基于 LCSPSO-BTSVM的焊缝表面缺陷检测

针对焊缝表面缺陷PSO优化BTSVM的两个参数容易陷入局部最优、伪随机多样性低和计算精度低的问题,提出一种LCSPSO优化BTSVM参数的方法。首先,改进PSO算法,引入莱维飞行策略、Circle混沌映射与单纯形反射操作确保两个参数取得全局最优解,提高分类准确率;其次,提取预处理焊缝表面缺陷图像的特征;最后,设计合理的分类器利用改进的方法对焊缝表面缺陷进行分类检测并与其他算法作对比。试验结果表明,LCSPSO优于其他算法,分类精度比改进前提高了12.03%,平均分类准确率99.07%。     

针对不平衡数据集的入侵检测算法

采用少类样本合成过采样技术(SMOTE)与二叉树多类支持向量机(BTSVM)相结合的入侵检测算法来解决实际应用中经常遇到的类别不平衡的分类问题.该方法首先对不平衡类别的训练集使用BTSVM分类,然后对求出各分类器中的支持向量使用SMOTE方法进行向上采样,最后用不平衡类别的测试集在新的分类模型中进行测试.实验结果表明本算法能够有效地提高不平衡数据集的分类性能.     

基于协同过滤的电子商务平台个性化推荐模型的设计与实现

电子商务平台是一种新型网络交易平台,在该平台上进行信息推送可以提高交易完成的速度,促进交易量,传统的推送方式都是直接将信息推送给客户,内容庞大,且绝大多数与用户需求不相关,推送效果不好。为了解决此问题,基于协同过滤手段设计了一种新的电子商务平台个性化推荐模型,首先设计了推荐模型框架,该框架由数据层、应用层和推送层三部分组成;然后研究了模型的工作流程,介绍了网络数据分析、在线推荐、推荐过程实现三个流程;接着阐述了电子商务平台的Apriori算法和Clique算法两种推送算法,从产品分类、产品信息和产品属性三个角度分析了该模型的实现;最后通过与传统模型的对比实验验证了本文设计模型的可行性,由实验结果可知,该模型能够精准地匹配出用户信息和产品信息,并对其进行匹配,从而完成推送。     

中超俱乐部微信公众号运营传播：现状及启示

采用文献资料法、内容分析法、数理统计法梳理中超微信公众号的建设情况,对2018赛季中超16支俱乐部微信公众号推送服务的整体状况、传播效果、内容特点、互动情况进行比较分析,提出中超俱乐部微信公众号运营传播的启示:主动融入社交平台,塑造中国特色职业体育俱乐部文化;精准把握推送时机,合理推送信息;组建专业管理团队,打造高质量推文内容;优化平台版块功能,提高粉丝参与度.     

基于云计算智慧平台的健康养老信息推送算法研究

健康养老信息推送结果的F-Measure(准确率和召回率的加权调和平均值)较低。因此,提出应用云计算智慧平台的健康养老信息推送算法。构建用户兴趣度模型,结合协同过滤推荐算法,匹配健康养老标签和信息主题生成推送方案,从资源池中找到最优健康养老信息,完成信息推送任务。结果表明：向用户推送更符合要求的健康养老信息,其推送结果的F-Measure值稳定在0.6左右,不会随着用户数量增长而发生较大变化。     

利用智能算法优化支持向量机参数

为了提高算法在实际问题中的应用能力,基于MATLAB仿真实验平台,研究了网格搜索算法、遗传算法和粒子群算法的参数优化方法,对支持向量机的惩罚因子和核函数参数进行优化处理,并利用标准的乳腺癌诊断数据集设计仿真实验。结果表明,利用智能算法优化支持向量机参数得到的分类精度比传统的根据经验选择参数的分类精度有了大幅度提高。     

