一种基于密度的启发性群体智能聚类算法

提出一种基于密度的启发性群体智能聚类算法.针对以往群体智能聚类算法中分类错误率较高、算法运行时间较长等不足,提出记忆体方法和基于密度的先行(look ahead)策略.用人工数据集和真实数据集进行实验,将实验结果进行比较分析.分析结果表明,基于密度的启发性群体智能聚类算法能够得到令人满意的聚类结果,其分类错误率和运行时间明显小于其它聚类算法.     

基于群体智能的群体机器人研究

本文首先对群体机器人的发展状况进行了介绍以及群体智能理论进行了阐述，讨论了群体机器人技术中的群体通信、群体控制、系统冲突等主要研究内容，并对该领域内的几个应用进行了介绍，最后提出了未来几个群体机器人系统的应用方向。     

群体智能计算

群体智能是正在迅速发展的新兴研究领域.通过对自然界生命现象的模拟,在不同层次上揭示生命现象和进化规律,为复杂系统复杂行为建模与仿真提供了新的思路.该文对群体智能和计算智能的概念、基本原理和研究方法作了阐述,并对群体智能计算的未来发展趋势作了展望.     

支持信息过滤的一种新的群体感知模型

通过分析群体感知所依赖的CSCW的体系结构,以及建立在这些结构上群体感知系统,指出了传统的群体感知体系所存在的局限和问题,给出了一种新的群体感知模型.这种新的群体感知模型,提供信息过滤机制,有效解决群体感知中的秘密泄露和用户干扰问题;纳入并发和排序机制,对复制式结构下多用户并发操作进行有效的串行化处理,既避免冲突,又尽可能提高CSCW系统的吞吐率;建立历史记录机制,把各用户在合作过程中对共享对象的所作所为加以跟踪记载,在必要时能以适当方式进行重放,以实现半同步感知.     

一种改进的自组织生物群体仿真模型

在Boid群体仿真规则基础上,增加了三类控制变量：环境变量、种群特征变量和性格变量构建自组织生物群体仿真系统。利用社会学习因子和自学习因子构建了个体的种群靠拢系数、速度匹配系数和自由游弋系数等参数,去除了传统模型中个体一致性假设,可更为真实地反映不同生物群体的群体行为。本文在此基础上构建了相应的仿真平台。仿真实验结果表明,可以更好地对生物群体行为仿真进行建模,同时给出了鸟群、鱼群和昆虫群三种典型生物群体仿真的参数集合,同时还分析了不同群体的特征。     

关于塔形惩罚的群体评分方法

对于群体决策问题，本文给出一类基于塔形惩罚的评分排序方法，并且验证了该方法类对应的群体偏差映射满足偏差公理的情况。此外，还讨论了方法类的几种典型的特例。     

基于任务的群体感知模型

计算机支持的协同工作为产品开发提供了强有力的环境和技术支持。而群体感知理论和实现技术是计算机支持的协同工作中必不可少的组成部分。本文分析研究了目前存在的几种群体感知模型的优缺点,从"任务"的角度提出一种基于任务的群体感知模型。该模型通过构造任务分解树,把收集来的感知信息按"任务"这个基本要素进行分解、处理(加权)、再组合,完成对实际生活中的任务、角色和活动的动态变化过程及规律的描述。     

大数据视角下数字社区用户群体人格画像

人格特征是人类行为的关键驱动因素,时刻影响人们的日常生活。尤其在突发公共事件情境下,这种影响机制可能更具有个体差异性。数字社区的出现使得基于用户信息行为大数据自动有效地进行用户群体人格画像成为可能,但相关研究还相对较少。以Twitter用户在COVID-19疫情期间发布的相关信息和其相关信息行为记录为样本,进行用户群体人格画像。首先,邀请专业心理咨询师基于自恋人格的定义和量表设定了数据标注规则并对数据集进行标注;其次,设计了13个潜在的用户行为指标,构建了Logit回归模型,并评估了模型的分类性能(分类准确率达到70.34%);再次,确定了一组与用户群体自恋人格特征密切相关的信息行为指标。这组指标共有5项,具体包括：用户近三年发表的推文总数、负面情感倾向推文所占比例、推文中动词平均数、推文中话题标签平均数、推文中感叹号平均数。从而,提出了一种针对特定情境(突发公共事件)基于用户信息行为大数据分析的群体人格画像的方法,为维护民众心理健康和数字社区清朗空间提供了新的思路。     

一种新型群体智能优化算法——微进化算法

提出了一种新型群体智能优化算法——微进化算法.该算法采用实数编码,基于个体自身历史最优位置,以群体中最优个体与当前个体的矢量差异信息作为指导,进行启发式搜索.数值实验结果表明:微进化算法简单有效、计算精度高、收敛速度快、鲁棒性强;此外,还具有参数设置简便、计算简单等特点.     

