簡介：點擊查看更多膽囊炎和腎病綜合癥脈象信號的特征提取與分類研究.pdf精彩內容。

簡介：點擊查看更多文本分類技術在綜合風險元搜索引擎中的研究與實現(xiàn).pdf精彩內容。

簡介：電力系統(tǒng)數(shù)字仿真計算已成為電網(wǎng)規(guī)劃、設計、調度和運行控制的主要決策依據(jù)，電力負荷模型是影響仿真結果精度和可信度最為重要的因素之一。電力系統(tǒng)中的綜合負荷具有構成復雜、隨機時變、地域分散等特點，負荷建模的最大困難在于負荷的時變性。近幾年的研究表明，負荷動特性的分類與綜合是解決負荷時變性問題的有效途徑。本文圍繞著綜合負荷分類與綜合問題展開論述。數(shù)據(jù)挖掘技術是解決電力系統(tǒng)相關問題的一種有應用前景的方法，在深入系統(tǒng)地研究了負荷動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用于電力系統(tǒng)負荷動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過程相關性原理，以負荷動特性的實測響應空間為特征向量空間，通過計算實測響應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的分布情況進行合并，從而達到負荷動特性分類。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，對其進行參數(shù)辨識即可得到同類負荷特性的通用負荷模型。分類和綜合在同一過程中完成，具有快速簡便的優(yōu)點。對某一變電站現(xiàn)場采集的負荷特性數(shù)據(jù)進行聚類應用，結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)對各個樣本的擬合誤差等方面與其它分類綜合方法作比較分析。由比較結果可以看出，該方法在運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谪摵蓜犹匦苑诸惻c綜合中具有較好的應用價值。

簡介：點擊查看更多模糊綜合評判和灰色模式識別在場地分類中的應用.pdf精彩內容。

簡介：分類是數(shù)據(jù)挖掘中一項非常重要的任務目前在商業(yè)上應用最多分類的目的是提出一個分類函數(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)項映射到給定類別中的某一個大量的統(tǒng)計方法和機器學習方法被應用于自動文本分類自動文本分類分為三個過程首先對文本進行預處理將文本數(shù)字化接著構造并訓練分類器最后用分類器對新文本進行分類本文根據(jù)對以往傳統(tǒng)的分類方法的研究特別是每一個分類器對于不同類別的區(qū)分程度不同提出一種基于綜合評價理論的多分類器綜合方法旨在利用各個子分類器對于不同類別的區(qū)分度不同互相取長補短評價模型使用了線性加權模型把多個分類器綜合和在一個容器內訓練過程參照了優(yōu)化理論中的直接搜索方法形成一個容納多個分類器的容器文本預處理過程中首先通過對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重計算方法最后把文本表示成向量的形式在分類器的訓練過程中首先構造了四個子分類器利用復旦大學提供的語料進行測試分析再根據(jù)綜合評價理論構造分類容器對分類容器進行訓練時得出各個子分類器的類別權值即權值矩陣分類器測試時先用子分類器對文本進行判別再利用權值矩陣運用集值迭代的方法進行加權求和最后取和最大的類做為類別歸屬這個容器是各個分類器的一個優(yōu)化的組合實驗結果表明這個容器確實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：目的本研究通過對評估和測量綜合醫(yī)院428例成年住院病人自理能力、疾病嚴重程度及24小時所需的直接護理時間，1比較不同自理能力、疾病嚴重度病人24小時直接護理時間的差異；2了解病人直接護理時間與自理能力、疾病嚴重度以及自理能力與疾病嚴重度的相關關性；3探索一種依據(jù)病人自理能力、疾病嚴重度對病人進行分類的方法。結論1不同自理能力的病人24小時直接護理時間不同2不同疾病嚴重度的病人24小時直接護理時間不同3病人24小時所需的直接護理時間與自理能力負相關，與疾病嚴重度正相關，病人自理能力與疾病嚴重度負相關4依據(jù)病人的自理能力ADL和疾病嚴重度不同可將病人按照直接護理時間的多寡分為三類，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小時所需的直接護理時間最少，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小時所需的直接護理時間最多。

