基于层次聚类法的Entropy-KNN算法

KNN算法通过近邻样本的个数分类,Entropy-KNN算法给出新的相似度定义,而且投票时综合待测样本与近邻样本的个数和各类近邻的平均距离,但两种算法均未考虑近邻样本间的相似.提出的基于层次聚类法的Entropy-KNN算法,首先对训练集按类别进行层次聚类,接着在与待测样本最相似的子类中选取近邻样本,使得近邻样本具有较高的相似度,最后结合Entropy-KNN算法进行分类.在蘑菇数据集上的实验结果表明,该算法的分类准确率高于Entropy-KNN算法.     

改进ICP算法的点云配准

针对传统ICP算法所存在的对初始点云位置要求高、算法效率低等局限性,本文对算法进行研究改进,改进结合K-近邻搜索和法向量估计,采用组建不变角度作为不变特征求解旋转矩阵和平移向量实现初配准,利用基于八叉树的ICP算法进行精配准。研究表明,改进算法能提高配准精度,缩短配准时间,优势明显。     

基于人工神经网络样本优化法识别的河流溶解氧模型

以影响河流溶解氧的3个重要因素(流量、水温、pH)建立了基于L-M算法的BP神经网络模型,用此模型可成功预测黄河水中溶解氧(DO)的浓度.过程中选取四种方法对学习样本进行预处理,利甩处理后的数据训练网络.结果表明采用方法四归一化后的数据预测DO含量效果最好,同时表明线性插值后学习样本的大小对网络预测的精密度有较大提高.     

一种基于数据不确定性的概念漂移数据流分类算法

隐私保护、数据丢失、网络错误等原因导致网络中大量数据存在不确定性.数据流系统中数据连续不断到达系统,故不能一次性获得全部数据,此外数据的概念特征经常发生变化.针对这种情况,构建了一个增量式分类模型来处理数据具有不确定性的隐含概念漂移的数据流分类问题.该模型采用非常快速决策树算法,在学习阶段使用霍夫丁边界理论迅速构建能处理数据不确定性的决策树模型;在分类阶段将加权贝叶斯分类器应用于决策树的叶子节点,以提高不确定数据分类的准确率;采用滑动窗口技术和替换树来处理数据流中的概念漂移现象.实验表明,无论对人工数据还是实际数据,该算法均有较高的分类准确率和执行效率.     

一种新的K-均值动态聚类算法

针对K-均值算法易受孤立点影响、对初始中心点选择敏感、易陷入局部最优的问题,对K-均值算法进行了改进,提出了一种自适应优化选择初始中心点的K-均值算法。实验结果表明,改进后的算法不仅较大程度上弥补了传统K-均值算法的不足,并且提高了聚类的稳定性和准确率。     

基于交叉覆盖神经网络的人脸识别

提出一种利用交叉覆盖神经网络(ACNN)进行人脸识别的方法.该方法应用基于几何意义的MP神经网络模型——球面邻域模型,将神经网络的训练问题转化为点集覆盖的问题.通过分析交叉覆盖算法,阐述了人脸识别的训练算法,该算法克服了传统BP算法识别率低和易陷入局部最小的问题.实验结果表明,在采用多样本训练后,该算法具有较高的识别率。     

融合分类器可信度的数据流集成分类

提出基于分类器可信度的权重计算策略,解决动态数据流集成分类中子分类器权重分配难题.该方法充分考虑了所处不同位置样本对权重计算的影响,利用信息熵描述分类器对预测结果的不确定性,建立分类器可信度与样本之间的关系,进而给出分类器可信度的定量计算方法.最后结合动态数据流分类需求和概念漂移特点,借助批量学习和时间遗忘策略构建基于分类器可信度的动态加权集成分类模型.理论分析和实验结果表明该分类方案可行,相比传统集中方法具有一定的优势.     

基于小波变换的模糊神经网络短期负荷预测方法

为了解决传统神经网络的预测精度取决于输入变量和测试样本的缺陷,采用二阶Daubechies小波作为母小波,通过离散小波变换和逆变换的多分辨率把负荷序列分解为4个小波分量,不但把握了负荷序列的规律性,而且减轻了神经网络的学习压力.采用自适应遗传算法对模糊规则和权重进行修正,优化模糊神经网络,提出GNN-W-GAF模型.该模型既发挥了模糊算法的特点,又使得各种知识点在神经网络中相互融合,避免了初始值设定的随意性.仿真结果表明,该方法能显著提高预测精度和预测性能.     

基于属性约简的决策树算法在商品促销决策中的应用研究

商品销售管理是企业经营管理中的一个重要环节,通过建立商品促销决策的数据挖掘模型,企业可以获取有助于销售决策的大量有价值的信息,从而获得竞争优势.该文采用决策支持模型来发掘不同客户群的商品购买需求.首先对收集的历史数据进行预处理,然后采用似然比计算预测字段和目标字段的相关性,对属性进行约简,最后使用CHAID算法构建决策模型.实验结果表明,约简模型的性能降低很小,但是大大提高了运行效率和分析效率,降低了过度拟合模型的风险,具有很好的实用价值.     

创建决策树算法的比较研究——ID3,C4.5,C5.0算法的比较

采用多种决策树算法,针对常用的决策树算法在特定样本下的性能进行了分析,提出了选择信息增益率最大的属性作为决策属性算法性能的评价方法.     

