簡介：點(diǎn)擊查看更多膽囊炎和腎病綜合癥脈象信號(hào)的特征提取與分類研究.pdf精彩內(nèi)容。

簡介：點(diǎn)擊查看更多文本分類技術(shù)在綜合風(fēng)險(xiǎn)元搜索引擎中的研究與實(shí)現(xiàn).pdf精彩內(nèi)容。

簡介：電力系統(tǒng)數(shù)字仿真計(jì)算已成為電網(wǎng)規(guī)劃、設(shè)計(jì)、調(diào)度和運(yùn)行控制的主要決策依據(jù)，電力負(fù)荷模型是影響仿真結(jié)果精度和可信度最為重要的因素之一。電力系統(tǒng)中的綜合負(fù)荷具有構(gòu)成復(fù)雜、隨機(jī)時(shí)變、地域分散等特點(diǎn)，負(fù)荷建模的最大困難在于負(fù)荷的時(shí)變性。近幾年的研究表明，負(fù)荷動(dòng)特性的分類與綜合是解決負(fù)荷時(shí)變性問題的有效途徑。本文圍繞著綜合負(fù)荷分類與綜合問題展開論述。數(shù)據(jù)挖掘技術(shù)是解決電力系統(tǒng)相關(guān)問題的一種有應(yīng)用前景的方法，在深入系統(tǒng)地研究了負(fù)荷動(dòng)特性分類與綜合問題，深入分析了常用的分類中特征向量的選取和分類方法、綜合方法以及數(shù)據(jù)挖掘技術(shù)中的聚類分析方法后，將基于數(shù)據(jù)挖掘原理的密度梯度聚類算法應(yīng)用于電力系統(tǒng)負(fù)荷動(dòng)特性的分類與綜合問題中，提出一種分類與綜合方法。該方法的主要思想是基于隨機(jī)過程相關(guān)性原理，以負(fù)荷動(dòng)特性的實(shí)測響應(yīng)空間為特征向量空間，通過計(jì)算實(shí)測響應(yīng)空間各樣本間的密度分布，得到原始聚類中心，再利用類與類之間邊界點(diǎn)的分布情況進(jìn)行合并，從而達(dá)到負(fù)荷動(dòng)特性分類。聚類中心在分類過程中產(chǎn)生，以此聚類中心作為該類的等效樣本，對(duì)其進(jìn)行參數(shù)辨識(shí)即可得到同類負(fù)荷特性的通用負(fù)荷模型。分類和綜合在同一過程中完成，具有快速簡便的優(yōu)點(diǎn)。對(duì)某一變電站現(xiàn)場采集的負(fù)荷特性數(shù)據(jù)進(jìn)行聚類應(yīng)用，結(jié)果表明該方法具有良好的聚類效果。最后在聚類過程、聚類中心以及等效模型參數(shù)對(duì)各個(gè)樣本的擬合誤差等方面與其它分類綜合方法作比較分析。由比較結(jié)果可以看出，該方法在運(yùn)算速度以及擬合誤差方面有一定的優(yōu)勢?；诿芏忍荻鹊木垲愃惴ㄔ谪?fù)荷動(dòng)特性分類與綜合中具有較好的應(yīng)用價(jià)值。