基于群体智能的蚁群算法研究

群体智能是指任何启发于群居性昆虫群体和其它动物群体的集体行为而设计的算法和分布式问题解决装置,群体智能现正在成为人工智能领域和相关领域的一个研究热点;该文首先介绍了群体智能中的两个重要算法:蚁群算法和粒子群算法的基本思想,然后重点探讨了蚁群优化算法,对基本蚁群算法和改进的蚁群算法进行了深入的分析和评述。     

基于虚拟领航者的智能群体群集运动控制

通过借鉴预测控制的基本思想,研究了智能群体的群集运动,并建立了一种个体在运动过程中能根据周围环境自适应选取虚拟领航者的群集运动控制模璎.该模型描述了生物群集过程中无领导者的自然现象,克服了传统leader-follower模式的单向信息流的缺陷,增强了系统的自适应性与鲁棒性,提高了系统的稳定性.仿真结果表明:与已有文献相比,该模型收敛速度较快;形成紧凑的编队后,队形稳定运行的速度也较快.     

智能制造系统的一种研究方法

把制造系统描为互相连接的信息，数据，知识处理单元的集合，把数据，知识处理单元抽象为信息处理单元，构造制造系统的同象模型，据此提出了一种从这种抽象模型展开对智能制造系统研究的方法。     

FCM算法的一种数据智能预处理策略

采用了具有群体智能特征的算法对要进行聚类的原始数据集进行预处理,把预处理得到的结果作为FCM算法的输入,免去了FCM算法中聚类个数的初始化.另外,预处理策略借助了群体智能算法,可以改善硬划分所造成的聚类错误,从而增强了算法聚类的智能性.     

一种改进的基于GMM模型的语音序列评分和分类方法

基于高斯混合模型(GMM)的序列评分和评分空间的映射方法可以有效地应用于数据稀疏及数据量较少的序列分类.然而在语音序列分类中,这种方法不能反映序列次序和时长差别.因此,本文提出了一种观测值次序均衡方法,即序列中观测值的评分与其出现的次序和它之前出现的所有观测值相关.同时,我们在次序均衡中引入了功能因子,对于不同目的的语音序列分类,可以通过调节功能因子而指定相应的评分函数.实验结果证明这种新的评分方法能有效提高基于GMM概率模型的语音序列分类性能.     

基于群体智能的蚁群算法原理及应用研究

自然界中群居性生物通过协作表现出的宏观智能行为特征被称为群体智能,群体智能已成为人工智能及相关领域的研究热点.蚁群算法(Ant Colony Optimization,ACO)是一种新颖的组合优化算法,它具有较强的鲁棒性、优良的分布式计算机制、易于与其他方法相结合等优点.主要介绍了蚁群算法的原理,探讨了蚁群优化算法及其应用.     

一种物联网群体访问路由算法

针对物联网群体访问互联网过于频繁,使得路由节点状态信息不断变化,不能在路由节点精确状态信息下选择路径,从而造成在非精确状态信息下选择无效QoS路由,本文提出了一种物联网群体访问路由算法(IOT_GR),该算法从基于群体智能的启发式算法角度解决问题,并对所涉及的协同代理进行描述,同时给出其相应的算法描述.实验表明,通过群体智能启发式算法可以有效减少不精确状态信息对QoS路由所造成的影响,使得QoS服务成功率较高.     

岩石力学的一种集成智能理论模型

应用系统论、控制论、不确定论、智能论等的思想，提出了岩石边坡设计的集成智能模型，该模型包括多方法混合决策的智能系统模型、岩石力学专家的形象思维，逻辑思维和创性思维综合模拟的全智能系统模型。     

一种基于拍卖与群体智能的作业分配方法

基于微观经济学与群体智能知识,设计了一种网格系统中的作业分配方法.该方法首先基于改进的英国式拍卖模型确定资源购买者和资源提供者之间的资源交易价格,然后使用混沌搜索混合粒子群优化算法寻找作业分配方案,通过引入适当的适宜值函数,达到了兼顾时限与成本的目的.仿真结果表明,与现有的一些方法相比,该方法是可行和有效的,作业对资源的分配较均衡,效用较高.     

注塑模浇注系统智能设计的一种混合知识模型

浇注系统是注塑模最关键的功能结构之一，根据浇注系统设计知识的特点，提出了一种混合连接主义和符号主义的知识模型，并采用基于框架—规则的方式来表达．这种混合知识模型既可以表达模糊性知识，也可以表达隐式和显式知识．以此知识模型为基础，在Pro／E软件平台上，开发了浇注系统智能设计原型系统，并以一个实例验证此知识模型和原型系统的有效性和适用性．     

一种基于智能体的组合系统需求模型

ＡＯＲＭ是一种基于智能体的组合系统需求模型,在综合结构化和面向对象需求分析优点的基础上,它采用具有控制、认知和交互结构的Ｃ２ＭＥ智能体模型,基于智能体抽象问题空间实体和关联,能够有效的支持质量需求分析和组合系统开发·