基于相关向量机的协商决策模型

为了进一步提高电子商务中对手协商偏好估计的精度,该文提出了一种基于相关向量机(Relevance vector machine,RVM)算法的对手协商偏好(Preference)学习方法.在该方法中,将协商过程看作是协商议题的报价序列,把报价序列映射到新的特征空间,形成出价轨迹.用相关向量机学习出价轨迹,得到协商对手的协商偏好.以双方协商偏好为基础,通过一个优化过程产生双赢的最优反建议.实验数据表明,新方法能够减少协商回合数,增加协商总效用.     

基于碱基偏好分析和SVM的植物启动子识别

植物启动子识别是真核启动子识别中的重要研究领域.针对目前植物启动子识别算法的特异性较低的问题,提出了一种基于GC碱基偏好分析和支持向量机（SVM）的植物启动子识别算法.首先通过对GC含量的分析将DNA序列分类为GC偏好序列和非GC偏好序列,然后进行结构特征和信号特征的提取,最后通过SVM分类器进行启动子识别.SVM分类器由四个SVM子分类器组成,即启动子-3’UTR子分类器,启动子-5’UTR子分类器,启动子-Intergenics子分类器和启动子-CDS子分类器.实验结果表明,该算法比其他算法具有更高的特异性,对植物启动子识别具有积极意义.     

基于组合分类器的信用卡信誉检测

给出了支持向量机的信用卡信誉检测模型和基于决策树的信用卡信誉检测模型的建立方法,并在这两种单一分类器的基础上,归纳总结支持向量机方法和决策树方法对信用卡信誉检测的偏好特性,提出了一种基于偏好特性进行组合的组合分类器模型建立方法.     

基于测试分类精度的多分类器融合方法

本文分析了影响分类器精度的因素,并提出了三种基于在测试例集上分类表现效果的多分类器融合方法.这三种方法的基本思想是:当使用多个分类器对未标注文本进行分类时,最终输出在测试例集上表现最好的那个分类器的结果.实验结果表明,这三种融合方法从一定程度上提高了分类器精度.     

一种新的多分类器融合方法

提出了一种新的基于多分类器联合的模式识别方法,该方法引入图像处理领域的对比度概念,对多分类器 系统中不同基本分类器的融合权重动态赋值,并通过融合权重联合所有基本分类器决策信息,同时构建一个临时 的全局分类器来做出模式识别任务的融合决策输出.试验表明该方法在模式识别性能上能够获得较好的性能.     

一种新的多分类器融合方法

提出了一种新的基于多分类器联合的模式识别方法,该方法引入图像处理领域的对比度概念,对多分类器系统中不同基本分类器的融合权重动态赋值,并通过融合权重联合所有基本分类器决策信息,同时构建一个临时的全局分类器来做出模式识别任务的融合决策输出.试验表明该方法在模式识别性能上能够获得较好的性能.     

基于多代理决策融合的电机状态识别

提出了基于多代理决策融合的电机状态识别系统.以电机的振动信号和电流信号为输入,六种分类器用来识别其状态.每个分类器视为一个代理,独立完成模式识别工作后,同其他分类器交换信息从而提高识别率.本文还将传感器融合和分类器选择融入系统,同单源数据和无分类器选择相比具有更大的优势,使最终电机状态识别率达到98.9%.     

基于自适应权值的多分类器融合方法

提出了一种类似于聚类分析的融合方法 ,它通过分析样本在特征空间的分布 ,来估计分类器分类结果的可靠性 ,并根据各个样本的具体情况自适应地为各分类器赋予权值 ,从数据融合的层次上来说 ,这是一种介于特征级和决策级的融合方法 .     

基于AP算法支持向量机的设计与应用

设计一种基于AP聚类算法和SVM分类器相融合的新的混合分类器, 使用AP聚类算法优化数据集, 得到了高质量、 小样本的SVM分类器训练集. 实验结果表明: 与传统的SVM分类器相比, 混合分类器具有更高的分类精度; 在心脏病预测上, 该分类器的效果较好.     

一般和对策中基于协商的多代理强化学习

一般和对策中,只考虑个体理性的多代理协作是一种无全局目标的协作.代理学习基于对手策略假设,不能保证假设的正确性.为此通过定义代理协作的集体目标,提出了一种基于多代理协商的代理强化学习算法.代理选择协商策略,并惩罚偏离该策略的代理来保证协商策略的执行.文中给出了学习收敛的条件及证明,并以实例加以分析.     