簡介：點(diǎn)擊查看更多模糊綜合評(píng)判和灰色模式識(shí)別在場地分類中的應(yīng)用.pdf精彩內(nèi)容。

簡介：分類是數(shù)據(jù)挖掘中一項(xiàng)非常重要的任務(wù)目前在商業(yè)上應(yīng)用最多分類的目的是提出一個(gè)分類函數(shù)或分類模型也常常稱做分類器該模型能把數(shù)據(jù)庫中的數(shù)據(jù)項(xiàng)映射到給定類別中的某一個(gè)大量的統(tǒng)計(jì)方法和機(jī)器學(xué)習(xí)方法被應(yīng)用于自動(dòng)文本分類自動(dòng)文本分類分為三個(gè)過程首先對(duì)文本進(jìn)行預(yù)處理將文本數(shù)字化接著構(gòu)造并訓(xùn)練分類器最后用分類器對(duì)新文本進(jìn)行分類本文根據(jù)對(duì)以往傳統(tǒng)的分類方法的研究特別是每一個(gè)分類器對(duì)于不同類別的區(qū)分程度不同提出一種基于綜合評(píng)價(jià)理論的多分類器綜合方法旨在利用各個(gè)子分類器對(duì)于不同類別的區(qū)分度不同互相取長補(bǔ)短評(píng)價(jià)模型使用了線性加權(quán)模型把多個(gè)分類器綜合和在一個(gè)容器內(nèi)訓(xùn)練過程參照了優(yōu)化理論中的直接搜索方法形成一個(gè)容納多個(gè)分類器的容器文本預(yù)處理過程中首先通過對(duì)幾種特征抽取方法的比較選取一種最適合本系統(tǒng)的方法其次選取一種合適的權(quán)重計(jì)算方法最后把文本表示成向量的形式在分類器的訓(xùn)練過程中首先構(gòu)造了四個(gè)子分類器利用復(fù)旦大學(xué)提供的語料進(jìn)行測試分析再根據(jù)綜合評(píng)價(jià)理論構(gòu)造分類容器對(duì)分類容器進(jìn)行訓(xùn)練時(shí)得出各個(gè)子分類器的類別權(quán)值即權(quán)值矩陣分類器測試時(shí)先用子分類器對(duì)文本進(jìn)行判別再利用權(quán)值矩陣運(yùn)用集值迭代的方法進(jìn)行加權(quán)求和最后取和最大的類做為類別歸屬這個(gè)容器是各個(gè)分類器的一個(gè)優(yōu)化的組合實(shí)驗(yàn)結(jié)果表明這個(gè)容器確實(shí)得到了比較理想的分類效果本文中用到的方法有SVM分類方法、貝葉斯分類方法、簡單向量距離法和多組判別分析法

簡介：目的本研究通過對(duì)評(píng)估和測量綜合醫(yī)院428例成年住院病人自理能力、疾病嚴(yán)重程度及24小時(shí)所需的直接護(hù)理時(shí)間，1比較不同自理能力、疾病嚴(yán)重度病人24小時(shí)直接護(hù)理時(shí)間的差異；2了解病人直接護(hù)理時(shí)間與自理能力、疾病嚴(yán)重度以及自理能力與疾病嚴(yán)重度的相關(guān)關(guān)性；3探索一種依據(jù)病人自理能力、疾病嚴(yán)重度對(duì)病人進(jìn)行分類的方法。結(jié)論1不同自理能力的病人24小時(shí)直接護(hù)理時(shí)間不同2不同疾病嚴(yán)重度的病人24小時(shí)直接護(hù)理時(shí)間不同3病人24小時(shí)所需的直接護(hù)理時(shí)間與自理能力負(fù)相關(guān)，與疾病嚴(yán)重度正相關(guān)，病人自理能力與疾病嚴(yán)重度負(fù)相關(guān)4依據(jù)病人的自理能力ADL和疾病嚴(yán)重度不同可將病人按照直接護(hù)理時(shí)間的多寡分為三類，一類病人為生活完全自理，病情輕微和病情較危重的病人，24小時(shí)所需的直接護(hù)理時(shí)間最少，二類病人為生活需要部分幫助和大部分幫助而病情輕微或病情較危重以及生活完全需要幫助和病情輕微的病人，三類病人為生活完全需要幫助而病情輕微的病人，24小時(shí)所需的直接護(hù)理時(shí)間最多。

