三维声双耳渲染算法的客观评测与分析

本文对5种双耳渲染算法进行了客观评测。首先对双耳信号提取双耳特征和单耳特征，并进行特征选择和降维，最终选择岭回归建立了总体评价和其二级维度，即音质、定位和空间感的客观评测模型，并探究了主观感知和客观参数之间的关系。实验结果表明，将实验信号时频域特征的双耳差值用于客观评测模型可以获得理想的拟合效果；对于音质的感知，与频域能量相关的特征是最为重要的影响因素；变化丰富的双耳线索和双耳间频谱信息的变化差异性对于定位和空间的感知有较为显著的影响。     

基于C++的高效内存池的设计与实现

为了高效、安全地利用计算机内存资源,在大型的软件设计中,往往要进行大量的内存分配与回收操作,为此,C++专门提供了malloc等相关函数进行操作,这些函数能够满足一般的使用,但由于它们调用了操作系统API,所以实际使用时会在操作系统中产生大量的内存碎片,让内存分配成为效率瓶颈,从而降低系统性能.基于此,通过对循环首次适应算法进行改进,设计并实现了基于C++的高效内存池,大幅提升了内存分配与回收的效率.同时,还为内存池编写了相关的分配子,使其能与C++标准库无缝对接,提供了若干具有垃圾回收功能的智能指针,提高了内存管理与程序运行的效率.     

基于BP-AsymBoost的医疗诊断模型

本文主要研究BP神经网络以及AdaBoost算法在医疗诊断中的应用,在分析标准AdaBoost算法的基础上提出改进的AdaBoost算法,即BP-AsymBoost.针对UCI数据库中的威斯康星乳腺癌数据集设计结合BP网络以及改进后的AdaBoost算法的诊断模型,并且通过多个指标将其与BP模型,遗传算法优化的BP模型,未经改进的BP-AdaBoost模型进行比较,验证BP-AsymBoost模型的有效性.     

廉政效能系统优化中的算法失灵及消解策略

智能治理成为当前廉政效能系统优化的新趋势，智能算法在廉政效能系统优化中的应用形成了诸如推动廉政效能系统资源整合、强化廉政效能系统建构、扩展廉政效能系统的伦理边界等优化方向。但受智能算法运行逻辑和算法规则的影响，智能算法在廉政效能系统优化中的应用也存在技术权力的专制化、运行规则的功利化和个体隐私的透明化等算法失灵风险，从而影响廉政效能系统优化。需要我们通过规制算法权力运行、强化算法德性伦理、防范隐私空间坍塌等措施，有效地优化系统权力结构，化约算法伦理缺陷，消解个体隐私风险，从而借助智能算法的技术优势提升廉政效能。     

《厦门大学学报自然科学版》2014年第53卷(总第238～243期)总目次

<正>~~     

基于改进塘鹅算法优化BP神经网络的新型冠状病毒疫情预测

针对北京市和美国新型冠状病毒感染疫情的累计确诊人数的预测，提出了基于改进塘鹅优化算法（Improved Gannet Optimization Algorithm,IGOA）、优化反向传播神经网络（Back Propagation Neural Network,BP）权值和偏差的预测模型。将原塘鹅优化算法中塘鹅的位置更新方式由迭代次数的线性关系修改为非线性关系，并引入了随机数，更准确地模拟塘鹅的捕食过程；在两个阶段均采用随机选择机制，并改进了开发阶段塘鹅的位置更新方式，有效地平衡了探索阶段和开发阶段。在实验阶段利用23个基准函数的极值寻优验证了IGOA的有效性，并建立预测模型IGOA-BP，对北京市和美国新型冠状病毒感染累计确诊人数进行预测。与其他7种比较模型相比，预测模型IGOA-BP的预测结果的均方误差（Mean Square Error,MSE）、平均绝对百分比误差（Mean Absolute Percentage Error,MAPE）、平均绝对误差（Mean Absolute Error,MAE）、均方根误差（Root Mean Square Error,RMSE）均最小，表...     

基于IPSO算法的SNCR脱硝系统建模

由于我国对燃煤发电机组氮氧化物排放量要求的进一步提高，发电厂需要对选择性非催化还原(SNCR)脱硝系统实行更精准的控制，建立有效精确的模型进行研究是极为关键的。因SNCR脱硝系统有时变、大惯性、大迟延、非线性的特点，故提出一种改进粒子群(IPSO)算法，通过改进收缩因子及随机权重的方法改进粒子群算法，增强该算法的寻优能力。运用该算法分别对运行负荷为320 MW、175 MW、135 MW时SNCR系统中尿素溶液流量与出口NO_x浓度之间的关系进行模型辨识，并将模型的输出与工业现场运行数据相比较，最终得到误差最大值为0.93 mg/Nm³，均方根误差最大为0.369 7 mg/Nm³。结果表明模型精确有效，为后续开展SNCR脱硝系统智能控制提供了模型支撑。     

基于k-medoids聚类算法的低压台区线损异常识别方法

针对低压台区线损异常情况的判断问题,以电力公司用电信息采集系统采集的日线损率数据为基础,提出了一种基于k-medoids聚类算法的低压台区线损异常识别方法,并以某地区819个台区为例进行算法可靠性的验证.首先应用局部异常因子LOF算法对低压台区异常日线损率数据进行判断、筛选和剔除;其次应用k-medoids聚类算法对日线损率数据进行聚类分析,得到低压台区日线损率数据的聚类中心点和欧氏距离,从而实现低压台区线损异常情况的判断;最后通过819个低压台区的实际数据验证算法的合理性.结果表明,算法能够对低压台区线损的异常情况做出准确的判断.     

二维欧氏空间内线性凸区域概念的PAC学习算法

实例空间X的一个子集规定一个概念,表现为一个函数c:X→{0,1}。给定X上一个分布D,可能近似正确(PAC)学习算法的目的是基于独立同分布样本S,由算法产生一个近似函数hS,以高概率保证它与目标函数c的误差不超过给定误差值。如果存在这样的算法其样本复杂性及时间复杂性受多项式界,则认为目标概念可以有效PAC学习。本文讨论二维欧氏空间上有界线性凸区域定义的目标概念的学习理论和方法,证明了有界线性凸区域定义的目标概念是有效PAC可学习的,其方法可以推广到n维欧氏空间上由超平面界定的有界凸区域对应的目标概念学习。