基于改进TOPSIS的电力基建项目评价机制与应用

针对现有电力基建项目评审时存在的测评指标不全面、评价结果不合理等缺陷，提出基于改进TOPSIS的电力基建项目质量偏差度评价模型。通过对影响电力基建项目质量评审合理性的因素进行分析，实现项目质量偏差度评价指标体系的构建。采用组合赋权法，使得主客观权重值得到有效的平衡，完成权重组合系数的合理选取。利用余弦相似度和灰色关联分析，完成对传统TOPSIS法的改进。在此基础上，将改进TOPSIS法运用于电力基建项目质量评价工作中，使评审结果的准确性得到进一步的提高。算例结果表明，该模型可有效完善项目质量偏差度评价指标，使得评价结果更加符合实际情况，为电力基建项目的评审工作提供有效支持和决策。     

一种新颖的编辑距离限制下的相似性确认算法

针对相似性确认步骤中编辑距离计算的高复杂性问题，提出了一种在编辑距离限制下的基于鸽笼原理的字符串相似性确认算法.首先找到满足编辑距离片段映射的片段，以此片段为基准，将长度为500bp的read分段.然后对满足编辑距离片段映射的左右部分递归地进行编辑距离计算，将各段得到的编辑距离相加即为最后结果.最后根据最长公共子串的下限将需要验证的片段数目降到最低，得到优化方案.实验结果表明，基于鸽笼原理的分段递归计算编辑距离的确认算法减少了验证步骤的时间，并能保证假阳率和假阴率都为零.     

图像形态相关系数一般问题的研究

在将图像视为分片函数及分片向量函数的表示形式下,通过图像强度和几何形状两个因素描述图像特征,研究了图像的相似性度量问题.采用标准空间作为投影空间,探讨了分片函数及分片向量函数图像模式下投影算子及形态相关系数建立的方法,所得到的结果推广了Mosaic图像相关系数的表示形式.对分片向量函数所表示的图像形态相关系数的研究结果则更具一般性.     

考虑多个子群意见的多要素大群体决策方法

针对存在多个子群的多要素大群体决策问题，提出一种决策分析方法.首先，依据参与决策的个体针对方案构成要素的排序，计算各要素针对各参与个体的borda分值.其次，构建要素针对各子群的平均borda分值向量，再将其归一化后作为针对各子群的虚拟方案.然后，考虑到各子群的评估一致性存在差异，计算各子群的权重.进一步地，计算各虚拟方案与各备选方案之间的贴近度，并将其与各子群权重相集结，得到针对各备选方案的综合贴近度，并据此对备选方案进行排序.最后，通过一个考虑公众意愿的城市公园设计方案选择问题的算例说明了所提出方法的可用性.     

Lucene索引段合并优化策略

随着大数据应用发展，如何从海量数据中进行高效信息搜索成为研究热点。Lucene全文搜索引擎通过索引段合并来提高索引效率，但Lucene索引段合并过程大多需要从磁盘加载各索引段，将占用大量系统资源，降低系统吞吐量。针对该问题，提出基于Lucene索引段合并优化策略，该策略通过负载系数来选择不同的索引段合并操作。为提高数据的检索速度，进一步建立索引段相似度评价模型来选择出最优合并索引段集合进行合并。通过与现有Tiere，LogByte，LogDoc等合并策略进行实验对比，提出的优化策略能有效减少索引段合并次数，提升系统吞吐量及索引效率。     

基于句法依存卷积神经网络的句子相似度计算

句子相似度计算是自然语言处理的一项基础任务，其准确性直接影响机器翻译、问题回答等下游任务的性能。传统机器学习方法主要依靠词形、词序及结构等浅层特征计算句子相似度，而深度学习方法能够融入深层语义特征，从而取得了更好效果。深度学习方法如卷积神经网络在提取文本特征时存在提取句子语义特征较浅、长距离依赖信息不足的缺点。因此设计了DCNN （dependency convolutional neural network）模型，该模型利用词语之间的依存关系来解决该不足。DCNN模型首先通过依存句法分析得到句子中词语之间的依存关系，而后根据与当前词存在一跳或者两跳关系的词语形成二元和三元的词语组合，再将这两部分信息作为原句信息的补充，输入到卷积神经网络中，以此来获取词语之间长距离依赖信息。实验结果表明，加入依存句法信息得到的长距离依赖能有效提升模型性能。在MSRP （microsoft research paraphrase corpus）数据集上，模型准确度和F1值分别为80.33%和85.91，在SICK （sentences involving compositional knowledge）数据集上模型的皮尔森相关系数能达到87.5，在MSRvid （microsoft video paraphrase corpus）数据集上模型的皮尔森相关系数能达到92.2。     