簡介：點(diǎn)擊查看更多福建師范大學(xué)學(xué)生腸易激綜合征的流行病學(xué)調(diào)查及證型分類.pdf精彩內(nèi)容。

簡介：湖南大學(xué)碩士學(xué)位論文基于綜合特征的圖像語義分類技術(shù)的研究姓名伍卉申請(qǐng)學(xué)位級(jí)別碩士專業(yè)計(jì)算機(jī)科學(xué)與技術(shù)指導(dǎo)教師李仁發(fā)20090428碩一L二學(xué)位論文ABSTRACTWITHTHEDEVELOPMENTOFTHEMULTIMEDIATECHNOLOGY，THEAPP“CATIONOFIMAGEISSPREADINGWIDELY；ANDPEOPLEBECOMEDESIREDLYDEMANDINGONMULTIMEDIAINFO啪ATIONIMAGESHAVEABUNDANTHIGHLEVELSEMANTICINFOMATION，WHICHISMORESUITABLEFORPEOPLETOUNDERSTANDASARESULT，SEMANTICBASEDIMAGECLASSIFJCATIONANDUNDERSTANDINGTECHNOLOGYSHOWSUPGUIDEDBYTHEMULTIMEDIAANDPATTERNRECOGNITIONKNOWLEDGE，SEMANTICBASEDIMAGECLASSIFICATIONTECHNOLOGYR印RESENTSTHEFUTUREDIRECTIONOFTHEIMAGEUNDERSTANDINGTHETHESISINTRODUCESSUPPORTVECTORMACHINEASATOOL，ANDRESEARCHESONCOMBINEDFEATUREBASEDSEMANTICIMAGECLASSIFICATIONINTHETHESIS，WEFIRSTLYREVIEWEDTHEDEVELOPMENTANDSTATEOFARTOFTHEIMAGECLASSIFICATIONRESEARCHWERESEARCHONTHEDESCRIPTIONOFIMAGECONTENTANDTHEBASICFOUNDATIONANDKERNELFUNCTIONOFSUPPORTVECTORMACHINETHESETWOMEORIESPROVIDEFBUNDATIONSTONEOFRESEARCHESBEHINDTHENWERESEARCHEDONTHEISSUEOFHOWTOEXTRACTIMAGE’SCOMBINEDFEATUREKPCAISACOMMONWAYTOEXTRACTCOMBINEDFEATUREHOWEVER’ITSSHOWCOMINGISOBVIOUSTHEPROCESSOFCOMPUTINGTHEKERNELMATRIXISEXTREMELYTIMECONSUMINGINORDERTOIMPROVETHEPROCESS，WEBRINGANEWKPCABASEDONGRAMSCHMIDTORTHONORMALIZATIONTHEMETHODMODI6ESTHETIMECONSUMINGPROCESSOFFEATUREEXTRACTIONINKPCAITMAKESUSEOFGRAMSCHMIDTORTHONOMALIZATIONTODIAGONALIZETHEKERNELMATRIX，ANDAVOIDCOMPUTINGTHERESULTDIRECTLYSOITOWNSMOFEEMCIENTCOMPUTINGPERFOMANCETHEEXPERIMENTRESULTSSHOWTHATTHEMSEOFTHETWOMETHODSISSIMILAR，WHILETHEMODIFIEDMETHODISMUCHLESSTIMECONSUMINGTHANTHEOLDONETHENWERESEARCHEDONTHECONSTRUCTIONPROBLEMOFMULTICLASSCLASSMERASTHEORGININALSVMISUSEDTOSOLVETWOCLASSISSUE，WENEEDSOMESTRATE西ESTOCOMBINETHOSETWO’CLASSBASEDSVMONEAGAINSTONEOWNSTHEADVANTAGESOF10WTRAININGCOST，BUTWHENSOMECOMPONENTSVMHASBADPERFORMANCEINCLASSIFICATION，ITCOULDSERIOUSLYINFLUENCETHEWH01EPERFONNANCEASARESULT，WEINTRODUCECROSSVALIDATIONACCURACYASTHEWEIGHTOFTHECOMPONENTSVMCROSSVALIDATIONISAMATHEMATICMETHODTOACCESSTHEPERF6啪ANCEANDGENERALIZATIONALBL訂ITYOFCLASSIFICATIONBASEDONRESAMPLINGTECHNOLOGYWEUSECROSSVALIDATIONACCURACYASTHEWEIGHTINORDERTOⅡI

