一种发现社团结构的快速凝聚聚类算法

为了快速探测复杂网络中的社团结构,提出了基于网络节点耦合度的凝聚聚类算法.首先利用一种优化的聚类中心算法确定初始聚类中心节点,然后根据节点间耦合程度和节点度分别对各社团的节点进行分类和不断调整聚类中心,直至聚类算法结束.实验结果表明,该算法能够快速准确的划分复杂网络中的各社团.     

基于Logistic模型的众筹投资决策影响因素分析

选取Logistic模型进行回归分析,探索众筹投资决策影响因素.选取了项目目标金额、项目支持人数、项目是否制作视频、项目图片数量、项目预计回报时间、追梦网账户积分和项目评论数等7个指标,分析其对众筹投资决策的影响.实证分析结果表明,这7个因素对投资决策有显著影响,但每个指标的影响力度不同,追梦网账户积分对其影响最大,适当的回报时间有利于成功.给出相关建议,以期能够对众筹行业的发展有所帮助.     

基于贝叶斯改进模型在供电可靠性预测中的应用

供电可靠性预测评估可以更有效地起到对供电系统运行管理的指导作用。所以,供电可靠性的研究预测具有较大的意义。在研究贝叶斯常均值模型预测的基础上,提出改进的贝叶斯模型优化算法。利用C++编程软件对河南省供电可靠性预测进行分析,预测评估出2007-2016年河南省供电可靠率,验证贝叶斯改进模型的有效性。     

基于属性值贡献率的朴素贝叶斯改进算法

朴素贝叶斯分类是一种简单高效的方法.但是当属性独立性假设不成立时,有可能导致待测样本类别判断错误;且当待测样本到各类别的概率相同时,无法判断该样本类别,从而影响了它的分类准确率.本文提出基于属性值贡献率的朴素贝叶斯改进算法,利用待测样本的各个属性值在各类别的总贡献率判别该样本的类别.在蘑菇数据实验结果表明,该算法能有效提高分类的准确率.     

一种改进的时间序列模式发现算法

如何有效地在时间序列数据库中发现时序模式是时间序列数据挖掘中一个具有重要意义的课题．本文提出一种改进的在时间序列中有效地发现时序模式的算法．在将时间序列划分为若干等长的子序列之后,根据基于关键点的线性分段算法提取每个子序列的关键点序列,该关键点序列仅保留反映数据序列的变化模式的主要关键点．接着利用每个关键点序列分隔相应的子序列,根据数据的起伏变化将相应的关键点序列分配到一系列盒子中,使得只有在同一个盒子中的序列才有可能相似,而不同盒子中的序列不可能相似．最后通过计算每个盒子中任意两个关键点序列之间的动态时间弯曲距离来发现所有的时序模式．实验结果验证了该算法的有效性．     

基于R-vine Copula理论的改进朴素贝叶斯分类器

朴素贝叶斯分类方法在分类时,基于属性之间的独立性假设影响了其分类性能.基于此在R-vine Copula理论的基础上,利用一系列Pair Copula函数和核密度函数的乘积来构造属性的类条件概率密度函数,并通过AIC准则选取最合适的Pair Copula函数,用极大似然估计法确定其参数.实验结果表明,改进的分类器提高了...     

一种基于Kohonen和最小风险贝叶斯决策的雷达信号识别方法

鉴于有监督的Kohonen神经网络在雷达信号识别方面的不足,将S-Kohonen神经网络和最小风险贝叶斯决策相结合,提出了一种加强的S-Kohonen-Bayes方法对雷达信号进行分类,并利用Adaboost强分类器设计对识别结果进行修正.人工仿真实验结果表明,错误率平均降低了36%,改进方法具有良好的识别能力,使用最小风险贝叶斯决策进行修正是有效和必要的.     

基于承诺方案的去中心化可信众包平台设计与实现

为去除传统众包对第三方中心机构的依赖,同时保障众包任务的公平分配和结果的可信提交,提出了一种基于区块链智能合约的可信众包平台设计方案。首先提出了一种基于承诺的两阶段提交机制,并将其运用至接包者的数据提交过程中,以解决区块链上的数据透明度问题,使接包者之间无法相互窃取数据;其次设计了一种无偏随机选择算法,从分散的接包者池中选择相对独立的接包者,杜绝了接包者之间可能的串谋;最后通过模拟选人实验和以太坊上原型系统的实现,验证了选人算法的随机性和整体方案的可行性。     

由古典概型引入贝叶斯公式的一种教学设计

对贝叶斯公式的教学方案进行了设计,通过引入简单实例,尝试应用学生熟悉的古典概型的计算公式导出贝叶斯定理.结合案例直观解释贝叶斯公式中所包含的先验信息和后验信息等概念,使学生更容易理解和掌握贝叶斯公式,并逐步理解贝叶斯公式在贝叶斯统计中的重要地位.     

一种基于属性加权朴素贝叶斯算法的OTSU图像分割方法

为了增强图像分割技术的准确性并优化图像分割技术的细节分割效果,提出了一种基于属性加权朴素贝叶斯算法的OTSU图像分割方法.将OTSU算法中依据图像灰度特征选取的图像中的前景和背景通过属性加权朴素贝叶斯算法进行分类处理,计算图像中前景和背景的概率,训练该模型以获得最佳阈值进行图像分割处理,优化图像分割的效果.利用无人机航...     