基于ADAM优化卷积神经网络的火电厂大数据平台预警模型测试与应用

为了提高火电厂大数据平台的生产维护安全化、监控管理精细化、经济效益持续化,提出了大数据平台内开发故障诊断预警系统,采用基于自适应力矩估计(adaptive moment estimation, Adam)算法优化二维卷积神经网络方法建模技术融入于大数据平台中,并结合大数据平台和专家故障预警诊断功能进行测试与应用。首先对故障预警模型进行数理建模及模型训练优化,直至满足模型功能要求,实施模型算法代码与大数据平台的合库部署上线、满足提前发现系统故障的功能,并结合机理分析对故障系统进行细致化分类,最终发现根本的故障原因。实现了火电厂生产过程中各系统运行特性的全周期监控,在系统或设备发生故障前进行预警并推送异常信息,规范化了模型部署在大数据平台后的测试与实施工作,进一步发现模型缺陷,提高模型准确率。     

基于组合文本分类策略的学术报告精准推送

学术报告能够促进日常学术交流,推动科学技术不断普及和进步,但是目前科技工作者想要找到自己感兴趣的学术报告十分费时费力。文章设计了一个能够给科技工作者精准推送学术报告信息的系统,在文本分类的基础上对典型的分类器分类结果通过训练的概率阈值参数进行过滤;并提出了一种组合文本分类策略的方法,提高对学术报告文本的分类适应能力;实验结果表明该方法能够有效地提高学术报告的分类效果,实现学术报告按照分类的精准推送。     

信息推送服务在数字化校园建设中的应用研究

介绍了信息推送技术,阐述了信息推送服务在高校数字化校园建设中的应用现状,以高校图书馆的微信公众平台为例,探讨了利用微信公众平台进行信息推送的优势.     

基于鲸群优化随机森林算法的非平衡数据分类

为了提高非平衡数据分类的准确性,采用随机森林算法用于数据分类,并结合鲸鱼优化算法对随机森林弱分类器权重进行优化求解,以增强随机森林算法对非平衡数据分类的适应性。首先,建立基于随机森林的非平衡数据分类模型。通过随机森林的多个决策树弱分类器进行分类,有效解决样本不均衡导致的分类困难问题。接着,采用鲸群优化算法对弱分类器权重进行优化求解,将分类准确率均值作为鲸群优化适应度函数,以提高弱分类器权重投票对最终分类结果的精度。最后,采用经过鲸群优化得到的随机森林模型进行非平衡数据分类。实验证明,通过合理设置鲸群优化算法参数,可以获得分类准确度更高的随机森林弱分类器权重,相较于常用非平衡数据分类算法,文中算法能够获得更优的分类性能。     

基于IPSO-LSTM的高校贫困生精准资助方法

针对高校经济困难学生帮扶人工评审中主观因素影响较大的问题,提出基于IPSO-LSTM的高校贫困生精准资助方法。通过分析学生的基本信息数据和消费行为数据提取多维特征,使用长短期记忆神经网络搭建学生经济困难分类模型;利用粒子群优化算法解决模型参数确定困难的问题,并改进粒子群优化算法,提高算法的参数寻优精度和收敛速度。使用高校真实学生数据对所提方法的有效性和可靠性进行了验证,所提方法能较好完成学生贫困分类识别工作,分类准确率较好。     

BP网络与LVQ网络在遥感影像分类中的比较分析

遥感影像分类是遥感技术研究发展应用中的一个重要组成部分。基于Matlab平台应用BP、LVQ两种神经网络算法对TM多光谱影像进行了分类研究,最后应用混淆矩阵对这两种网络算法与最大似然法的影像分类结果做了精度评价与对比分析。实验结果表明,神经网络分类器作为一种非参数分类器,进行影像光谱特征分类时能获得较高的分类精度,引入对比度纹理特征后精度有更进一步的提高。两种神经网络算法中,LVQ网络算法的影像分类精度比BP网络要高。     

同步推送系统模糊控制的在线学习

为了解决气冲造型线普遍存在的推送系统推送和缓冲严重不同步的问题,提出了一种基于遗传算法和模拟退火算法的模糊控制策略（GASAF）,用这种算法对模糊规则进行优化时,不仅速度快,还可避免算法的早熟收敛,根据实际运行系统参数时变的特点,用自行设计的“判别器”对将要进入模糊推理机的模糊规则进行在线学习和测试,以保证用于实时控制的规则的优良性,现场试运行结果表明,这种控制器可使推送系统的位置跟踪精度达到0．2％,具有很好的通用性和广阔的应用前景。     

量子遗传算法优化加权朴素贝叶斯复合语言文本分类

为了提高朴素贝叶斯算法的复合语言文本分类准确度和效率,将加权朴素贝叶斯算法用于复合语言文本分类,采用量子遗传算法对权重参数进行优化;根据贝叶斯定理建立语言文本分类模型,考查样本属性之间的差异对分类结果的影响;然后引入属性权重,形成加权朴素贝叶斯文本分类模型;利用遗传算法对权重参数进行优化,借助量子比特运算提高遗传优化效...     