簡介：電力系統(tǒng)數(shù)字仿真已成為電力系統(tǒng)規(guī)劃、運(yùn)行、控制和決策的主要手段負(fù)荷模型則是影響仿真結(jié)果精度和可信度最為重要的因素之一。由于負(fù)荷自身的隨機(jī)時(shí)變性、多樣性、地域分散性和非線性等特點(diǎn)負(fù)荷建模仍然是國內(nèi)外電力系統(tǒng)界公認(rèn)的難題。電力系統(tǒng)負(fù)荷建模研究中負(fù)荷模型結(jié)構(gòu)一直是倍受關(guān)注的最基本和最關(guān)鍵的問題之一。電力系統(tǒng)綜合負(fù)荷成分復(fù)雜單純采用靜態(tài)或動(dòng)態(tài)負(fù)荷模型難以精確描述其復(fù)雜特性采用靜態(tài)模型與動(dòng)態(tài)模型相結(jié)合的綜合負(fù)荷模型已成為趨勢。針對(duì)現(xiàn)有機(jī)理綜合負(fù)荷模型結(jié)構(gòu)復(fù)雜、參數(shù)不容易辨識(shí)等問題本文采用改進(jìn)ZIP冪函數(shù)差分方程模型來描述綜合負(fù)荷的動(dòng)態(tài)特性。其中ZIP冪函數(shù)描述負(fù)綜合荷中的靜態(tài)負(fù)荷成分差分方程描述綜合負(fù)荷中的動(dòng)態(tài)負(fù)荷成分。將動(dòng)模試驗(yàn)中獲得的故障錄波數(shù)據(jù)作為建模數(shù)據(jù)基于模型回響辨識(shí)原則建立模型參數(shù)辨識(shí)所對(duì)應(yīng)的優(yōu)化目標(biāo)函數(shù)采用粒子群算法求解優(yōu)化問題實(shí)現(xiàn)了模型參數(shù)的辨識(shí)。建模結(jié)果表明該模型結(jié)構(gòu)簡單參數(shù)易辨識(shí)能夠較好的描述綜合負(fù)荷的動(dòng)態(tài)特性。該模型可以作為綜合負(fù)荷建模時(shí)模型結(jié)構(gòu)的一種選擇。大區(qū)電網(wǎng)中的負(fù)荷節(jié)點(diǎn)數(shù)目眾多對(duì)每一個(gè)負(fù)荷節(jié)點(diǎn)均進(jìn)行測量建模比較困難有效的辦法是將眾多負(fù)荷節(jié)點(diǎn)進(jìn)行分類從每類中挑選出典型節(jié)點(diǎn)建模。本文提出一種基于SOM神經(jīng)網(wǎng)絡(luò)的變電站負(fù)荷特性分類與綜合方法。SOM神經(jīng)網(wǎng)絡(luò)能夠?qū)斎肽Ｊ竭M(jìn)行自動(dòng)聚類已建立的SOM神經(jīng)網(wǎng)絡(luò)能夠?qū)π碌妮斎肽Ｊ竭M(jìn)行判別。以變電站各行業(yè)的構(gòu)成比例作為分類特征向量利用SOM神經(jīng)網(wǎng)絡(luò)對(duì)某電網(wǎng)48個(gè)變電站負(fù)荷特性進(jìn)行了分類與綜合取得了令人滿意的結(jié)果。在不改變電網(wǎng)已有的變電站負(fù)荷特性分類的情況下利用已訓(xùn)練好的SOM神經(jīng)網(wǎng)絡(luò)可以方便地實(shí)現(xiàn)新增變電站負(fù)荷特性的判別。該方法克服了變電站負(fù)荷特性分類與綜合的隨機(jī)性和主觀性為負(fù)荷建模走向?qū)嵱没峁┝诵碌耐緩健?

