基于用户偏好的最优路径搜索

本文研究基于用户偏好的最优路径搜索,在预算约束下寻找一条满足用户偏好即关键字和权重偏好的最优路径.此研究问题是NP-hard.为了高效地解决这类查询问题,本文提出新的索引建立方法,在查询阶段利用索引结构过滤出候选节点集.另外,提出基于A*的路径搜索算法来做路径查询,并利用几个有效的剪枝策略加快算法的执行速度.在两个真实的签到数据集上的实验结果证明了本文提出方法的有效性.当预算时间设置为4～7h时,与已有最好的PACER算法相比,本文的路径搜索算法消耗的查询时间更短.     

基于弹簧质点模型的自由曲面四边形网格平面化研究

为实现对自由曲面的平面四边形网格划分,提出了一种基于力学模拟的网格优化算法,建立了包含杆件长度的约束力、边界固定质点约束力、曲面对质点的吸附力、网格平面化作用力的弹簧质点计算模型.首先,采用映射法或其他方法对曲面进行初始四边形网格划分,在获得曲面的初始网格划分的基础上根据不同网格性能的侧重要求,计算出相应的弹性系数k_(ij)、边界约束刚度k_c、对网格点的吸附刚度k_m、平面化控制系数p_c,建立以平面化为目标的网格弹簧质点模型,通过动力松弛法,经多次迭代得到平面化网格;然后结合四边形平面化指标,以流畅性指标和均匀性指标对网格进行质量综合评价,同时引入网格偏离指标对网格的形状进行控制;最后,进行了算例验证,算例表明,弹簧质点平面化网格计算方法可以很好地适应自由曲面,通过调整参数,在一定条件下可使网格平面化的许允误差限制达到合理范围,同时可以兼顾流畅性和均匀性的要求.     

无约束优化的过滤器线性搜索

构造了一种求解无约束优化的过滤器线性搜索的新方法,结合了过滤器算法的思想,其搜索方向由牛顿法产生。在新的迭代点产生时,采用过滤器算法的原则来判断该点是否被接受。并且在合理的假设下,全局和局部是二次收敛的。     

含有反转、删除或插入操作的部分排序基因组重组

Zheng等给出了一个只含有反转操作的部分排序基因组重组的算法.本文推广了这一结果,给出了允许有删除或插入操作的两个含有不同基因集合的部分排序基因组重组的算法.     

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...