用于人机交互和总线传输的C++参数类设计

某仪表通过总线收发的参数是有符号的多字节二进制形式,而人机界面交互时要以浮点形式显示和输入修改,为此提出一种适用于仪表控制的有符号多字节C++参数类设计,实现了参数数值在二进制形式与浮点的转换,满足了在人机交互和总线传输时的需求。

基于分类讨论的含参数类题型的解题策略

分类讨论题是高考数学试题的重要题型,分类讨论将一个复杂的问题化为单一的、特殊的问题分而治之,各个击破,是一种极能培养学生思维能力的题型,能提高学生的条理性和概括性,使学生领悟分类技巧,提高解题能力。

基于变分贝叶斯对比网络的非参数图像聚类方法

非参数图像聚类中聚类簇数是未知的,需要模型自动发现.虽然一些现有的贝叶斯方法可以自动推断聚类簇数,但由于计算成本过高或过于依赖已学习到的特征,在大规模图像数据集上并不可行.因此,文中提出基于变分贝叶斯对比网络的非参数图像聚类方法.首先,利用ResNet提取图像特征.然后,提出深度变分迪利克雷过程混合优化方法,自动推断聚类数量,可直接嵌入端到端的深度模型,并可与特征提取器进行联合优化.最后,提出极化对比聚类学习,利用极化标签去噪策略对标签进行去噪和极化处理,并利用极化标签与数据增强预测标签进行对比学习,联合优化图像特征提取器和分类器.在三个基准数据集上的实验表明,文中方法性能较优.

DSets-DBSCAN无参数聚类的雷达信号分选算法

针对现有的很多高效分选算法的性能严重依赖于外界输入的参数问题,例如聚类数目、聚类容差等,将无参数聚类算法DSets-DBSCAN应用于雷达信号分选,提出了一种无参数的雷达信号脉冲聚类算法。该算法无须依赖于任何参数的设置,就能自适应地完成聚类。算法输入直方图均衡化处理过的成对相似性矩阵,使得Dsets(dominant sets)算法不依赖于任何参数;根据得到的超小簇自适应给出DBSCAN的输入参数;利用DBSCAN扩展集群。仿真实验证明,该算法对雷达脉冲描述字特征进行无参数分选的有效性。同时,在虚假脉冲比例(虚假脉冲数/雷达脉冲数)不高于80%的情况下,对雷达信号的聚类准确率在97.56%以上。

一种用于基因表达数据的无参数聚类算法

提出了一种用于基因表达数据的无参数聚类算法。该算法把多维数据的模糊聚类方法与CTWC相结合,并引入基于范数的方法进一步对该方法加以改进和论证。将该算法应用于真实的结肠癌基因表达数据集,确定了含8个基因的特征基因组合,该特征基因组合不仅达到了90%左右的结肠癌样本识别率,还能鉴别结肠癌样本的亚型。实验结果充分验证了这种算法的可行性。

基于非参数密度估计聚类的关键帧提取方法

关键帧提取是基于内容的视频检索的一个重要的组成部分,所提取的关键帧的有效性,直接影响视频检索的结果。文中提出了一种基于非参数密度估计聚类的关键帧提取方法。首先,通过提取图像的颜色特征和运动特征,然后利用均值漂移聚类方法对融合了颜色和运动信息的特征空间进行聚类。它能自动确定类别数并具有严格的收敛性,从而大大减少了运算量,提高了运算速度。实验证明,本方法的提取结果与人的主观视觉感知系统具有良好的一致性。

基于拉普拉斯中心性和密度峰值的无参数聚类算法

针对聚类算法的聚类中心选取需要人工参与的问题,提出了一种基于拉普拉斯中心性和密度峰值的无参数聚类算法(ALPC)。首先,使用拉普拉斯中心性度量对象的中心性;然后,使用正态分布概率统计方法确定聚类中心对象;最后,依据对象到各个中心的距离将各个对象分配到相应聚类中心实现聚类。所提算法克服了算法需要凭借经验参数和人工选取聚类中心的缺点。在人工数据集和真实数据集上的实验结果表明,与经典的具有噪声的基于密度的聚类方法(DBSCAN)、密度峰值聚类(DPC)算法以及拉普拉斯中心峰聚类(LPC)算法相比,ALPC具有自动确定聚类中心、无参数的特点,且具有较高的聚类精度。