簡介：點(diǎn)擊查看更多休閑服企業(yè)成衣供應(yīng)商綜合實(shí)力評(píng)價(jià)及分類管理研究.pdf精彩內(nèi)容。

簡介：分類號(hào)密級(jí)學(xué)校代碼10165學(xué)號(hào)200710758遣享虛可筢大擎碩士學(xué)位論文FISHER和支持向量綜合分類器作者姓名學(xué)科、專業(yè)研究方向?qū)熜彰参木旮怕收撆c數(shù)理統(tǒng)計(jì)統(tǒng)計(jì)學(xué)習(xí)理論孫德山副教授2010年05月學(xué)位論文獨(dú)創(chuàng)性聲明本人承諾所呈交的學(xué)位論文是本人在導(dǎo)師指導(dǎo)下所取得的研究成果。論文中除特別加以標(biāo)注和致謝的地方外，不包含他人和其他機(jī)構(gòu)已經(jīng)撰寫或發(fā)表過的研究成果，其他同志的研究成果對(duì)本人的啟示和所提供的幫助，均已在論文中做了明確的聲明并表示謝意。學(xué)位論文作者簽名堡塞墮勇學(xué)位論文版權(quán)的使用授權(quán)書本學(xué)位論文作者完全了解遼寧師范大學(xué)有關(guān)保留、使用學(xué)位論文的規(guī)定，及學(xué)校有權(quán)保留并向國家有關(guān)部門或機(jī)構(gòu)送交復(fù)印件或磁盤，允許論文被查閱和借閱。本文授權(quán)遼寧師范大學(xué)，可以將學(xué)位論文的全部或部分內(nèi)容編入有關(guān)數(shù)據(jù)庫并進(jìn)行檢索，可以采用影印、縮印或掃描等復(fù)制手段保存、匯編學(xué)位論文，并且本人電子文檔的內(nèi)容和紙質(zhì)論文的內(nèi)容相一致。保密的學(xué)位論文在解密后使用本授權(quán)書。學(xué)位論文作者簽名盟童孽一指導(dǎo)教師簽名二B丑立L簽名日期≥力IO年6月7日

簡介：Y。8266LJ；長安大學(xué)工程碩士學(xué)，J位論文韭地震渣副縊縫罄醋昱堂’鑒基磐‘。?！玊0指導(dǎo)教師姓名王夏撮．?；@薇盛。．一。CD申請(qǐng)學(xué)位級(jí)別王盈攀半，警___蘆幽莨L論文提交日期盈固每譬弩誓車擎舞事每章￡璽衛(wèi)岬學(xué)位授予單位_；÷÷等≤專通舅睜贛警鷥毒毒二_一菊墻置毒菇I烈1．整霎一數(shù)論曼評(píng)蔽。蓬三絲童L塹。J襁∞夠年S具J◆目ABSTRACTTHEREARESOMECHARACTERISTICSINTHEGEOPHYSICALANDGEOCHEMICALNONSEISMICEXPLORATIONOFOILANDGAS，F(xiàn)OREXAMPLE，THEREAREABUNDANTMETHODPARAMETERSANDINFORMATION．THESTRUCTUREOFINTEGRATINGANOMALYISCOMPLEXANDTHEEXPRESSOFITHASANONMEASURECHARACTERISTIC．ACCORDINGASTHECHARACTERISTICSMENTIONEDABOVE，WEBASETHENEEDANDREQUIREMENTINTHEPRACTICEWORKANDUSEANASSOCIATIVEMETHODOFMATHEMATICSANDPRACTICALEXPERIENCE．WEHAVEEXPLOREDTHEEVALUATINGMETHODOFINTEGRATINGANOMALYINTHEGEOPHYSICALANDGEOCHEMICALEXPLORATIONOFOILANDGAS．OURAIMISTHATLOOKINGFORANEVALUATINGMETHODWITHREASONABLETHEORY，CONVENIENTAPPLIESOBJECTIVEEFFECTANDINTUITIVEEXPRESSION．WHETHERATHOMEORABROAD，THEDEVALUATINGMETHODOFINTEGRATINGANOMALYINTHEGEOPHYSICALANDGEOCHEMICALEXPLORATIONOFOILANDGASISDEVELOPINGANDEXPLORINGCONTINUOUSLY．THEMULTIFARIOUSFORMERMETHODSHAVEPRODUCEDANIMPORTANTPROMOTEEFFECT，BUTHAVESOMEDIFFERENTRESTRICTION．SOTHISKINDOFDEVELOPMENTANDEXPLORATIONISNORMALANDNECESSARY．BASEDONTHECHARACTERISTICSOFTHISEXPLORATIONANDTHEMERITSANDSHORTAGESOFTHEMETHODATPRESENT，ANDCOMBINEDTHENEEDANDREQUIREMENTOFTHEANOMALYEVALUATION，WEAPPLYTHEINTEGRATEDEVALUATINGMODELTOEVALUATETHEINTEGRATINGANOMALY，THEINTEGRATEDEVALUATINGMODELCONSISTSOFTHEINITIALMODEL，THEEVALUATINGMODELANDTHEFORECASTINGMODELTHEINITIALMODELCANEXTRACTANDDESCRIBEANOMALYINFORMATION．THEEVALUATINGMODELCANINTEGRATETHEFUZZYDYNAMICCLUSTERINGOFTHEANOMALY．THEFORECASTINGMODELISUSEDPATTERNRECOGNITIONBYANN．WEAPPLYTHEMATHEMATICALSTATISTICSTOOLSANDPROCESSTHEMULTIDIMENSIONINFORMATION，EXTRACTTHEMAINPARAMETERSOFTHEINTEGRATEDANOMALYCHARACTERISTICSANDDESCRIBETHOSECHARACTERISTICSPARAMETERSROUNDLY．BASEDONTHEANOMALYCHARACTERISTICSPARAMETERSANDAPPLIEDTHETOOLSOFFUZZYMATHEMATICSANDGREYSYSTEMTHEORY,WEEVALUATETHEINTEGRATEDANOMALYBYTHEFUZZYCLASSIFICATIONMETHOD．ACCORDINGTOTHERESULTSOFTHEFUZZYCLASSIFICATIONANDINTEGRATEDANOMALYPATTERN，WEREALIZETHEINTEGRATEDANOMALYFORECASTOFTHEGEOPHYSICALANDGEOCHEMICALEXPLORATIONOFOILANDGASTHROUGHTHEANNSTUDYING，AND2