基于网络划分的SDN分布式控制器部署

针对大规模SDN （software defined networking）网络中分布式控制器部署问题，以优化网络弹性和可靠性为目标，提出两阶段控制器部署算法（TSCP，two-stage controller placement）：利用节点相似度划分控制域，使得控制域内设备之间的连通性强、连接紧密，增强控制域的网络弹性；选择控制路径平均失效率最小的控制器集合作为控制器部署，提高网络可靠性。通过约束控制域的规模和设备（交换机或控制器）之间传播时延，使控制域的交换机个数均衡，控制器的部署合理。通过定义性能指标，实验对比GCP算法、K*-means算法，结果表明TSCP算法可以优化控制域的规模，均衡控制域的交换机个数，减少控制器个数，网络弹性和可靠性均表现较好。     

基于广义梯形模糊数相似度的交叉效率集结

在不确定环境下,针对模糊数据的多样性和复杂性,本文结合广义梯形模糊数相似度理论将广义梯形模糊数的交叉效率矩阵转换为交叉互评相似度矩阵,并根据模糊信息检索系统中的布尔模型,以能最大程度还原信息本身为准则,构建满足"正相容性"的有序几何平均集结函数对交叉互评相似度矩阵进行集结,从而得到关于每个决策单元的同行评价综合相似度.根据决策单元的同行评价综合相似度,建立反映决策者偏好的模糊一致性偏好矩阵,并对决策单元进行集结权重的分配,根据分配结果计算决策单元的全局交叉效率值.本文的集结方法可以解决不确定环境下,交叉效率矩阵数据多样性的问题,有较高的适用性;并且其集结结果具有较高的一致性和稳定性.最后本文以梯形模糊数的交叉效率矩阵为算例,来说明该方法的合理性和适用性.     

移动商务中融合签到位置与用户间相似性的兴趣点精准推荐

向位置频繁变化的移动用户进行精准推荐,如何提高推荐准确性,已经成为一个理论研究与实践中的热点与难点问题.针对于此,本文提出了面向移动社交商务的精准用户兴趣点推荐模型--MRGR.首先,利用用户的历史签到信息,通过改进核密度估计对兴趣点进行预测;其次,进一步考虑到用户间的签到相似性,使用信息熵定量表示用户移动的随机性和不确定性;最后,融合地理位置信息与用户间相似性,精准推荐用户兴趣点,并在Foursquare数据集上进行验证.实验结果表明:与传统模型相比,提出的模型在准确预测用户兴趣点的同时,可以有效缓解数据稀疏性和冷启动问题,并在准确率和召回率上都取得了显著的提高.成果将为移动商务中,如何更好满足企业的精准推送与用户个性化需求提供有力的技术支持和决策服务.     

一种基于 Pareto 云隶属度的 MOPSO 算法

为定量解决非支配解排序问题,并兼顾多目标粒子群优化算法（multi-objective particle swarm optimization,MOPSO）的收敛性和多样性,提出了一种基于 Pareto 云隶属度的 MOPSO 算法。利用 Logistic 混沌映射优化种群的初始空间分布并融合布谷鸟搜索（cuckoo search,CS）指导粒子跳出局部陷阱,以增强算法的全局寻优能力。首次提出云向量评价 Pareto 最优解集方法,采用云隶属度评价准则对粒子适应度值进行量化评价。依据云隶属度选取个体最优和群体最优,平衡全局开发与开采,进而实现外部档案维护。测试函数集 ZDT 的实验结果表明,改进算法在收敛性和多样性方面较 MOPSO 和 NSGA-Ⅱ有一定优势。