簡介：點擊查看更多福建師范大學學生腸易激綜合征的流行病學調查及證型分類.pdf精彩內容。

簡介：湖南大學碩士學位論文基于綜合特征的圖像語義分類技術的研究姓名伍卉申請學位級別碩士專業(yè)計算機科學與技術指導教師李仁發(fā)20090428碩一L二學位論文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、運行、控制和決策的主要手段負荷模型則是影響仿真結果精度和可信度最為重要的因素之一。由于負荷自身的隨機時變性、多樣性、地域分散性和非線性等特點負荷建模仍然是國內外電力系統(tǒng)界公認的難題。電力系統(tǒng)負荷建模研究中負荷模型結構一直是倍受關注的最基本和最關鍵的問題之一。電力系統(tǒng)綜合負荷成分復雜單純采用靜態(tài)或動態(tài)負荷模型難以精確描述其復雜特性采用靜態(tài)模型與動態(tài)模型相結合的綜合負荷模型已成為趨勢。針對現(xiàn)有機理綜合負荷模型結構復雜、參數(shù)不容易辨識等問題本文采用改進ZIP冪函數(shù)差分方程模型來描述綜合負荷的動態(tài)特性。其中ZIP冪函數(shù)描述負綜合荷中的靜態(tài)負荷成分差分方程描述綜合負荷中的動態(tài)負荷成分。將動模試驗中獲得的故障錄波數(shù)據(jù)作為建模數(shù)據(jù)基于模型回響辨識原則建立模型參數(shù)辨識所對應的優(yōu)化目標函數(shù)采用粒子群算法求解優(yōu)化問題實現(xiàn)了模型參數(shù)的辨識。建模結果表明該模型結構簡單參數(shù)易辨識能夠較好的描述綜合負荷的動態(tài)特性。該模型可以作為綜合負荷建模時模型結構的一種選擇。大區(qū)電網(wǎng)中的負荷節(jié)點數(shù)目眾多對每一個負荷節(jié)點均進行測量建模比較困難有效的辦法是將眾多負荷節(jié)點進行分類從每類中挑選出典型節(jié)點建模。本文提出一種基于SOM神經(jīng)網(wǎng)絡的變電站負荷特性分類與綜合方法。SOM神經(jīng)網(wǎng)絡能夠對輸入模式進行自動聚類已建立的SOM神經(jīng)網(wǎng)絡能夠對新的輸入模式進行判別。以變電站各行業(yè)的構成比例作為分類特征向量利用SOM神經(jīng)網(wǎng)絡對某電網(wǎng)48個變電站負荷特性進行了分類與綜合取得了令人滿意的結果。在不改變電網(wǎng)已有的變電站負荷特性分類的情況下利用已訓練好的SOM神經(jīng)網(wǎng)絡可以方便地實現(xiàn)新增變電站負荷特性的判別。該方法克服了變電站負荷特性分類與綜合的隨機性和主觀性為負荷建模走向實用化提供了新的途徑。

簡介：點擊查看更多休閑服企業(yè)成衣供應商綜合實力評價及分類管理研究.pdf精彩內容。

簡介：分類號密級學校代碼10165學號200710758遣享虛可筢大擎碩士學位論文FISHER和支持向量綜合分類器作者姓名學科、專業(yè)研究方向導師姓名安文娟概率論與數(shù)理統(tǒng)計統(tǒng)計學習理論孫德山副教授2010年05月學位論文獨創(chuàng)性聲明本人承諾所呈交的學位論文是本人在導師指導下所取得的研究成果。論文中除特別加以標注和致謝的地方外，不包含他人和其他機構已經(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。學位論文作者簽名堡塞墮勇學位論文版權的使用授權書本學位論文作者完全了解遼寧師范大學有關保留、使用學位論文的規(guī)定，及學校有權保留并向國家有關部門或機構送交復印件或磁盤，允許論文被查閱和借閱。本文授權遼寧師范大學，可以將學位論文的全部或部分內容編入有關數(shù)據(jù)庫并進行檢索，可以采用影印、縮印或掃描等復制手段保存、匯編學位論文，并且本人電子文檔的內容和紙質論文的內容相一致。保密的學位論文在解密后使用本授權書。學位論文作者簽名盟童孽一指導教師簽名二B丑立L簽名日期≥力IO年6月7日