簡介：●■分類密論文題目覆菊旗型辯撂S員尚T廳T婉垮羨昧鏘諺確屯站幽叭U肌批擬‰斧妨叭一厶ODOCCK捌靠3E奴譯礎(chǔ)饑甜9如S作者姓名專業(yè)指導(dǎo)教師姓名專業(yè)技術(shù)職務(wù)聱暈趙攫B(yǎng)FO年犀月L亨日●●原創(chuàng)性聲明本人鄭重聲明所呈交的學(xué)位論文，是本人在導(dǎo)師的指導(dǎo)下，獨(dú)立進(jìn)行研究所取得的成果。除文中已經(jīng)注明引用的內(nèi)容外，本論文不包含任何其他個(gè)人或集體已經(jīng)發(fā)表或撰寫過的科研成果。對(duì)本文的研究作出重要貢獻(xiàn)的個(gè)人和集體，均已在文中以明確方式標(biāo)明。本聲明的法律責(zé)任由本人承擔(dān)。論文作者簽名關(guān)于學(xué)位論文使用授權(quán)的聲明本人同意學(xué)校保留或向國家有關(guān)部門或機(jī)構(gòu)送交論文的印刷件和電子版，允許論文被查閱和借閱；本人授權(quán)山東大學(xué)可以將本學(xué)位論文的全部或部分內(nèi)容編入有關(guān)數(shù)據(jù)庫進(jìn)行檢索，可以采用影印、縮印或其他復(fù)制手段保存論文和匯編本學(xué)位論文。保密論文在解密后應(yīng)遵守此規(guī)定論文作者簽名DQ疊企導(dǎo)師簽名