基于GA和Agent组合自动谈判方案的研究

分析了Agent的性能特点及其工作原理,研究了谈判收益问题;然后对谈判过程进行描述,建立了基于Agent自动谈判数学模型,并对模型中的参数以及自动谈判目标进行分析;提出了用遗传算法对模型进行求解,并对算法的编码方法、参数的设定等进行研究,分析了求解过程,得到了模型的最优解.结果表明,该方法可以对模型不断优化,最终使参与谈判的Agent双方实现双赢,从而证明了该自动谈判方案的正确性.     

免疫算法在谈判支持系统中的应用

在谈判的过程中,往往需要系统能够通过提供参考谈判解辅助谈判人员,以期提高谈判的效率.一旦涉及到对解驱动的谈判支持系统,就需要能够比较准确地获取用户的偏好,以及能够有有效的机制来快速地搜索出谈判解.针对这两个问题,本文提出了基于免疫算法的谈判支持系统,以期对谈判人员同时提供过程支持和解支持.     

面向动态联盟协商支持系统的研究

基于一种半集中式的协商控制策略，提出一个面向动态联盟的协商过程模型，按时间将协商过程划分为协商准备，协商进行及事后处理三个主要阶段。并在此模型上构建了一个基于CORBA标准和DMAS（分布式多Agent系统）技术的协商系统框架。盟员企业的推理，决策和协商功能以Agent形式进行封装，多方协商由多个分布式Agent实现。而不同环境下Agent之间的通信是通过构建在CORBA平台上的组件来实现。为实现动态联盟盟员企业之间的协商提供了一个可行的解决方案。     

测试样本空间变化对贝页斯常规及补集规则权重评估影响的分析

为降低防火墙文本分类计算的误码率,研究基于贝页斯模型的防火墙测试系统的运行效率,提出将贝页斯模型视为线性模型的观点,分析测试样本空间变化对模型不同集合规则权重的影响,建立了有误差补偿功能的MNB分类器数学模型,实验仿真验证了贝页斯多项式数学模型的可行性,确定了MNB分类器内贝页斯多项式数学模型特征变量与目标文本内部个性词汇的对应关系.      

基于不对称Nash协商模型的供应链协调机制研究

研究了一个由制造商、零售商和第三方物流商组成的供应链优化问题,构建了基于不对称Nash协商机制的供应链协调模型。首先,建立了供应链三方在独立决策下的利润模型,并求出各自的最优解;其次．建立了集中决策下的供应链利润模型,并得到系统最优解;再次,利用不对称Nash协商模型协调三方利益,并求出协调批发价格和协调物流服务价格的表达式;最后．用算例证明,上述Nash协商模型能够增加供应链各方的利润。     

BP_Adaboost算法的改进及在首轮融资时总票房分类预测中的应用

为获得改进的分类算法BP_Adaboost,利用思维进化算法(MEA)和列文伯格-马夸尔特算法(LM)结合改进的BP神经网络作为弱分类器,由改进的弱分类器集成得到MEA-LM-BP_Adaboost算法.提出了基于MEA-LM-BP_Adaboost算法的首轮融资时总票房分类预测方法,该方法包括变量选取及操作化处理、网络参数优化、MEA改进弱分类器、LM算法改进弱分类器、MEA-LM-BP_Adaboost算法的流程设计、待预测电影验证6个部分.选用2013～2018年的245部国产电影作为样本验证该预测方法和模型,测试集分类准确率可达73.3％.最后在模型准确率、稳定性、K折交叉验证3方面进行模型整体性能比较,结果表明本文提出的模型整体性能最好.     

一种自适应信任协商模型设计与分析

自动信任协商是为了解决开放网络环境中陌生实体很难建立信任关系的问题而提出的一种新安全解决方案.本文提出了一种新的信任协商模型,即一种自适应自动信任协商模型AATN,该模型可根据用户的信任度对访问控制策略进行调整,实现了对不同信任度的用户采用不同的访问控制策略,从而在保护隐私的同时提高了信任协商的效率.本文主要分析了自适应信任协商模型的模型框架、自适应协商策略和一致性校验器等关键技术,并通过实验证明了AATN模型能够有效兼顾信任协商中效率和安全两方面的需求.     

基于新型模糊CMAC神经网络的Agent外贸协商模型

文章提出了一个由外销商训练的基于一种新型模糊小脑神经网络的Agent外贸协商模型。由于模糊小脑神经网络训练快速性,所以客户在输入了购买信息之后,可以及时获得相关评价,使客户最终能以协商的方式与Agent达成协议,提高了工作效率,仿真试验也证明了其评价的正确性。