调整时间可分离的FlowShop调度问题F3|s|C_(max)

研究了三台机器调整时间可分离的FlowShop调度问题,目标函数为极小化最大完工时间·证明了最优调度可能不是排列调度,但是工件在前两台机器上具有相同加工顺序的调度中至少存在最优调度·在排列调度范围内,对于工件在第二台机器上的调整时间与加工时间之和的最大值不超过工件在第一台或第三台机器上的调整时间与加工时间之和的最小值的情况,给出了求解最优调度分派规则,并以分派规则为基础给出了多项式最优算法     

一种用于波束形成技术的神经次元分析算法

基于自稳定次元分析学习规则,提出一种添加了惩罚项的次元分析(MCA)学习规则.分析了该学习规则的稳定性和收敛性,用于自适应波束形成技术的实现.采用带有约束条件的功率优化波束形成原理,利用白噪声敏感度控制和干扰的先验知识,提高了波束形成算法的鲁棒性.仿真实验表明,与用于实现鲁棒约束波束形成技术的FMCA学习规则相比,MCA学习规则具有更强的稳定性,能更有效地用于干扰抑制和实时信号跟踪.     

一种新的基于广义规则的加权不精确推理模型

提出一种新的基于广义规则的加权不精确推理模型,这个模型克服早期专家系统(MYCIN、PROSPECTOR)不精确推理模型的某些缺点,模型既考虑推理规则本身的权重,还考虑规则前提中各项的权重,并给出了相应的算法。     

旅游客流量预测的模糊时间序列模型--以黄山风景区为例

以黄山风景区1979－2004年的年度旅游人数数据为训练集,运用模糊聚类算法客观地分割论域,然后建立了一种模糊时间序列的加权模型以充分利用观测样本的初始信息。通过对传统的模糊时间序列模型与基于模糊聚类算法的加权模糊时间序列模型两种预测结果均方误差的比较,可见基于模糊聚类算法的加权模糊时间序列模型不但具有更高的预测精度而且也具有更好的稳定性。     

NURBS曲面权因子及其应用研究

对非均匀有理B样条(NURBS)的权因子作了分析研究。首先，阐述了NURBS曲面权因子的几何意义，说明了权因子是有关4点的交比，并分析了权因子的极限性质以及零权因子对曲面形状的影响；其次，就曲面上一点在控制顶点方向与任意方向移动这两种情况，给出了曲面形状调整时权因子的计算公式；最后，给出了曲面权因子调整的应用算例。     

时变系统的迭代学习控制

针对参数未确知时变系统，提出了一种新的迭代学习控制律。在新控制律中，除了引入前次学习过程误差信息外，还引入了当前学习过程误差信息。从理论上证明了新控制律的收敛性。对离散时变系统和连续时变系统的两个实例进行了仿真研究。理论分析和实例研究结果表明，所提出的新控制律具有较高的学习速度和对初始误差良好的鲁棒性。     

论法治信用下的高校督导制度建设及施行

依法治校离不开校内优质高效的规章制度。其中,包括督教、督学、督管制度在内的督导制度至为重要。在法治信用视域下,高校的督导制度建设,应当强化法治观念,遵循法治原则。在督导制度建设和运行中,应着力突出制度建设的公信力、执行制度的公正性、遵守制度的自觉性。     

基于矢量基学习的自适应迭代最小二乘支持向量机回归算法

为增强最小二乘支持向量机(LS-SVM)回归建模的稀疏性、鲁棒性和实时性,在加权LS-SVM的基础上,提出了基于矢量基学习的自适应迭代回归算法。在训练过程中,该算法通过矢量基学习和自适应迭代相结合的方法得到1个小的支持向量集,同时采用加权方法确定权值以减小训练样本中非高斯噪声的影响。回归学习和动态系统辩识的仿真结果表明:在回归建模精度相似的情况下,该算法确定的支持向量为全部学习样本的4.9%~8.9%,训练时间为标准LS-SVM的0.011%~0.383%;由于能够鲁棒跟踪时变非线性系统的动态特性,适合在线实时训练;可进一步用于非线性系统的建模和实时控制研究。     

二维线性连续-离散型系统理论在迭代学习控制中的应用

针对线性连续控制系统 ,利用二维线性连续 离散型系统理论设计了一种新型的迭代学习控制方案 ,并给出了这种迭代学习控制规律收敛的条件 ,说明二维线性连续 离散型系统理论在迭代学习控制中的应用是成功的 .     

基于用户反馈和增量学习的垃圾邮件识别方法

为了提高垃圾邮件识别的准确度,减少识别中的错判,提出了一种交互式垃圾邮件识别方法。该方法用一组具有特定权重的规则识别垃圾邮件,规则权重分布用改进遗传算法训练得到。增加用户与服务器间的交互,收集用户反馈的错判信息,根据反馈信息用增量学习动态调整规则权重。通过对SpamA ssass in扩展实现了该方法,并应用在邮件服务器上进行了测试。实验中在不影响垃圾邮件识别率的前提下,降低误判率约10%。实验结果表明:该方法不但能有效减少识别中的误判,而且避免了繁琐的重新训练,加快了规则权重的更新速度。     

机器具有可用性限制的加权总完工时间问题

研究一种带有学习和恶化效应,并且机器具有可用性限制的排序问题。讨论的目标函数为加权总完工时间的单机和两台机器的平行机问题。在某些实际生产过程中,工件加工时间的变化既受生产设备长时间使用,导致恶化现象的影响,也受生产设备或工人加工效率提高的影响。因此,在这种模型中,工件的实际加工时间不仅与它的所排位置有关,而且还与工件的开始加工时间有关。此外,由于机器发生故障或进行维护与保养等原因,导致其在某一区间内无法加工工件。针对某种学习和恶化效应模型下机器在任意时间段维修的单机和2台机器的平行机的某些情况,分别给出了拟多项式时间动态规划算法,分析了算法复杂性,并给出相应数值例子表明算法的有效性。     