簡介：赤潮日益成為危害海洋生態(tài)環(huán)境和人類生產(chǎn)生活的自然災(zāi)害。近年我國沿海地區(qū)赤潮頻發(fā)規(guī)模亦呈增長趨勢。監(jiān)控和預(yù)測赤潮爆發(fā)并及時(shí)采取防治措施利于保護(hù)環(huán)境保證漁業(yè)生產(chǎn)。海水中藻類細(xì)胞的種類和濃度是預(yù)測赤潮爆發(fā)的關(guān)鍵信息。傳統(tǒng)監(jiān)測手段是用肉眼通過顯微鏡觀察海水樣本人工分類和計(jì)數(shù)。這種方法不僅效率低下并且要求操作人員具有專業(yè)知識(shí)否則精度不能保證。將流式細(xì)胞技術(shù)與數(shù)字圖像處理、分類識(shí)別算法相結(jié)合研究開發(fā)的赤潮實(shí)時(shí)監(jiān)控系統(tǒng)可以迅速檢測出海水樣本中藻類的類別和數(shù)量信息已成為預(yù)測赤潮災(zāi)害的重要科研工具。本文對(duì)基于流式細(xì)胞技術(shù)獲取的赤潮藻類圖像進(jìn)行分類識(shí)別技術(shù)研究。針對(duì)海水樣本中藻類類別的多樣性和藻類同類別樣本的分布特點(diǎn)采用合適的分類算法處理藻類圖像的分類識(shí)別問題統(tǒng)計(jì)藻類樣本的數(shù)量獲得預(yù)測赤潮的信息依據(jù)。主要研究內(nèi)容包括⑴研究支持向量機(jī)和半監(jiān)督模糊C均值聚類這兩種傳統(tǒng)的分類算法提出一種新的SVMSNPSFCM算法結(jié)合兩大傳統(tǒng)分類器的特點(diǎn)對(duì)支持向量機(jī)做出改進(jìn)更好的解決藻類圖像的多類分類問題。⑵針對(duì)赤潮爆發(fā)時(shí)某單一藻類數(shù)量激增的特點(diǎn)提出一種融合了主觀貝葉斯和SVMSNP的分類算法利用序列圖像包含的先驗(yàn)知識(shí)對(duì)非均勻的藻類樣本監(jiān)測能夠更貼近真實(shí)情況的反映赤潮優(yōu)勢種在藻類種群中的分布密度。⑶針對(duì)海水樣本中含有雜質(zhì)和未知藻類的特點(diǎn)研究拒識(shí)模式分類提出一種包含拒識(shí)判別的分類算法將一類支持向量機(jī)OCSVM構(gòu)成的拒識(shí)層加入分類器對(duì)海水樣本中的雜質(zhì)和未知藻類實(shí)現(xiàn)拒識(shí)判別保證最終分類結(jié)果的正確有效。

簡介：本文以加強(qiáng)電子信息保護(hù)為目標(biāo)，設(shè)計(jì)了基于信息分類標(biāo)識(shí)的綜合管理系統(tǒng)，對(duì)其重點(diǎn)模塊信息分類標(biāo)識(shí)生成系統(tǒng)、文檔安全管理系統(tǒng)、電子文檔安全審計(jì)系統(tǒng)、文檔安全檢查系統(tǒng)和載體管控系統(tǒng)進(jìn)行了詳細(xì)的設(shè)計(jì)和實(shí)現(xiàn)。此外簡要概述了相關(guān)管理體系建設(shè)的初步思路。基于技術(shù)實(shí)現(xiàn)角度，本文研究了通過數(shù)字簽名防篡改技術(shù)對(duì)重要信息分類標(biāo)識(shí)及信息本身進(jìn)行防篡改驗(yàn)證通過應(yīng)用信息分類標(biāo)識(shí)綁定技術(shù)，將信息的分類標(biāo)識(shí)與信息本身進(jìn)行綁定，并且針對(duì)不同類型的信息采用不同的綁定方式通過基于操作系統(tǒng)內(nèi)核級(jí)的過濾驅(qū)動(dòng)技術(shù)，對(duì)信息的流轉(zhuǎn)，讀寫，打印，刻錄，外聯(lián)等進(jìn)行控制，完成了基于信息分類標(biāo)識(shí)的綜合管理系統(tǒng)的功能設(shè)計(jì)、流程設(shè)計(jì)、關(guān)鍵結(jié)構(gòu)設(shè)計(jì)以及主要系統(tǒng)的開發(fā)。基于重要信息的保護(hù)過程，對(duì)系統(tǒng)運(yùn)行情況進(jìn)行了測試，測試結(jié)果表明，系統(tǒng)運(yùn)行穩(wěn)定，并具有一定的推廣性，根據(jù)各單位業(yè)務(wù)流程進(jìn)行一定程度的改造后，會(huì)取得良好的應(yīng)用效果，從而保護(hù)重要信息的安全。