简介：用户声誉的研究对于互联网金融和电子商务的健康发展具有重要意义,是在线用户行为分析中一个重要的研究方向。在线用户评分系统中研究学者提出了许多声誉度量算法,然而不同方法度量用户声誉的思想和角度是不同的。为了在海量数据中对用户声誉有一个总体的认识,提出一种基于SkylineQuery的高声誉用户识别方法。将已有的几种声誉度量方法进行分类,综合选取代表性的算法得到的用户声誉用Skyline查询方法找到的集合Skyline中不被其他用户所支配的用户,即为高声誉用户。同时分析不同时间段上得到的集合Skyline中高声誉用户的规律。本文综合多种声誉度量方法从定性角度对声誉进行应用研究,拓宽了用户声誉研究的广度。

简介：

简介：摘要：视觉和红外相机具有互补的属性，将它们一起使用可以提高人脸识别的性能。这项研究提出了一种新的有效人脸识别方法，融合了来自两个领域的互补信息。第一步，通过基于区域分割和 PCNN的新图像融合方法获得融合图像。第二步，根据熵的贡献，通过 ECA和 2DECA提取融合图像的特征。该方法已在 OTCBVS数据库上进行了测试，实验结果的比较表明，该方法在人脸识别中表现良好。

简介：从复杂网络理论角度出发,提出了一种基于网络凝聚度的电力网络关键线路评价方法。方法着重关注电力网络的全局状态,综合考虑电力网络中各节点之间的连通能力,以及网络中节点的数目,通过观察输电线路断开前后电力网络凝聚度的变化量,来衡量电力网络中各输电线路的重要程度。通过将研究的计算结果与文献中已有的基于网络效率的关键线路评价方案的结果进行对比,以及在拓扑结构和动力学角度上进行仿真验证,均说明了提出的关键线路衡量方法是合理且有效的。

简介：为了研究超混沌Chen系统的完全同步及未知参数的识别及优化问题,利用两个线性控制器实现参数匹配的两个超混沌Chen系统的完全同步,研究了参数未知的超混沌Chen系统的参数辨识及优化问题,基于Lyapunov稳定性理论,解析地获得同步控制器和参数观测器表达式,其中的控制器个数低于系统维数。研究结果表明：当两个超混沌系统达到完全同步后,驱动系统的5个未知参数被准确识别。该方法在驱动系统的参数发生跃变的情况下也是有效的。

简介：以航空英语为例，采用信息检索领域常用的准确率、召回率等指标对四种常用的专业技术词汇识别方法（使用专业词典、借助语境线索、分类排除法和主题词分析法）的识别有效性进行评估。结果显示，上述几种方法的平均识别率均不高，完全依靠某一种方法来识别专业技术词汇不可避免地存在不足或缺陷，建议开展多方法相结合的综合研究。

简介：

简介：摘要：高速处理器和高分辨率相机的出现引领了针对各种应用的面部识别系统设计的研究。人脸识别系统根据应用程序使用离线数据或实时输入。本文提出了一种基于卷积神经网络（ CNN）的实时人脸识别系统的设计与评估。使用标准 AT＆ T数据集对提议的设计进行了初步评估，随后将其扩展到实时系统的设计中。还报告了有关调整 CNN参数以评估和增强所提出系统识别准确性的详细信息。还提出了一种系统的方法来调整参数，以增强系统的性能。最大识别精度为 98.75％和 98％。

简介：摘要近些年以来，自动化技术已经可以全面适用于电能计量，而与之相应的计量装置构造也实现了突显的转型与改进。然而不应忽视，电能计量装置本身包含了复杂度较高的装置内部构造，因而在经过长期的装置运行以后，其中某些部件就会表现为故障，以至于减损了电能计量应有的精确性。在此前提下，如果要及时判定计量装置表现出来的某些运行异常，则需借助用电采集系统对其开展综合性的故障识别，然后予以妥善的故障处理。

简介：

简介：摘要：在实际应用中，大容量高速开关装置动作判据一般以电流变化率、电流瞬时值和电流变化量等为依据，即短路电流变化率、短路电流值或电流变化量大于整定值，此时距短路故障发生已有几毫秒时间。当前，低压配电系统已实现短路电流的早期检测，已可在300μs内实现低压短路电流的早期故障判别，基于此，本文对高压输电线路短路故障早期检测进行了详细的分析。

简介：摘要：针对传统的图像匹配算法存在误匹配率高，特征提取信息也比较少的问题。本文基于 BOW+SVM框架组合设计并实现了物品识别算法。对目标物体利用无监督学习的方法构造目标物体的识别模型，再与环境图像进行识别模型的特征点匹配，最后确定并且框选出目标物品。使用 SURF算法将目标物品的特征点提取出来，再结合 FLANN算法、特征点二次筛选算法与 RANSAC算法对目标物体进行识别与框选。

简介：

简介：

简介：摘要机器学习已经广泛的应用于众多疾病的辅助诊断中，分类集成学习通过构建多个学习器来完成特定学习任务，再通过特定的策略将他们结合起来。阿尔茨海默症由于其病因和疾病发展经历了较为漫长的过程。本研究使用对早期、晚期轻度认知障碍、阿尔茨海默症及正常老年人进行分组特征提取。优化使用可以提高分辨率的PCA-FLDA集成分类器对前期提取的数据进行分类集成，最大限度的降低了前期特征提取中不同分类方式对空间划分的依赖性。