分组交换中基于权值动态补偿的公平调度算法

针对WFQ(Weighted Fair Queueing)和WF2Q(Worst-case Fair Weighted Fair Queueing)对某些会话欠公平的问题,通过GPS(Generalized Procesor Sharing)公平性的定义,在保证长期公平性的前提下引入了补偿模型,以优化短期公平性,提出一种新的基于权值动态补偿的分组公平调度算法CWFQ(Compensation-basedWeighted Fair Qair Queueing).该算法在考虑虚拟时间标签的选择条件下加入了最小化公平度量因子约束,记录已经服务的服务量,按会话权值有比例地对参照GPS系统的权值进行微调,使CWFQ的短期公平性得到优化.而且通过模拟调度和定理证明发现,新算法能够对会话的延迟和吞吐量提供与GPS近似的性能保证.     

第二凝固浴条件对聚醚砜膜结构与性能的影响

采用双凝固浴法制备聚醚砜膜,主要研究了第二凝固浴温度、浓度对膜的水通量、肌肝和尿素去除率的影响.实验结果表明：肌肝和尿素去除率随着第二凝固浴温度的上升,先上升,然后下降,随后又略有上升,随着凝固浴浓度的上升,先下降,然后趋于平衡,最后又略有上升;而水通量随着凝固浴浓度的变化与肌肝尿素去除率的变化一致,随着第二凝固浴温度的上升一直呈上升趋势.     

基于混合核和加权SVM的microRNA前体识别算法

MicroRNA是一种单链RNA小分子,是由具有发夹结构的、更长的单链RNA前体经加工后生成.相比microRNA序列本身而言,其前体序列和二级结构隐含了更多的可识别特征与信息.因此可利用加权Levenshtein距离,结合其前体序列和二级结构构造一个指数核函数.结合SVM构造识别模型,鉴别真假前体.在用5折叠法得到最佳识别模型后,对人类数据进行测试.实验结果显示,新方法表现出了较好的识别精度,和较高的敏感性与特异性.     

英语口语重复修正检错中语法网络和搜索过滤算法

针对口语重复修正检错这一计算机辅助语言教学中的难点,提出一种基于音节单元WFST(weighted finite-state transducer)网络的容错对齐和搜索过滤算法。该算法将对齐后识别结果中邻近匹配词所对应的脚本建立上述语法网络进行二次识别下的容错对齐,得到的候选被修改部分和替换部分作为搜索过滤的查询和模板。最终,重复修正检错结果由搜索过滤算法的置信度决定。为此,提出了基于顺序假设的k-difference算法和基于随机假设的n-gram算法。实验表明:不使用二次容错对齐时,以音节为建模单元的多n-gram混合搜索过滤取得了相对最优的结果;使用二次容错对齐时,能够使F-measure获得3～4个百分比的进一步提升。     

一种改进的证据推理组合规则

提出了一种新的证据理论组合规则，综合考虑了支持信息和冲突信息对合成结果的影响。在求出各个证据之间局部冲突之后，利用各个证据的可信度得到系统的全局冲突；以全局冲突作为参量定义了一个冲突证据有效性系数，该系数反映了冲突信息对最终融合结果的影响。算例验证结果表明，新的组合规则能够有效地处理证据中的冲突信息，得出合理的融合结果。     

一种新的规则获取增量式算法

对新增样例给出了新的分类,针对此分类提出了新的规则获取的增量式学习算法DLR I,并就该算法与经典算法的复杂性进行了分析比较,得出增量学习算法较经典算法有较低的时间复杂性,可以有效地提高大型数据库的规则维护效率.     

考虑时间效应的湿陷性黄土地区桩基负摩阻力计算理论分析

对湿陷性黄土地区桩基负摩阻力的产生机理及变化规律进行了分析。利用桩土相互作用模型,推导出了适用于湿陷性黄土地区考虑时间效应的负摩阻力计算公式。利用此公式,只需要知道土体的剪切模量G、桩端荷载Nb和时间因子Tv,就可以方便地对任意时刻湿陷性黄土引起的单桩摩阻力的分布做出预测。     

基于权值调整的文本分类改进方法

文本分类是文本挖掘的基础与核心 ,可广泛应用于传统的情报检索和 Web信息的检索与挖掘等。提出了一种利用权值调整思想对向量空间法 (VSM)和朴素 Bayes分类器 (NBC)进行改进的文本分类方法 ,并探讨了利用 EM算法进行无导师 Bayes分类的方法 ,设计和实现了一个中英文文本分类系统 CZW。 3组实验数据表明 ,用某些评估函数调节单词权值可有效提高 VSM和 NBC等文本分类模型的精度 ,并且训练文本规模越大 ,改进的效果越明显。 NBC的分类精度最高可达 86 %。     

预测型关联规则演化学习的适应值函数

为了提高基于遗传算法的分类预测准确度,探讨了评价规则质量的适应值函数,提出了基于置信度和支持度加权和的适应值函数,以取代传统的基于灵敏性和选择性的适应值函数．理论分析和实验结果都表明,文中提出的新适应值函数对于预测型关联规则演化搜索的引导作用明显地优于传统的适应值函数．新的适应值函数有利于改进基于遗传算法的机器学习．