基于改进GA-BP的移动通信用户流失预测算法

BP神经网络(BPNN)模型对移动通信用户流失的预测有较好的效果,但其全局搜索能力相对较弱,对初始网络权重非常敏感,因此本文通过对用户通信行为的分析,提出一种基于改进GA-BP的移动用户流失预测算法:用改进的遗传算法对BPNN的权值和阈值进行初始化,从而提高预测模型的准确率.改进的遗传算法采用一种自适应的交叉概率和变异概率计算策略,提高了遗传算法寻找全局最优解的能力.通过对比实验发现,本文构建的移动用户流失预测模型,在预测准确率上有着很好的表现.     

关于股票价格的二阶模糊时间序列

由于股票价格的时间序列具有不确定性,股市的真实模型不容易建立,而模糊时间序列在解决模糊性数据和不确定性数据方面具有较大优势;因此,本文首先将数据进行预处理并改进论域划分的方法,然后利用三角隶属度函数进行数据的模糊化处理,再利用模糊化后的数据建立三层BP神经网络,最后,应用广义的逆模糊数公式将预测模糊集进行逆模糊化,从而得到预测结果.应用本文方法对印度国家银行(SBI)股票价格和Alabama 大学的入学人数进行预测,预测结果精度较高.     

基于乘客感知的公交车线路服务质量评价模型

针对传统公交车服务质量评价方法的局限性,提出基于乘客感知的普适性因素权值分析方法.首先以相关乘客作为专家并分组,建立基于乘客感知视角的专家权重确定方法,得到专家权重及指标综合权重.然后以上述多组数据作为先验样本进行 BP 神经网络的训练、测试与验证,从而获得可供推广的城市公交线路服务质量评价AHP-BP神经网络模型.最后以沈阳市某条公交线路为例展开实证研究,结果表明该模型在充分反映乘客感知服务质量因素的同时,降低了主观评价的随意性,给出了特定公交线路服务质量改进方向.     

基于图论的分裂型人格障碍多加权脑结构网络研究

基于图论方法分析分裂型人格障碍(SPD)患者与健康对照在脑结构网络局部和全局参数上的差异.根据Brainnetome脑图谱将大脑皮层划分为246个脑区,利用扩散加权图像重建脑白质神经纤维束,构建以神经纤维束条数、密度、长度和优化的密度为加权方式的脑结构网络.计算网络节点参数和全局参数,通过假设检验找出具有显著性差异的脑区.结果发现,SPD患者与健康人的脑结构网络在全局参数上无显著性差异;在节点参数上,6个脑区存在显著性差异;差异脑区在位置上显示出左右脑不对称性,在功能上与认知、情感和感知高度相关.研究结果可为疾病诊断治疗提供重要参考.     

基于短时心电信号的疲劳驾驶检测算法

心率变异性分析是最常用的一种基于心电信号的疲劳驾驶检测方法.然而,该方法需要被检测信号时间足够长,且准确率较低.因此提出一种基于短时心电信号的疲劳驾驶检测算法.首先,按照30s的时长截取短时心电信号序列,利用差分阈值法确定R波位置,根据R-R间期差值大小剔除不合格的噪声样本;然后,计算R-R间期序列的时域/频域特征并与利用ImageNet数据集预训练的深度卷积神经网络模型提取的特征相结合;最后,设计了一种随机森林分类器并基于这些特征进行分类.结果表明,该算法在疲劳驾驶检测上具有良好的分类效果,平均准确率达到91%.因此,相较于心率变异性分析方法,本算法检测所需心电信号更短,且在准确率上具备显著优势.     

基于压缩感知的水声传感网络通信方法

现有研究主要针对单个传感器节点发送数据的情形,传输效率不高,而多个传感器节点同时发送数据,可以提高传输效率,但存在用户数据之间的干扰.将压缩感知应用于水声传感网络中,提出一种可实现多节点同时传输数据的大容量协作通信方法,利用传感器节点数据的稀疏特性,将多个源节点数据同时传输等效为压缩感知中的测量过程,证明了多节点并发传输过程的传输特性可以满足压缩感知中的测量矩阵的约束等距性要求.目的节点通过重构算法,可以恢复多个并发传感器节点的数据.     

循环荷载作用下沥青混合料的黏弹塑性损伤本构模型

为较好描述损伤状态下沥青混合料的黏弹塑性应力-应变关系、明确动态循环荷载对其损伤本构关系的影响,利用经典黏弹塑性流变理论,在Burgers黏弹性模型上串联一个黏塑性元件,并根据损伤力学应变等效原理,建立了一个能体现动态循环荷载作用特点及能考虑加载频率影响的沥青混合料黏弹塑性损伤本构模型.同时进行间接拉伸疲劳试验,研究加载频率、环境温度、应力水平、沥青用量及沥青种类对混合料应力-应变关系的影响,并标定模型参数、验证模型的有效性.结果表明:所建模型不仅能较好描述沥青混合料在动态循环荷载作用下的损伤本构关系,还能体现加载频率、环境温度及荷载水平等因素对应力-应变关系的影响;模型参数意义明确、规律性强,值得进一步研究和推广.     

美元/欧元汇率的趋势与波动分析及区间预测

对美元/欧元汇率进行趋势与波动分析并作出区间预测。利用BP神经网络提取趋势,对残差分别运用自回归移动平均模型和广义自回归条件异方差模型分析波动性,将趋势与波动性结合给出区间预测。对2001年7月至2017年10月美元/欧元汇率的研究发现,BP神经网络具有很好的非线性刻画能力,但只有合适的预测精度才能得出较好的预测区间,同时也发现,广义自回归条件异方差模型对波动性的分析效果优于自回归移动平均模型。因此,BP神经网络模型与广义自回归条件异方差模型的组合模型(BP-GARCH模型)更适合时间序列的中长期区间预测。通过调节BP神经网络的参数、误差及预测精度提高组合模型的精度。     

用于燃煤锅炉热效率在线计算的虚拟煤质数据库的建立

燃煤锅炉热效率在线计算模型的实用性及可操作性高度依赖于燃用燃料的成分和类型,为了减少煤质的复杂性及多样性、现场燃煤煤质成分分析误差以及人为离线输入参数的不准确性对锅炉热效率在线计算的影响,拟构建可供在线计算燃煤热效率调用的虚拟煤质数据库。通过对工业锅炉常用煤种成分、来源及种类进行线性回归并运用统计分析以及聚类分析等数学算法,搭建虚拟煤质数据库。为了验证煤质数据库的适用性,借助神经网络算法对燃煤的计算发热量和化验发热量进行了对比分析,结果显示,误差在工业用煤的测量误差范围内。所建的燃煤数据库能有效地实现锅炉变工况运行时的热效率在线测算。     

基于隐马尔科夫模型的网络安全风险评估方法

为了能实时准确地评估网络安全风险,提出一种基于隐马尔科夫模型的网络安全风险评估方法。该方法基于隐马尔科夫模型对目标网络进行建模,通过节点的直接风险和相关性引起的间接风险来量化节点的安全风险;考虑节点在网络中的重要性程度,结合节点安全风险,量化目标网络的整体安全风险。通过实验对所提方法进行验证。实验结果表明：该方法能够对由节点相关性和节点重要性程度所带来的网络安全风险进行量化,使得网络安全风险评估结果更加准确、可信。与传统的网络安全风险评估方法相比,该方法能够更加及时地发现网络中的异常风险变化情况,为网络安全防御策略的及时调整提供依据。