一种基于属性加权朴素贝叶斯算法的OTSU图像分割方法

为了增强图像分割技术的准确性并优化图像分割技术的细节分割效果,提出了一种基于属性加权朴素贝叶斯算法的OTSU图像分割方法。将OTSU算法中依据图像灰度特征选取的图像中的前景和背景通过属性加权朴素贝叶斯算法进行分类处理,计算图像中前景和背景的概率,训练该模型以获得最佳阈值进行图像分割处理,优化图像分割的效果。利用无人机航拍采集的图像数据进行实验,结果显示基于属性加权朴素贝叶斯算法的OTSU图像分割方法优化了图像的分割效果,较完整地展示了分割后的图像细节,具有较好的应用价值。     

多模型贝叶斯概率决策融合的遥感影像水体提取

针对使用单个深度网络提取不同类型水体时存在泛化能力弱的问题,提出一种多模型贝叶斯概率决策融合方法。选取3个不同的深度网络U-net、ResUnet和Deeplab v3+作为基础分类器进行训练并输出遥感影像上每个像素所属水体的类别概率,基于贝叶斯构建概率自适应融合模块,得到最终的水体提取结果。实验结果表明所提出的多模型贝叶斯概率决策融合方法在水体测试集上的精确率、召回率和F₁值分别达到94.21%、95.49%和94.85%,对不同类型水体的融合结果比平均法和多数投票法更准确。     

基于用户兴趣模型的Web服务发现系统设计

目前的Web服务发现系统大都面向所有用户,而不考虑用户个人的兴趣偏好,发现的准确率有待提高.该文考虑把用户兴趣模型与Web服务发现相结合,提出基于用户兴趣模型的Web服务发现系统模型,满足人们在服务查询时的个性化需求.并设计出基于用户兴趣的服务匹配算法.     

基于模糊积分分类器的一种改进

通过对传统积分分类器的改进,引入正向和负向两个隶属评价来进行最终的评价,利用复值函数的模糊积分给出示例最终的隶属评价,让复值函数的积分在分类技术中得到了应用,丰富了模糊积分在分类技术中的应用形式,给出了在进行最终隶属评价的三种处理方式．     

贝叶斯方法和非参数模型支持下的遥感影像线性光谱分解

针对遥感影像混合像元分解中的地物光谱不确定性问题,提出利用非参数模型来刻画地物光谱的概率分布,并基于贝叶斯方法得到地物面积比例的后验概率分布,最后利用无偏估计和最大似然估计来估算地物面积比例. 通过Landsat遥感影像不透水层制图的实验表明,所提方法的分解精度高于传统的线性光谱分解算法和硬分类方法,证明了贝叶斯方法能够较好地解决地物光谱不确定的问题.     

一种改进的强跟踪滤波算法

强跟踪滤波算法由于对判断滤波发散的阈值设置较小,以较大概率产生渐消因子而导致对滤波增益过调节,最终对状态估计不够平滑. 在分析强跟踪滤波算法运行机理的基础上,提出了一种改进的强跟踪滤波算法. 通过适当提高判断滤波发散的阈值,有效降低了误判滤波发散的概率,并能针对不同维数量测方程确定不同的弱化因子,避免了凭经验加入弱化因子解决这一问题的缺陷. 数值仿真结果表明：改进的强跟踪滤波算法对系统状态突变不但具有较强的鲁棒性,而且能有效保持滤波精度和对状态估计的平滑性,从而验证了该算法的可行性和有效性.     

一种基于安全中间件的网格安全模型

对于网格系统这样复杂的系统,单一的安全功能不能满足其需求,所以必须要集成多种安全功能.通过对现有网格安全模型进行分析,总结其存在的缺点,利用安全中间件把安全功能作为服务提供给用户,构建了一种新的网格安全模型,并对安全中间件进行了简单的设计实现.该模型可以更好地为网格系统提供完善的安全支持.     

一种基于LMS的改进变步长算法及其应用

在分析定步长LMS算法和变步长LMS算法的基础上,提出了一种改进的LMS算法,改进的LMS算法是利用瞬时误差的绝对值的三次方和遗忘因子共同来调整步长的.理论分析和系统辨识的仿真结果均表明,新算法确实具有更快的收敛速度.     

一种基于聚类的RBF神经网络模型

应用于工程中的径向基函数(RBF)神经网络模型,当训练样本量很大时常存在训练学习速度慢和拟合精度不高的问题.针对这一情况提出了一种基于聚类的RBF神经网络(BC-RBFNN)模型.该模型首先通过对训练样本进行聚类分析,将其分为不同的类,接着根据每类的训练样本构造一个RBF子网并获取其相关参数,接着再将各个子网组织成一个BC-RBFNN模型.通过对其进行理论分析和性能检验试验,结果表明该模型能加快网络训练学习速度,缩小的模型规模,提高网络的预测精度.     

一种基于蜂群算法的数据库知识发现过程的研究

针对数据库知识发现系统,提出一种基于蜂群算法的数据库知识发现系统.通过蜂群算法的数据库发现系统模型的构建,根据蜂群算法基本原理进行优化调度,最后研究对比不同参数下知识库调度结果.