基于一种混合算法的分类规则挖掘

在分析决策树算法及遗传算法的基础上,提出了一种将两种算法结合起来挖掘分类规则的新方法.实验证明,它不仅解决了数据挖掘中的“碎片”问题,同时还提高了分类的准确率.     

基于满意度控制的机场应急救援决策规则的数据挖掘

摘要: 机场应急救援工作的规模决策对于抢救生命财产至关重要. 针对目前救援规模决策缺乏合理规则指导的问题, 提出了一种基于满意度控制的数据挖掘方法. 该方法将满意度理论中的选择函数和拒绝函数植入数据挖掘关联规则算法 中,在保持样本完好性的同时识别异样数据,控制挖掘进程,建立有效的机场应急救援辅助决策规则库,用以辅助决策 者作出更为科学合理的决策. 实验结果表明,该算法能挖掘出合理的应急救援规模决策规则,提高挖掘的准确性和效率.     

基于区间型多属性决策的单井措施优选

单井措施优选是油田开发决策的一项重要内容．结合单井措施优选的多属性、不确定性和群决策等特征,运用群组层次分析法赋予指标权重,并构建了单井措施优选的区间型不确定多属性决策模型,实例表明,该方法切实可行,操作简便,为单井措施优选提供了新的思路．     

KNN-GWD推荐模型及其应用

为解决传统推荐存在精准性差的问题，构建了一个融合K-最近邻算法（K-nearest neighbor，KNN）、图神经网络（graph neural network，GNN）和深度宽度（Wide&Deep）网络的推荐模型。融入KNN分类方法对数据进行噪声过滤，以提高数据质量；利用GNN提取用户会话图的节点嵌入表示，基于注意力机制加权用户全局特征以捕获用户短期兴趣；调用Wide&Deep以解决稀疏数据时的模型过度泛化问题。为了验证模型的有效性，分别在MovieLens-1M、Bing-News、Book-Crossing数据集与6种传统推荐方法进行对比实验，结果表明所提模型的各项评价指标更佳。为了进一步验证该模型在实际应用领域中的可行性，面向农业领域搭建了农业一体管理App化肥推荐系统，得到推荐结果的准确率为0.721，曲线下面积为0.784，满足了预期的应用需求。     

Blob分析中基于游程链的连通区域标记

Blob分析是机器视觉系统中的一个重要组成部分,为满足工业应用的实时性要求需研究快速高效标记算法.该文提出一种基于游程链的快速Blob分析法,使用游程链表和动态数组,建立相邻两行游程信息的动态链表,通过分析游程节点间连通性标记游程节点.该方法只需扫描图像一次,并且无需建立等价表和进行等价标记合并,克服了现有算法中的标记冗余,另外还能标记连通区域中的内洞.实验结果表明该方法对于任意复杂形状、任意数目的Blob区域都能正确检测并计算参数,并且具有很快的速度和很好的稳定性.该方法已成功应用到印刷缺陷在线检测系统中.     

基于改进局部保持映射的图像特征提取算法

针对目前局部保持映射算法(LPP)因忽略类标识信息而造成的计算效率问题,提出了基于类标识信息的监督局部保持映射算法,并将其用于图像特征提取中,该算法通过用类标识信息指导最邻近图构造过程来提高算法的效率,仿真实验的结果表明,该方法可以有效提高传统局部保持映射算法的运算效率,提高图像特征提取性能.     

融合SIFT的多尺度分析人脸识别算法研究

由于人脸识别过程中会受到光照、尺度等因素的影响,采用传统的SIFT算法进行人脸识别时会出现匹配效果较差、无法匹配或是错误匹配的情况,因此提出了一种融合SIFT算法的多尺度分析的人脸识别算法。首先在粗尺度上,采用形态学边缘检测算法对原始的人脸库进行轮廓特征提取,形成新的人脸库;然后在细尺度上,采用SIFT算法对新的人脸库进行人脸识别与匹配。采用ORL人脸库对改进后的算法进行验证,实验结果表明改进后的SIFT算法较好地解决了传统SIFT算法的不足,计算量大大减少,人脸图像的识别效率与匹配效率得到了有效提升。     

一种新的基于免疫算法的多用户检测

提出了一种新的免疫算法，将匹配滤波器的输出判决信号作为一条染色体放入初始种群，使得初始种群中包含最优解的概率大大增加；选择疫苗时，将接种了疫苗的个体的适应值小于父代适应值的个体，按一定的概率接受该个体，克服了GA欺骗问题．仿真结果表明该算法在收敛速度和误码率方面都优于基于遗传算法的多用户检测．     

多区型仓库多复核台场景的拣货路径优化研究

与小型仓库传统的单出口、单复核台不同，大型仓库往往配设多复核台、多出口以提升拣货出库效率。该文提出了基于替换复核台的动态调整算法以解决多复核台场景下因起止点不确定而导致的遍历搜索困难的问题；并在此基础上给出了在多拣货员情况下多拣货单的路径优化与合理分配的动态调整策略，以满足大规模、复杂场景下的拣货作业要求。结合京东物流实例表明，所提出的基于替换复核台的动态调整算法计算效率更高，在同等条件下的拣货路径更短，拣货耗时更少，能够为仓库拣货提供更加准确的拣货路径规划。