改进量子粒子群优化支持向量机的网页分类

随着海量网页信息的出现,网页分类已经成为数据挖掘领域的一个重要研究方向,网页分类是一种快速有效利用海量网页信息的重要技术.为了克服支持向量机进行网页分类时存在训练收敛较慢和分类精度不高的缺点,将改进的量子粒子群优化算法与支持向量机相结合,提出了一种融合改进量子粒子群算法和支持向量机的网页分类方法.首先引入柯西分布改进量子粒子群优化算法,其次利用改进的量子粒子群算法优化支持向量机的参数选择,然后利用支持向量机进行网页分类.实验结果表明,该方法具有较高的准确率、召回率和F1测试值,网页分类效率也得到了一定程度的提高.     

基于腕部IMU数据采集的人体运动模式识别

利用安卓智能可穿戴设备内置的运动传感器采集了特征频率变化较高的人体腕部加速度信息,对人体行走、跑步、站立、下楼4个运动模式进行了分析,提取了运动传感器信号均值、峰值、方差和协方差等特征值,并利用支持向量机算法对4种运动模式分类识别,准确率为88.46％.随后利用网格搜索法、遗传算法、粒子群优化算法对参数C,g进行寻优,...     

量子粒子群优化核极限学习机的遥感影像分类

极限学习机初始参数具有随机性,容易导致其对高分辨率遥感影像的分类结果出现局部最优现象.为了解决上述问题,提出了一种基于量子粒子群优化核极限学习机的遥感影像分类方法.该方法利用量子粒子群算法对核极限学习机的核参数与正则化参数进行优化,根据参数优化后的结果构建量子粒子群优化核极限学习机的遥感影像分类模型（QPSO-KELM）.通过实验对比了SVM、KELM、PSO-KELM、QPSO-KELM这几种分类方法对高分二号遥感影像数据的分类精度与效率.结果表明：QPSO-KELM的分类精度、运行速度均优于其他几种分类方法,该方法能有效提取遥感影像上的地物要素信息.     

一种基于数据驱动的动态时序分类算法

针对物联网时序数据中存在的数据冗余现象和动态信息难以捕捉的问题,提出了一种基于数据驱动的动态时序分类算法。通过动态内部主元分析法（dynamic internal principal component analysis,DiPCA）提取传感设备采集的时间序列中的动态信息,实现降维及提炼动态信息的作用;利用麻雀搜索算法优化分类算法参数,强化支持向量机(support vector machines,SVM)算法性能并使其对含有shapelet局部特征的时序特征进行建模,最终构成双向演进算法框架,实现时序分类功能。利用UCR时序数据集和边缘计算模拟数据检验该算法的性能,结果表明,与基本算法相比,该算法的综合性能明显提高,并验证算法分类功能在仿真环境中的有效性与优越性。     

基于蚁群算法的支持向量机参数优化

针对支持向量机的参数对分类性能的影响,探讨了基于蚁群算法的支持向量机参数优化方法,建立了支持向量机参数优化模型,给出了基于网格划分策略的连续蚁群算法,并将其用于优化模型求解,通过对支持向量机的惩罚因子和径向基核函数进行优化,使支持向量机的分类性能最优.通过仿真和应用实例,验证了方法的有效性,得到了95%以上的分类正确率.     

基于用户行为的精准化推送服务平台的研究与实现

目的给出一种通过构建元数据库和用户需求的特征数据库进行文献精准推送服务平台的建设方案。方法尝试使用数据库技术、WEB技术和网络爬虫技术从图书馆资源、互联网资源中构建出科技文献元数据库以及采集用户阅读文献信息数据形成个人需求特征的数据库,最后通过文献相似度算法实现精准推送服务平台的建设。结果与结论该平台提供了一站式检索服务和个性化精准推送服务,满足了读者对文献快捷获取、阅读高效的个性化需求。