鉴于学习样本对神经网络模型的模式识别性能有很大的影响,提出学习样本的选择应与识别模型所利用的特性相结合,并利用汉明;Hamming 距离对用于旋转不变识别的级联模型的学习样本进行优选,计算机对三个很相似的飞机模型进行识别,识别结果表明对学习样本进行有效的选择不仅可以减少系统的学习训练时间而且可以提高模型的识别能力。

基于独立级联模型的社交网络影响力最大化

信息的传播和扩散已经成为当今社会网络分析中的热点问题之一。 为了分析在线社交网络信息的传播和级联属性，在本文中，我们讨论了两种用户决策在整个城市活动中的传播，即``想参加活动''和``根据用户对``豆瓣''的关注程度和全市范围内的活动数据，分析活动决策在以下方面的分布特征：级联子图的规模和范围，级联子图的结构特征，扩展树的拓扑属性以及级联子图的出现频率。 在此基础上，我们提出了一种新的信息传播模型。 在经典的独立扩散模型的基础上，我们介绍了三种机制：均等概率，节点相似度和节点流行度，它们可以产生并影响信息的传播。 此外，通过在六种不同类型的网络数据集上进行实验，我们比较了上述三种机制（总共六个特定因素）对信息传播的影响，并提出节点的受欢迎程度在信息传播中起着重要作用。

预测电流FCS-MPC模型预测电流控制