传统的分类算法大多假设数据集是均衡的,追求整体的分类精度.而实际数据集经常是不均衡的,因此传统的分类算法在处理实际数据集时容易导致少数类样本有较高的分类错误率.现有针对不均衡数据集改进的分类方法主要有两类:一类是进行数据层面的改进,用过采样或欠采样的方法增加少数类数据或减少多数类数据;另一个是进行算法层面的改进.本文在原有的基于聚类的欠采样方法和集成学习方法的基础上,采用两种方法相结合的思想,对不均衡数据进行分类.即先在数据处理阶段采用基于聚类的欠采样方法形成均衡数据集,然后用AdaBoost集成算法对新的数据集进行分类训练,并在算法集成过程中引用权重来区分少数类数据和多数类数据对计算集成学习错误率的贡献,进而使算法更关注少数数据类,提高少数类数据的分类精度

智能系统：基于multi-Agent技术的海洋数据智能采集与传输系统

野外数据优化采集 1.主要技术参数 1.1雷达方程

利用三维激光扫描技术对采空区进行探测以建立三维可视化模型,从而准确获取其三维空间位置和形态,是矿山采空区事故隐患综合治理工作中的重要环节.但由于采空区形态复杂,往往需要从多个方位对其进行多次探测才能准确获取采空区完整的三维形态.如何对多次探测点云数据拼合后的散乱点云构建三角网格模型,是实现复杂采空区三维探测建模的关键.本文提出了采空区激光扫描拼合散乱点云数据球面投影三角剖分生长算法,首先选定球心将原位点云投影到球面上得到投影点云,然后对投影点云进行三角剖分,最后将投影点云三角网空间拓扑关系还原到原位点云,从而构建复杂采空区三角网模型.为了有效实现算法,研究了球面投影参数设定、XYZ三向单元栅格点云搜索策略、三角形生成规则、优势顶点边界切分策略、边界闭合策略、不规则三角形优化策略等多种方法.实际应用表明,所研究的算法能够生成优质的采空区三角网模型,为实现复杂采空区三维精确建模及可视化管理提供了重要技术支持

采用数学形态学中扩张变换的方法,对金属断口剖面迹线的分形维数进行了测量,并将结果与截岛法进行了比较

数据采样插补适用于以直流或交流伺服电动机 作为驱动元件的闭环数控系统中。 由于插补周期与插补精度、速度等有直接关系， 因此，数据采样插补最重要的是正确选择插补周期

根据1700mm热连轧机采集的现场数据分析了硅钢轧制工作辊磨损的规律和其磨损轮廓曲线．采用中部磨损和边部磨损分别建立磨损计算函数的方式,建立了无取向硅钢轧制的工作辊磨损预报模型．采用遗传算法优化计算了模型参数．现场实测数据验证表明,模型预报精度可靠实用,可用于指导生产实践．

◼ 线性离散系统的基本概念 ◼ 离散时间函数的数学表达式及采样定理 ◼ Z变换 ◼ 线性常系数差分方程 ◼ 脉冲传递函数 ◼ 采样控制系统的时域分析 ◼ 采样控制系统的频域分析 ◼ 小结

在弹塑性有限变形理论的基础上,应用大型通用有限元分析软件ANSYS对平三角孔型中轧件的变形进行了模拟.该分析软件是基于Newton-Raphson法的迭代过程,用一系列近似值逐渐收敛于实际的非线性解.为验证有限元模拟的准确性,还应用视塑性方法进行了实验研究.为保证实验精度,采用数控技术和激光技术刻制网格,并采用体视显微镜放大网格,以及采用计算机图像处理系统自动采集数据.计算结果与实验符合较好

一、数据采集方式 二、地图数字化 三、地图数据处理 四、空间数据的压缩处理 五、属性数据输入