简介:单次脑电分类实验中,采用基于logistic回归的正则化方法来提高分类准确率.首先,提出一种新算法——局部保持投影稀疏logistic回归,将局部保持投影正则项加入到稀疏logistic回归中.该算法旨在保留原始特征空间邻域信息的同时保证结果的稀疏性.然后,利用边界优化法和逐分量迭代算法在训练集上求解权重向量,克服了牛顿一拉夫森法和迭代重加权最小二乘法的局限性.最后,在自步调手指运动数据集上采用十重交叉验证法得到80%的分类准确率,并与稀疏logistic回归的实验结果进行对比,说明局部保持投影正则项有效地保留了对脑电分类有用的信息.
简介:群对群(G2G)计算是一种基于G2G网络的分布式计算。G2G计算得益于灵活的分群,相同属性或任务的群内计算。本文提出了一个有门户网站结构,基于G2G计算的搜索服务。G2G搜索服务是一个混合搜索系统,既有分布式的搜索服务,又采用了集中式的搜索服务。采用G2G搜索服务的好处之一是,用户既参与了系统的分布式搜索任务,又能向系统请求搜索服务。采用G2G搜索服务的好处之二是,用部分的集中式结构把分散的局域搜索系统关联起来,扩大了系统的搜索效能。
简介:采用溶胶一凝胶法制备SO4^2-/TiO2催化剂的基体,用不同浓度的硫酸对催化剂基体进行浸渍,考察催化剂性能。选出制备催化剂的硫酸浓度。考察反应温度、甲醇流量对催化剂性能的影响;探讨了催化剂失活的原因。实验结果表明,催化剂S10活性最好;甲醇制烯烃的反应温度为410-430℃,具有98.8%的甲醇转化率和90.65%的乙烯选择性:反应时甲醇的流量为0.05mol·s^-1。
简介:为了提高图像插值的恢复效果,提出了一种基于图结构正则化稀疏表示的双层伯格曼迭代算法.该迭代算法的外层用于约束图像观测数据,内层用于更新图像块的学习字典和稀疏表示系数.引入的图结构正则化稀疏表示约束可以有效地自适应图像块的局部结构,对于严重受损的情形也能得到精确的恢复结果.此外,在内层迭代中改进的稀疏表示和简洁的字典更新策略使算法能快速地趋于收敛.数值实验结果表明,所提出的算法可以有效地恢复图像,在主观视觉效果和客观量化标准上要优于目前已有的算法.