检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

基于皮尔逊相关系数的动态签名验证方法

仪器仪表学报 2022年第7期43卷 279-287页

作者：刘若男辛义忠李岩沈阳工业大学信息科学与工程学院沈阳110142 沈阳体育学院基础部沈阳110102

针对动态签名验证中存在的动态特征长度不等、动态签名验证方法较复杂以及识别率较低等问题,提出了一种基于皮尔逊相关系数的动态签名验证方法。首先通过划分原始特征区域,筛选并计算对应区域内的特征权重和,然后利用皮尔逊相关分析法... 详细信息

针对动态签名验证中存在的动态特征长度不等、动态签名验证方法较复杂以及识别率较低等问题,提出了一种基于皮尔逊相关系数的动态签名验证方法。首先通过划分原始特征区域,筛选并计算对应区域内的特征权重和,然后利用皮尔逊相关分析法计算各签名特征间的相关系数;再将皮尔逊相关系数作为新特征,分析真伪签名的皮尔逊相关系数分布情况;最后结合高斯密度函数模型,并通过设置个体判别阈值来进行签名验证。实验结果表明,真签名内的皮尔逊相关系数普遍高于真伪签名间的皮尔逊相关系数,且本方法在SVC和xLongSignDB数据集上均展现了较优的签名验证性能,其中xLongSignDB数据集上的误拒率和误识率分别为2.1%和1.7%。

关键词：皮尔逊相关系数动态签名验证特征权重高斯密度函数

基于入侵性杂草优化算法的有噪独立分量分析方法

在线全文

学校读者我要写书评

暂无评论

东北石油大学学报 2014年第2期38卷 114-120,12页

作者：孔祥翠王微微陈静静陈宇中国石油大学(华东)信息与控制工程学院山东青岛266580

针对传统独立分量分析(ICA)算法在含噪情况下分离效果不好,容易陷入局部收敛的问题,提出基于入侵性杂草优化(IWO)算法的有噪独立分量分析方法.以分离信号负熵和为目标函数,选用高斯密度函数估计负熵,消除目标函数中的不稳定项,提高算法... 详细信息

针对传统独立分量分析(ICA)算法在含噪情况下分离效果不好,容易陷入局部收敛的问题,提出基于入侵性杂草优化(IWO)算法的有噪独立分量分析方法.以分离信号负熵和为目标函数,选用高斯密度函数估计负熵,消除目标函数中的不稳定项,提高算法的稳定性和准确性;采用入侵性杂草优化算法估计混合矩阵,提高算法的全局寻优性能.仿真结果表明:与传统Fast ICA和Fast NoisyICA算法相比,文中算法的分离信号和源信号的相似因数更大,随着信噪比增加,相似因数趋向1,可以更好地估计源信号;PI指标明显小于其他两种算法的,可以更为精确地估计混合矩阵.研究结果对有噪ICA信号处理有一定参考意义.

关键词：入侵性杂草优化算法有噪独立分量分析高斯密度函数混合矩阵

基于相似度矩阵约减的仿射聚类fMRI数据分析

在线全文

学校读者我要写书评

暂无评论

计算机工程 2016年第12期42卷 151-155页

作者：管秀英曾卫明王倪传上海海事大学信息工程学院上海201306

利用仿射聚类(APC)方法分析数据量庞大的功能磁共振成像(fMRI)数据时,在时间复杂度、数据存储和聚类效果等方面存在局限性。为此,提出一种融合稀疏仿射传播聚类(SAPC)和相似度矩阵约减的新方法(SDAPC)。对fMRI数据进行稀疏逼近后,结合... 详细信息

利用仿射聚类(APC)方法分析数据量庞大的功能磁共振成像(fMRI)数据时,在时间复杂度、数据存储和聚类效果等方面存在局限性。为此,提出一种融合稀疏仿射传播聚类(SAPC)和相似度矩阵约减的新方法(SDAPC)。对fMRI数据进行稀疏逼近后,结合高斯密度函数和欧式距离对稀疏数据进行密度分析,完成约减后fMRI数据的功能连通性检测。任务态数据实验结果表明,对于单被试,SDAPC的ROC曲线与SAPC接近,但运行速度比SAPC提高了约3倍;对于多被试,SDAPC和SAPC的ROC曲线效果均优于其单被试的ROC曲线。静息态数据实验结果进一步表明,SDAPC能成功提取出9个静息态脑网络。

关键词：仿射传播聚类功能磁共振成像时间复杂度相似度矩阵约减高斯密度函数

在线全文

学校读者我要写书评

暂无评论

基于密度的模糊聚类分析算法研究

基于密度的模糊聚类分析算法研究

作者：马娜娜内蒙古科技大学

学位级别：硕士

聚类分析是无监督模式识别的一个重要分支，作为一个重要的数据挖掘工具已经广泛应用于多个领域。它是把一个没有类别标记的数据集按照某种准则聚为若干类，使相似的数据集尽可能归于一类，不相似的数据集划分到不同的类中的一个过程。... 详细信息