弓形虫速殖子体外对人类精子运动参数影响的实验研究

目的 了解弓形虫速殖子对人类精子运动参数的体外影响 ,探讨弓形虫感染对男性不育的可能发病机制。方法将纯化的活弓形虫速殖子悬液 ,在体外与生育男性经上游优化处理的精子一起孵育。于孵育 0、2、4、8、16、2 4h后 ,应用计算机辅助的精子分析系统 ,分别检测其精子运动参数。在各时间点均设立对照组。结果 弓形虫速殖子与精子孵育 0、2、4h后 ,孵育精子的运动参数与其对照组无显著性变化 ;孵育 8h后 ,精子运动速度显著低于对照组。孵育 8h、16h后的精子运动方式为原地转圈和锯齿形运动 ,孵育 2 4h后 ,精子的运动速度小于 10 μm/s,有活力精子则全是原地转圈运动。 结论 弓形虫速殖子对精子运动速度和运动方式有明显影响 ,弓形虫感染可能是引起男性不育的原因之一。

含第一类临界参数抽象动力方程边值问题之积分算子求解法

该文讨论了一类抽象 Volterra型积分算子 ,利用此获得了含第一类临界参数的抽象动力方程边值问题的解 .

带形状参数的类三次代数三角Hermite参数样条曲线

基于空间{1,t,sin t,cos t,sin^2t}提出了一类带形状参数的类三次代数三角Hermite参数样条曲线。该曲线不仅具有标准三次Hermite参数样条曲线的性质,而且在适当条件下能够精确表示圆、椭圆、抛物线等工程曲线。在给定插值条件时还可通过改变形状参数的取值对曲线的形状进行调控。同时,还基于光顺准则建立求解最优形状参数的数学模型,根据实际需要,该模型所求的形状参数能使得曲线达到C^1或C^2连续。实例表明,利用模型求解的最优形状参数能保证曲线具有良好的光顺性。

基于OFI类镍氪原子参数计算

利用Cowan程序对类镍氪系统的原子参数进行了计算 ,通过自行编制的辅助程序将原来仅以麦克斯韦分布为基础的Cowan程序推广到适用于任意电子能量分布的情形。计算的原子参数主要包括类镍氪系统的能级、振子强度、自发辐射衰变速率、能级寿命等。

非参数下贝叶斯判别与聚类分析的信用指标筛选模型

文章通过非参数贝叶斯判别对所有信用指标进行第一轮筛选,通过非参数聚类方法对保留的信用指标进行第二轮筛选,提供了一套指标分布未知下筛选信用评价指标的非参数方法,并以某商业银行的860个企业信贷数据为样本进行了应用分析。其要点一是通过非参数核密度分布函数构建违约客户与非违约客户的二分类贝叶斯判别模型,删除判别精度影响度大于等于0的信用指标,保留判别精度影响度小于0的信用指标。二是通过非参数聚类将保留的指标聚为19类,在聚为一类的指标中保留判别精度影响度比重最大的信用指标,最终构建具有显著信用判别能力且信息不重复的指标体系。实证结果表明,最终构建的20个指标的企业信用评价指标体系符合5C要素模型。最终构建指标的判别精度高于全部指标判别精度3个百分点。

利用一维投影分析的无参数多密度聚类算法

针对DBSCAN(Density Based Spatial Clustering of Applications with Noise)算法对参数敏感且无法适用于多密度数据集聚类的缺点,提出一种改进的基于一维投影分析的无参数多密度聚类算法PFMDBSCAN(Parameter Free Multi-Density Clus-tering Using One-dimensional Projection Analysis).算法首先对数据集进行一维投影,并对投影后的数据进行高斯核密度估计,据此采用极值策略得到多个局部密度估计值,将每个局部密度估计值转换为参数后依次调用DBSCAN进行聚类,最终得到完整的聚类结果.该算法达到了聚类无参数化且能适用于多密度的目标.实验表明,本文提出的无参数算法对单密度和多密度数据集都有较好的聚类效果,能适用于任意形状、任意密度的数据集,且具有较强的抗噪性.与近期文献中提出的无参数多密度聚类算法APSCAN相比,不仅聚类效果更好,且计算复杂性更低.

