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.     

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。     

分块对称r循环算子的范数不等式

循环(块循环)算子是一类重要的算子,在量子计算、时间序列分析、压缩感知等科学与工程计算中有着广泛的应用。分块对称r循环(r反循环)算子的生成方式可以看作是将循环算子的生成方式取对称,并将副对角线以下的元素添加参数r或-r,r0。基于降阶思想,利用分块对称r循环矩阵的对角化性质和酉不变(弱酉不变)范数的性质,给出了分块对称r循环算子和分块对称r反循环算子由子块导出的算子范数和Schatten p–范数不等式和等式结果。     

基于集成卷积神经网络的脑电情感识别

采用脑电情感数据集SEED进行情感识别研究,旨在利用深度学习中的卷积神经网络(CNN)自动提取脑电样本的抽象特征,省去人工选择特征与降维的过程。首先,采用小波包变换(WPT)对脑电信号进行6级分解并构成二维结构样本;然后,通过改变网络深度设计了6个深度不同的CNN模型;最后,通过投票法与加权平均法建立集成模型,提高了识别精度。实验结果表明,本文方法对3种情感类别的平均分类精度达到了93.12%,能够满足情感识别的研究需求。     

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。     

基于并行残差卷积网络的图像超分辨重建

针对VDSR模型卷积核单一和DRRN模型不能全局利用的问题,提出了基于并行残差卷积神经网络的联合卷积图像超分辨重建模型。模型首先利用原始卷积层和扩张卷积层融合,建立联合卷积层,然后利用跳跃链接,将多种抽象层次的特征进行融合,最后完成整个超分辨网络的模型构建。提出的模型具有以下优点：①扩张卷积神经网络与原始卷积神经网络融合,在计算机复杂度不变的情况下,可以获取更多尺度的信息,因此具有更强的表达能力;②跳跃链接方式,将抽象层度较低与较高抽象层次的信息融合,获取更多的信息,使得模型具有更强的学习能力。通过在多个数据集上进行实验,模型在大多数任务中与VDSR、DRRN和SRCNN等先进模型相比,IFC值取得了大于0.1的提升。