宋枫溪
- 作品数：25 被引量：269H指数：8
- 供职机构：中国人民解放军炮兵学院更多>>
- 发文基金：国家自然科学基金江苏省高校自然科学研究项目广东省自然科学基金更多>>
- 相关领域：自动化与计算机技术理学军事电子电信更多>>
- 欧拉猜想计算机证明的一个新算法
- 1998年
- 文献（１）通过直接构造正交拉丁方对解答树并搜索树的所有结点这一算法，用计算机证明了不存在６阶正交拉丁方对。本文对上述算法做了改进，首先寻找所有６阶标准拉丁方，然后运用遍历解答树每个结点的方法逐一证明没有与之正交的拉丁方，从而实现欧拉猜想的机器证明，新算法使得机器运行时间大为缩短。
- 宋枫溪
- 关键词：正交拉丁方
- 基于CAHP的指挥信息系统生存能力评估被引量：5
- 2007年
- 生存能力是指挥信息系统能够充分发挥作战效能的前提和保障,应用决策理论和模糊理论研究指挥信息系统生存能力评估问题。引入了适用于复杂系统综合评估的CAHP方法,并以某炮兵指挥信息系统生存能力评估为例,阐述了该方法的具体应用。某炮兵指挥信息系统生存能力得到了客观的评价,并提出了提高其生存能力的建议。充分证明了CAHP方法在指挥信息系统生存能力评估中的价值和优势。
- 王海军蔡小刚宋枫溪
- 关键词：指挥信息系统
- 特征权对贝叶斯分类器文本分类性能的影响被引量：4
- 2008年
- 在文本分类研究中,人们希望用特征权来改善文本分类效果。以最优分类器——贝叶斯分类器为基准分类器,研究了特征权对文本分类性能的可能影响。理论推导表明,就最优分类器而言,特征权不能有效提高文本分类效果。
- 高秀梅陈芳宋枫溪金忠
- 关键词：文本分类文本表示贝叶斯分类器分类器性能
- 正交化Fisher鉴别向量集及其应用被引量：4
- 2006年
- 在正交化F isher鉴别分析的基础上提出了正交化核F isher鉴别分析方法。该方法具有理论简单、计算方便、特征表示能力强等优点。在CENPARM I手写体阿拉伯数字数据库、NU ST 603HW手写体汉字样本库和FERET人脸图像数据库上的仿真实验结果表明,正交化F isher鉴别和正交化核F isher鉴别方法在特征抽取能力和特征抽取效率方面均分别优于Fo ley-Samm on鉴别和核Fo ley-Samm on鉴别方法。
- 高林宋枫溪杨静宇
- 关键词：人脸识别字符识别
- 火炮射击声信号AR模型特征研究被引量：1
- 2008年
- 针对现代炮兵战场上的目标识别问题,阐述了火炮射击声信号数据—发射波、弹道波和爆炸波的特征,介绍了火炮射击声信号AR模型谱估计的方法和步骤,利用MATLAB信号处理工具箱具体实现了三种不同类型火炮发射波的AR模型谱估计,并对一批样本成功进行了分类识别实验,探讨了火炮射击声信号AR模型特征在现代战场火炮目标识别中的意义和应用价值。
- 王海军宋枫溪
- 关键词：爆炸波AR模型目标识别
- 基于散度差准则的隐空间特征抽取方法被引量：1
- 2006年
- 本文提出了一种新的非线性特征抽取方法——基于散度差准则的隐空间特征抽取方法。该方法的主要思想就是首先利用一核函数将原始输入空间非线性变换到隐空间,然后,在该隐空间中,利用类间离散度与类内离散度之差作为鉴别准则进行特征抽取。与现有的核特征抽取方法不同,该方法不需要核函数满足Mercer定理,从而增加了核函数的选择范围。更为重要的是,由于采用了散度差作为鉴别准则,从根本上避免了传统的Fisher线性鉴别分析所遇到的小样本问题。在ORL人脸数据库和AR标准人脸库上的试验结果验证了本文方法的有效性。
- 陈才扣宋枫溪刘永俊杨静宇
- 关键词：特征抽取人脸识别
- 最大散度差和大间距线性投影与支持向量机被引量：63
- 2004年
- 首先对 Fisher 鉴别准则作了必要的修正，并基于新的鉴别准则设计了最大散度差分类器；然后探讨了当参数 C 趋向无穷大时，最大散度差分类器的极限情况，得到了大间距线性投影分类器；最后通过分析说明，大间距线性投影分类器实际上是在模式样本线性可分的条件下，线性支持向量机的一种特殊情况．在 ORL 和 NUST603人脸库上的测试结果表明，最大散度差分类器和大间距线性投影分类器可以与线性支持向量机、不相关线性鉴别分析相媲美，优于 Foley-Sammon 鉴别分析方法．
- 宋枫溪程科杨静宇刘树海
- 关键词：最大散度差支持向量机FISHER鉴别准则线性鉴别分析人脸
- 素质教育的实践与认识
- 1998年
- 为深化军队院校的教育改革，进一步提高军校教育质量，如何结合各自承担的教学工作卓有成效地贯彻素质教育，已成为摆在广大教育工作者面前的一道难题。这个问题解决的好坏将会直接影响到教育改革的成败。本文就作者在军事问题建模课程中对这个问题的探索谈几点体会。
- 宋枫溪
- 关键词：素质教育军事教育
- 全文增补中
- 文本表示方式对线性支持向量机分类性能的影响被引量：4
- 2004年
- 二十世纪九十年代以来自动文本分类技术受到人们的广泛重视,取得了大量的研究成果,但这些研究大多集中在机器学习算法本身的创新或改进上面,涉及文本表示的理论或实验研究都相对较少,通过在语料库Reuters-21578上进行大量对比实验,本文着重考查了影响文本表示的五个主要因素:"功能词"、"词根"、"取值方式"、"权方式"和"规范化",对线性支持向量机分类性能的影响以及这些因素之间的交互作用,找到了能显著提高文本分类效果的最佳文本表示方式.
- 宋枫溪陈才扣刘树海杨静宇
- 关键词：文本分类文本表示支持向量机
- 最大散度差分类器及其在文本分类中的应用被引量：8
- 2005年
- 提出的最大散度差分类器是在修正Fisher线性鉴别准则的基础上建立起来的,它与Rocchio和SVM分类器有着十分密切的联系。在国际标准语料库20Newsgroups上进行的仿真实验结果表明,最大散度差分类器具有良好的文本分类性能,其正确识别率明显高于NaiveBayes和Rocchio,与SVM相当。
- 宋枫溪刘树海杨静宇夏赛飞
- 关键词：NAIVESVM分类器文本分类