一种新型高效的无参数化聚类算法

为了解决K-means算法对初始聚类数k和初始聚类中心经验参数的依赖问题,提出了一种基于最小生成树的无参数化聚类MNC算法(MST based Non-parameterized Clustering).首先将待聚类数据集抽象成赋权完全图WCG(Weighted Complete Graph),其中的点代表向量,赋权边代表数据间的相似关系;然后将WCG转换成全连通的最小生成树M ST(M inimum Spanning Tree);接着利用k=2的经典K-means算法对M ST边集的一维权重空间进行聚类,得到剪枝的阈值;最后对M ST进行剪枝和噪声过滤,得到的连通分量即为聚类的簇.实验结果表明,相对传统聚类算法,MNC算法不仅能够识别不同形状的数据簇,而且其无参数化的特点可以大大减少聚类时间,提高聚类效率.

一种基于密度的无参数聚类算法

大多数聚类算法在聚类过程中需要输入参数,并且对输入参数具有一定的敏感性.针对这种不足,在基于密度的聚类方法基础之上融合模糊聚类思想,给出了一种密度的无参数(无需输入任何参数)聚类算法.实验结果表明,算法能有效地找出任意形状的簇,且聚类结果质量高,适应于大型数据集.

基于第二类切比雪夫多项式的语音线性谱对参数的计算

对线性谱对 (LSP)参数的计算方法提出改进算法 ,该算法利用第二类切比雪夫多项式的迭代性质对初始函数降阶。理论分析表明 ,改进算法可以获得更简洁的数学表达式。实验结果显示 ,改进算法中基本消除了乘法运算 ,同时随着线性预测分析阶数的增加可以进一步降低算法复杂度。

PID参数调节的谱多流形聚类算法研究

数据的复杂和多样性使得对大数据处理和分析能力有更高的要求。流形聚类在数据挖掘中取得显著的成功,但参数调整是聚类算法研究中的难点之一,直接影响聚类性能。传统的聚类算法参数调节一般依赖于经验,或者因参数调节的盲目性和随机性,而使得算法失效或复杂度较高。提出了一种基于比例-积分-微分(PID)控制约束的主动控制机制,约束谱多流形聚类参数调整的新方法。通过构造相似度矩阵,使用多个主成分分析器来估计局部切线空间。模型逼近过程由参数传递和PID调节控制。在调整过程中,采用三维ZN方法调整模型参数,扩展搜索空间,根据反馈结果控制谱多流形聚类过程,提高了算法的准确性和复杂性。通过在合成和实际中的不同类型的数据特征集进行检验,可以获得更好的聚类性能。

刚体姿态估计的类Rodrigues参数算法研究

针对Rodrigues参数描述刚体姿态运动时的缺陷,提出了一种类Rodrigues参数的姿态估计算法,从定义上避免了Rodrigues参数和修正Rodrigues参数在π,-π,2π,-2π时的奇异性。推导了类Rodrigues参数描述的姿态运动学微分方程,给出了坐标变换的类Rodrigues参数描述,讨论了类Rodrigues的性质和运算,证明了类Rodrigues参数描述姿态的唯一性,并导出了类Rodrigues参数与其他常用姿态描述间的转换公式。给出了用于捷联惯导的姿态解算中的类Rodrigues递推解法。在Matlab软件中对基于STK生成的某标准弹道轨迹的仿真结果表明:类Rodrigues参数的姿态估计算法不存在奇异,计算效率优于目前广泛应用的四元数方法,有一定的理论参考价值。

对悬浮元器件的类Y参数变换

本文针对现在集成电路集成度的提高和规模的加大 ,其电路分析所用的时间加长的难题提出了一种新的电路分析方法———类Y参数变换 ,并与现有的电路分析方法相比 ,可以减少计算量 ,节约分析时间 。

相似与真实——探析建筑师Kas Oosterhuis对类参数化主义的批判

自20世纪80年代"参数化设计"被贴上"主义"的标签,近年来"类参数化"现象凸显,很大程度上影响了参数化设计理论与思维的良性发展。通过探析荷兰建筑师卡斯·乌斯特惠斯对类参数化主义深入显出的批判,结合其在荷兰代尔夫特理工大学及ONL事务所的研究与设计实践,明晰了参数化设计的本质,并强调参数化设计追求的并不是形式的相似,而是关系的真实。