聚类分析是无监督模式识别的一个重要分支，作为一个重要的数据挖掘工具已经广泛应用于多个领域。它是把一个没有类别标记的数据集按照某种准则聚为若干类，使相似的数据集尽可能归于一类，不相似的数据集划分到不同的类中的一个过程。现实生活中存在的大量不确定性和模糊性的问题，所以产生了模糊聚类分析。模糊聚类分析已发展成聚类分析中一个十分活跃的研究领域，并在众多领域得到了成功的应用，如分类学、地质学、金融业、市场营销、模式识别和图像分割等领域。因此，模糊聚类分析具有十分广阔的研究与应用空间。本文研究的内容包括以下两个方面：（1）在对基于目标函数的模糊C均值聚类算法FCM(Fuzzy C-Means)研究的基础上，针对模糊C均值聚类算法在初始簇中心选择方面存在的问题进行了改进。因为模糊C均值聚类算法对初始聚类中心有很强的依赖性，所以快速准确找到初始聚类簇中心就能得到理想的聚类结果。传统的模糊C均值聚类算法是随机选取选初始聚类中心，得到的聚类结果有随机性。本文提出了用高斯密度函数计算初始聚类中心。计算方法是：以数据空间中数据点间的最大距离DMax/C为约束条件，选取密度值最大的前C个点作为初始聚类中心，进行FCM算法聚类。实验表明，与随机选取初始聚类中心相比改进算法计算出的初始聚类中心更接近真实聚类中心。（2）基于密度函数加权的模糊C均值聚类算法(DFCM)的设计与实现：根据数据的自然分布特征（有的数据点周围的数据点多，该点的密度大;相反，有的数据点周围的数据点少，该点的密度小），通过计算每个数据对象的高斯密度函数值并将其归一化处理作为权值，加入传统的模糊C均值算法中，得到基于密度函数加权的模糊C均值算法，这样能更合理地发现数据集的自然结构，克服了只是根据数据点间距离确定其隶属度的不足。DFCM算法使用java语言编写，通过使用仿真二维数据集，UCI数据集中的IRIS数据集和高维数据集wine数据集，对改进算法(DFCM)行了测试，实验表明改进算法确定出的数据点对簇的隶属度变化能够更有效地反映出数据点的分布特征，即在密度大、数据点多的簇中数据点的隶属度高，密度大、数据点少的簇中数据点的隶属度值相对较小，密度小、数据点少的簇中数据点的隶属度值更小。因此，通过合理选取隶属度阈值能够有效地区分出客观存在的簇和噪声数据点。

关键词：模糊聚类模糊C-均值聚类高斯密度函数隶属度密度加权

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

形位误差的分布规律及其工序能力的调查

机械 1981年第2期 9-18+65页

作者：官民孝重庆市机械工业局

本文着重探讨了形位误差的分布规律以及工序能力指数的合理计算方法。首先论证了误差分布不象尺寸误差那样是对称型的正态分布,而是从零起始的正向的偏向分布。具体分两类:第一类为绝对值形位误差的分布,即绝对值分布,其概率密度函数为... 详细信息

本文着重探讨了形位误差的分布规律以及工序能力指数的合理计算方法。首先论证了误差分布不象尺寸误差那样是对称型的正态分布,而是从零起始的正向的偏向分布。具体分两类:第一类为绝对值形位误差的分布,即绝对值分布,其概率密度函数为■其特例有反射正态分布和类正态微偏分布;第二类为向量值形位误差的分布,包括平面向量值形位误差的瑞利分布和空间向量值形位误差的马克斯威尔分布两种。文中分别介绍了各种分布的概率密度函数,分布曲线,平均值、标准偏差和C值、CPP值的计算(对绝对值形位误差来说■),以及工序能力的调查方法,还用实例说明由此法得到的结果比较切合实际情况。这是当前推行全面质量管理、贯彻新国际“形位公差”时需要探讨的一个课题。

关键词：形位误差标准偏差标准误差 Gauss 分布正态分布工序能力指数绝对值频数分布直方图高斯密度函数正态密度函数分布规律

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

岩井型频率曲线法的应用及其改进

重庆交通大学学报(自然科学版) 1986年第1期 77-86页

作者：陈绳甲

本文针对日本现行频率计算标准方法—岩井型频率曲线法,在具体应用中存在着的问题,进行分析并提出改进意见。

关键词：对数正态分布频率曲线井型正态密度函数高斯密度函数随机变量概率论

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

跳汰床层分布规律及产品分离理论