提出了一种改进的LSM-ALSM子空间模式识别方法，将LSM的旋转策略引入ALSM，使子空间之间互不关联的情况得到改善，提高了ALSM对相似样本的区分能力。讨论中以性能函数代替经验函数来确定拒识规则的参数，实现了识别率、误识率与拒识率之间的最佳平衡；通过对有限字符集的实验结果表明，LSM-ALSM算法有效地改善了分类器的识别率和可靠性。关 键 词 学习子空间; 性能函数; 散布矩阵; 最小描述长度在子空间模式识别方法中，一个线性子空间代表一个模式类别，该子空间由反映类别本质的一组特征矢量张成，分类器根据输入样本在各子空间上的投影长度将其归为相应的类别。典型的子空间算法有以下三种[1, 2]：CLAFIC(Class-feature Information Compression)算法以相关矩阵的部分特征向量来构造子空间，实现了特征信息的压缩，但对样本的利用为一次性，不能根据分类结果进行调整和学习，对样本信息的利用不充分；学习子空间方法(Leaning Subspace Method, LSM)通过旋转子空间来拉大样本所属类别与最近邻类别的距离，以此提高分类能力，但对样本的训练顺序敏感，同一样本训练的顺序不同对子空间构造的影响就不同；平均学习子空间算法(Averaged Learning Subspace Method, ALSM)是在迭代训练过程中，用错误分类的样本去调整散布矩阵，训练结果与样本输入顺序无关，所有样本平均参与训练，其不足之处是各模式的子空间之间相互独立。针对以上问题，本文提出一种改进的子空间模式识别方法。子空间模式识别的基本原理1.1 子空间的分类规则子空间模式识别方法的每一类别由一个子空间表示，子空间分类器的基本分类规则是按矢量在各子空间上的投影长度大小，将样本归类到最大长度所对应的类别，在类x()iω的子空间上投影长度的平方为()211,2,,()argmax()jMTkkjpg===Σx (1)式中 函数称为分类函数；为子空间基矢量。两类的分类情况如图1所示。
上传时间： 2013-12-25
上传用户：熊少锋
设计了一种能使FPGA的主状态机直接管理Flash的控制器，该控制器具有自己的指令集和中断管理方式。用户可以根据FPGA的系统时钟对控制器进行操作，无需关心Flash对指令和数据的时序要求。控制器建立了自己的坏块管理机制，合并了一些Flash的常用关联指令，方便了用户对FPGA主状态机的设计。
上传时间： 2013-10-08
上传用户：shen007yue
近些年来，我国的服务计算范型得到了不断的开发和发展，网络资源的发布、网络维护、网络资源部署以及网络资源的合理配置等等领域都或多或少的产生了很大变化。不管是从个人角度来看，还是从企业整体的角度来看，用户都已经将过去原有的空间限制、时间限制以及组织限制很好的跨越，并且对其创新能力很好的扩展。作为当前形势下新一代服务计算的模型，云计算对于IT以及与其有关联的产业都产生了十分深远的影响，具有深远的意义。面对当前云计算技术的千变万化，将云计算的生态系统这一概念很好的采取，将云计算系统的构建、运行机制、关键要素以及其关键的算法很好的提出来，并且将云存储作为主要的例子，来将其构建的过程很好的分析，对其可能产生的问题进行探讨，并且明确其解决的措施，本文中，笔者就研究云计算及云储存生态系统。
上传时间： 2013-11-07
上传用户：zengduo
在卫星通信系统中，非铁磁性微波无源器件的无源互调（PIM）问题非常严重，产生PIM的根源在于天线、波导法兰等无源器件的非线性效应，例如场发射、量子隧穿、热电子发射、电致伸缩、微放电等[1]。文中通过对波导法兰无源互调模型的分析和测量，得出波导间接触压力越大，各阶PIM越小；PIM阶数越高，载波功率之比对其影响越大。
上传时间： 2014-12-29
上传用户：hustfanenze
KJ251人员管理系统关联设备
上传时间： 2013-11-05
上传用户：comua
KJ251人员管理关联设备
上传时间： 2013-10-30
上传用户：jelenecheung
智能居住小区通过对小区建筑群4 个基本要素（结构、系统、服务、管理以及它们之间的内在关联）的优化考虑，提供一个投资合理，又拥有高效率、舒适、温馨、便利以及安全的居住环境。
上传时间： 2013-12-15
上传用户：cainaifa
提出了一个自适应量子粒子群优化算法，用于训练RBF网络的基函数中心和宽度，并结合最小二乘法计算网络权值，对RBF网络的泛化能力进行改进并用于特征选择。实验结果表明，采用自适应量子粒子群优化算法获得的RBF网络模型不但具有很强的泛化能力，而且具有良好的稳定性，能够选择出较优秀的特征子集。
上传时间： 2013-11-16
上传用户：erkuizhang
针对传感器网络下多目标跟踪时目标数量不断变化这一复杂情况，文中对多目标的跟踪和特征管理方法进行了研究。该方法由数据关联、多目标跟踪、特征管理，和信息融合所组成。其中未知数量多目标的跟踪和数据关联通过马尔科夫蒙特卡罗数据关联实现。通过信息融合来整合本地信息，获取所有相邻传感器的本地一致性，最终实现特征管理。试验证明，本方法能够在分布式的传感器网络环境下对多目标进行准确有效地跟踪和特征管理。
上传时间： 2013-11-18
上传用户：wangdean1101
1. 简介 ISIS中的属性有非常大的用处。一个特定的对象的属性是由一些关键字组成，比如，在ISIS中，我们使用封装的属性与PCB的封装关联。 对象，管脚，电路图都有自己的属性，如果你想很把这个功能强大的软件用好你必须很清楚他们之间的联系，这个软件和以前你所用过的画电路的软件有些不同。 2. 对象属性 对象属性有两个类型—系统属性和使用属性。在ISIS中的这些功能是由一些保留字所组成，不管是内部的程序比如ARES和VSM，或者你自己所使用的软件都是有关联的。 (1)系统属性 系统属性在ISIS中是由一些特殊含义的关键字所够成。比如，一个元件中的DEVICE属性是根据元件库在分配时候定义的。这些属性一般是文本的—比如元件的REF和VALUE属性可以直接从Edit Component对话框中访问，但是别的比如DEVICE属性就是做为图形操作所生成的结果。
上传时间： 2013-11-22
上传用户：AbuGe
