实数向量型阴性选择算法的改进

通过对实数向量型阴性选择算法的分析,提出了检测器空间覆盖率的概念,用它作为估计检测器数量的一项理论依据,将这个估计值引入到实数向量型阴性选择算法中,控制检测器的生成,同时对检测器采取了新的变异操作。实验表明,这一改进在保证算法检出率的同时,又可降低误报率。     

多工位制造系统偏差源监测传感器布置优化

为了获得多工位制造系统足够的有效测量信息和最大化多工位制造系统的偏差源监测能力,应采用合适的测量策略并对传感器布置进行优化.在状态空间模型基础上,建立了多工位制造系统中3个偏差源与传感器测量值间的空间关系,给出了量化描述系统偏差源监测能力的方差监测敏感度系数,以及将数据挖掘算法与进化算法相结合的传感器布置的优化方法,解决了最大化多工位制造系统偏差源监测能力的传感器布置优化问题.通过箱形工件加工实例,验证了该方法的有效性.     

基于布朗指数平滑模型的长江航运发展态势

为促进长江航运发展,更加合理有效利用长江资源,采用布朗线性指数平滑法对长江航运发展态势进行分析,认为长江未来货物运输量将呈现增长态势.依据相关理论,在借鉴成功案例基础上,提出管理策略.     

从中国-东盟自由贸易区的建成看云南教育服务贸易前景与趋势

随着教育国际化的发展,作为服务贸易的重要组成部分,教育服务贸易正日益成为国际贸易的一个重要新兴领域。在中国-东盟自由贸易区建成之际,盘点相关国际条约,研究云南教育服务贸易发展的前景与趋势,有利于促进云南省教育的发展。     

粮食安全与食品安全关系的解析

粮食安全和食品安全是两个既相互关联又各有侧重的概念.从社会经济发展的角度梳理了粮食安全和食品安全的核心主题,分析了二者之间的逻辑关系.粮食安全问题起源于食物匮乏,食品安全问题则产生于食物中有害物质的存在,它们是人类社会演进的不同阶段面临的两个历史性难题.当今的市场经济体系、农业技术、产业政策大大缓解了饥饿问题,但生产者对高产量和低成本的追求,有可能对食品安全带来不利影响.     

塔里木盆地沙尘天气的气候特征

利用塔里木盆地周边28个气象站1961—2003年逐日地面观测资料,分析了沙尘天气 的空间分布特征和时间演变规律,在构建多元线性回归影响因子模型的基础上,探讨了气温 、地温日较差、气压、平均风速、降水量5个气候因子对沙尘天气的影响程度,建立了沙尘 指数。塔里木盆地沙尘天气有着明显的地域分布特征和季节变化,春季是高发期,沙尘日数 与气候因子季节变化的关系非常密切。沙尘日数年际变化呈明显的减少趋势,具有6～9 a的 振荡周期。3—9月盆地沙尘天气的主要影响因子依次是平均风速、降水量和地温日较差。春 季降水量占主导地位,6—9月平均风速占主导地位。选取各月对沙尘天气影响有意义的气候 因子建立了沙尘指数,它在时间序列上对沙尘天气有很好的反映,可用来做沙尘天气出现日 数的气候预测。     

基于全排序与混沌多样性的高维目标进化算法

当前大部分多目标进化算法采用Pareto排序为种群个体指定适应度值;然而随着优化目标个数增加,种群中非支配个体的比例越来越大,造成上述算法的搜索能力迅速下降。针对高维(4个以上)目标优化问题,提出了一种全排序方法;该排序方法与Pareto排序具有一致性,并且能够对非支配解进行比较;因此基于全排序的多目标进化算法不受目标个数增加的影响。为了提高算法的优化效果,设计了一个混沌映射算子,用来周期性地初始化种群,以保证种群的多样性与均匀分布。最后,采用标准测试问题对所提算法与著名的非支配快速排序遗传算法(NSGA2)进行了实验比较。结果表明在高维目标优化问题中,所提算法无论在收敛精度,还是算法运行效率上都高于NSGA2算法。     

基于免疫神经网络的雷达天线扫描方式的识别

采用了免疫RBF网络进行雷达天线扫描方式的识别.计算机仿真结果表明,对目前常见的几种简单的雷达天线扫描方式,免疫RBF网络系统在输入信噪比为4dB时的识别率已经达到99.13%,而它的网络训练步数仅需99步,具有非常优越的性能.     

基于混合进化计算的GMM优化方法及其在说话人辨认中的应用

提出了基于进化高斯混合模型(EGMM)的说话人辨认系统建模方法.EGMM在进化算法的框架下,为改善模型的泛化性能对GMM模型的结构与参数共同进行了优化.同时,系统的优化目标中引入了其他用户的区分性信息以提高其分类精度.根据GMM的特点设计了专门的遗传算子并结合GA与EP提出了一种新的混合进化算法.初步实验结果表明,EGMM方法建立的说话人模型具有更强的泛化能力.在说话人辨认实验中,较之传统的GMM方法,基于EGMM的系统的正识率提高了近3%,并且模型具有更小的平均尺寸.     

语音识别中结合进化计算的MMI训练方法

将最大互信息(MMI)和进化计算(EC)相结合,引入到HMM的训练中去.各个模型用个体来表示,个体的适应值采用模型的最大互信息.这样借助于演化计算的全局搜索及种群的特点,得到了基于最大互信息估计的HMM模型的更优解.实验结果表明,用该方法训练所得的系统识别率高于传统的基于梯度的最大互信息估计方法训练所得的系统.