为解决进行PM2.5质量浓度预测中多因素回归模型的不稳定、神经网络模型的过拟合及局部最小等问题，提出应用支持向量机和模糊粒化时间序列相结合的方法，对PM2.5质量浓度未来变化趋势和范围进行预测.根据PM2.5不同季节的日变化周期模式，确定以24 h为周期的粒化窗宽，利用三角型隶属函数对数据样本进行特征提取作为支持向量机的输入，并在k重交叉验证法下采用网格划分寻找出模型的最佳参数.以2013年3月—2014年2月北京市海淀区万柳监测点四个季节PM2.5的1 h质量浓度监测值为样本数据，应用该方法建立PM2.5质量浓度的时间序列预测模型，并在MATLAB平台下应用LIBSVM工具实现计算过程.结果表明，基于模糊粒化时间序列的预测模型，能较好解决PM2.5机理性建模方式下由于影响因素考虑不全而造成的预测结果不稳定，对模糊粒子拟合效果较好

提出一种基于灰度信息和支持向量机的人眼检测方法.首先,利用人眼区域灰度变化比人脸其他部位灰度变化明显的特征,采用图像灰度二阶矩(方差)建立人眼方差滤波器,在固定人眼搜索区域内,应用人眼方差滤波器搜索候选人眼图像;然后,使用训练的支持向量机分类器精确检测人眼区域位置;最后,采用图像灰度信息率定位人眼中心(虹膜中心).该方法在BioID、FERET和IMM人脸数据库中的测试结果显示:没有佩戴眼镜人脸图像正确率分别为98.2%、97.8%和98.9%,406幅佩戴眼镜人脸图像正确率为94.9%;人眼中心定位正确率分别为90.5%、88.3%和96.1%.通过与目前方法比较,该方法获得较好的检测效果

针对如何识别无人机的问题，提出了一种基于卷积神经网络的声音识别无人机的方法。首先，对100 m范围内的无人机、鸟和人的声音进行采集、预处理和提取MFCC+GFCC特征值，将其特征参数作为卷积神经网络学习和识别的数据集；然后分别设计了支持向量机和卷积神经网络两种模型对无人机等声音进行识别实验。实验结果表明，运用支持向量机识别无人机的准确率为91.9%，卷积神经网络识别无人机的准确率为96.5%。为了进一步验证设计的卷积神经网络的识别能力，在部分UrbanSound8K数据集上进行测试，准确率达到90%。实验结果表明运用卷积神经网络识别无人机具有可行性，且识别性能优于支持向量机

第七章多处理机 1、构成多处理机协同工作的互连网络机像系(性能参数、类型、机理) 2、支持多处理机协同工作的同步技术 3、并行化技术--把一个具体问题用 4、并行化方式解决的支持技术 5、多处理机实例

文件系统 一、67.1 Windows2000文件系统概述 二、Windows2000支持传统的FAT文件系统 三、Windows2000支持FAT32文件系统 四、Windows nt则提供一个全新的文件系统NTFS

【课程介绍】 C++是当今最流行的高级程序设计语言之一,应用十分广泛。它也 是一门复杂的语言,与C语言兼容,既支持结构化的程序设计方法, 也支持面向对象的程序设计方法。本教学大纲面向非计算机专业 C++程序设计》课程教学编制,并不企图涵盖C++语言的所有内容, 而是介绍最基本的概念、语法规则和编程方法(引言、基本的数据 类型、运算符和表达式、流程控制语句、函数、数组与字符串、指 针与引用、结构与链表、类与对象、运算符重载和面向对象的程序 设计基础)。教学编程环境: Visual++6.0

一、环境经济核算的进展 二、绿色GDP核算的思路和方法 三、环境经济评价对绿色GDP核算的支持 四、利用环境经济评价于绿色GDP核算所面临的问题

在学习本章时,要熟练掌握支持计算机网络运 念和技术 行的关键基础设施之 传输介质,掌握传 掌握支持计算机网络运行的关键基础设 输介质的种类及产品

购物篮是顾客在一次事务中所购买项的集 合,所谓事务是一个明确定义的商业行为。 事务数据库研究的一个最普通的例子就是 寻找项的集合,或叫做项集。包含个项的 项集被称为i-项集。包含该项集的事务的百 分数叫做该项集的支持度。支持度超过指 定阈值的项集叫做频繁项集

基于支持向量机,提出一种挖掘粗集信息表中不一致事例背后隐藏某种有价值信息的算法,即不一致是由于错误引起,还是由于误差引起,抑或是由于缺少属性引起,并提出一些排除不一致的方案和算法