Voronoi图的常用构造算法有三类:分治法、平面扫描法和增量算法。由于增量算法不仅适用于静态点集,而且还适用于动态点集,因而受到重视。 Voronoi图增量算法中的关键工作是最近邻的选择和搜索。已有算法大都采用随机穷举法,因而效率较低。本文首先介绍了Voronoi图的翼边数据结构表示方法,在增量算法时间复杂性分析的基础上,提出了应用桶技术选择生成子并提     

利用类Delaunay三角剖分实现Voronio图

1 引言计算几何在计算机辅助设计、计算机图形学(特别是三维图形生成技术)及机器人等领域是非常重要的。特别在近年来,受到了学术界的极大关注。Voronoi图是计算几何的一个重要分支。在气象、生态、空中交通管制、城市规划等领域都得到广泛应用。至今已发展了大量的实现Voronoi图的方法,发表了很多文章,基本上是基于连续域计算几何出发进行的,其计算方法主要分成两个类型:一个是增量算法,通过每次增加一个点来计算Voronoi图;另一种是分合算法,通过将点划分成两部分,递归计算每一部分点的Voronoi图,然后再将它们合并。     

平面形状和布置的一种统一的定性表示方法

基于广义Ｖｏｒｏｎｏｉ图式，提出了Ｖｏｒｏｎｏｉ骨架边的跨度和势的概念，给出了保持连通性的层次骨架的建构算法。     

定性空间推理的研究与进展

定性空间推理是人工智能学科处理常识性空间知识的一种方法[l],其推理任务包括图:推导知识库中的隐含知识;针对给定的部分知识或特定的上下文回答询问;维护一致性;获取新知识特别是认知图;定性场景描述的可视化。     

基于贝叶斯网络的林火概率预测系统设计与实现

针对林火预测具有影响因素多、机制复杂、难以结构化等特点,设计并实现了一个基于贝叶斯网络的实用林火概率预测系统。该系统以气象、植被、地理、人类活动等数据作为输入,综合林火历史数据建立贝叶斯网络模型,并应用联合树算法进行概率推理,进而预测出林火发生概率。在某省实际林火历史数据上对系统进行了测试,比较了所设计系统与加拿大火险天气指标系统（FWI）的预测性能,验证了系统的可行性和实用性。