簡介：Y。8266LJ；長安大學工程碩士學，J位論文韭地震渣副縊縫罄醋昱堂’鑒基磐‘。?！玊0指導教師姓名王夏撮．?；@薇盛。．一。CD申請學位級別王盈攀半，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奴譯礎饑甜9如S作者姓名專業(yè)指導教師姓名專業(yè)技術職務聱暈趙攫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位論文，是本人在導師的指導下，獨立進行研究所取得的成果。除文中已經(jīng)注明引用的內容外，本論文不包含任何其他個人或集體已經(jīng)發(fā)表或撰寫過的科研成果。對本文的研究作出重要貢獻的個人和集體，均已在文中以明確方式標明。本聲明的法律責任由本人承擔。論文作者簽名關于學位論文使用授權的聲明本人同意學校保留或向國家有關部門或機構送交論文的印刷件和電子版，允許論文被查閱和借閱；本人授權山東大學可以將本學位論文的全部或部分內容編入有關數(shù)據(jù)庫進行檢索，可以采用影印、縮印或其他復制手段保存論文和匯編本學位論文。保密論文在解密后應遵守此規(guī)定論文作者簽名DQ疊企導師簽名

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)控和預測赤潮爆發(fā)并及時采取防治措施利于保護環(huán)境保證漁業(yè)生產(chǎn)。海水中藻類細胞的種類和濃度是預測赤潮爆發(fā)的關鍵信息。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)知識否則精度不能保證。將流式細胞技術與數(shù)字圖像處理、分類識別算法相結合研究開發(fā)的赤潮實時監(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)量信息已成為預測赤潮災害的重要科研工具。本文對基于流式細胞技術獲取的赤潮藻類圖像進行分類識別技術研究。針對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采用合適的分類算法處理藻類圖像的分類識別問題統(tǒng)計藻類樣本的數(shù)量獲得預測赤潮的信息依據(jù)。主要研究內容包括⑴研究支持向量機和半監(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算法結合兩大傳統(tǒng)分類器的特點對支持向量機做出改進更好的解決藻類圖像的多類分類問題。⑵針對赤潮爆發(fā)時某單一藻類數(shù)量激增的特點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知識對非均勻的藻類樣本監(jiān)測能夠更貼近真實情況的反映赤潮優(yōu)勢種在藻類種群中的分布密度。⑶針對海水樣本中含有雜質和未知藻類的特點研究拒識模式分類提出一種包含拒識判別的分類算法將一類支持向量機OCSVM構成的拒識層加入分類器對海水樣本中的雜質和未知藻類實現(xiàn)拒識判別保證最終分類結果的正確有效。

簡介：本文以加強電子信息保護為目標，設計了基于信息分類標識的綜合管理系統(tǒng)，對其重點模塊信息分類標識生成系統(tǒng)、文檔安全管理系統(tǒng)、電子文檔安全審計系統(tǒng)、文檔安全檢查系統(tǒng)和載體管控系統(tǒng)進行了詳細的設計和實現(xiàn)。此外簡要概述了相關管理體系建設的初步思路?；诩夹g實現(xiàn)角度，本文研究了通過數(shù)字簽名防篡改技術對重要信息分類標識及信息本身進行防篡改驗證通過應用信息分類標識綁定技術，將信息的分類標識與信息本身進行綁定，并且針對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)內核級的過濾驅動技術，對信息的流轉，讀寫，打印，刻錄，外聯(lián)等進行控制，完成了基于信息分類標識的綜合管理系統(tǒng)的功能設計、流程設計、關鍵結構設計以及主要系統(tǒng)的開發(fā)?；谥匾畔⒌谋Ｗo過程，對系統(tǒng)運行情況進行了測試，測試結果表明，系統(tǒng)運行穩(wěn)定，并具有一定的推廣性，根據(jù)各單位業(yè)務流程進行一定程度的改造后，會取得良好的應用效果，從而保護重要信息的安全。