随机生成候选因子集的逐步回归原型匹配算法

为实现符号回归,将逐步回归技术引入了一种基于逐步回归技术的符号回归算法,通过恰当组织基函数库,可以发现为数众多的符号函数,该算法效率较高,且可用于样本数据中含有较大随机噪声的场合。根据该算法开发的符号回归程序,可用于符号微积分,函数方程求解和科学定律的实验发现等智能发现任务。     

基于枚举算法的优化方法研究

本文简要介绍了枚举算法的基本概念,提出该算法简单,结果准确、全面,但效率较低.通过研究＂百钱百鸡＂问题的算法及C语言实现,提出了利用数学分析实现优化枚举算法提高工作效率的方法.     

结合优先指派规则的车间作业问题的枚举算法

车间作业调度问题是一个典型的NP完全问题,这种问题的精确求解算法的计算时间会随着问题实例规模的增大而呈指数增加.针对车间作业调度问题的难解性,给出了一个求解该问题的快速枚举算法.该算法是按照枚举算法的一般步骤来进行设计的,在设计过程中对于算法所涉及到的初始解问题、分枝问题以及剪枝策略等问题给出了旨在减少算法计算时间的解决方案.该算法找到了所测试的9个标准算例中4个算例的精确最优解.     

城市公交换乘查询系统的优化枚举算法研究与应用

该文针对目前我国城市公交查询系统存在的不足,提出了一种便于乘客进行路线选择的优化枚举算法,并探讨了以换乘次数最少为目标的公交查询方案。对n次公交换乘算法进行改进,引入紧邻站点和站站快表,提高公交查询系统的实用性和查询效率,从而吸引出行者优先选择公交车出行方式。     

基于改进符号回归算法和XGBoost算法的剩余续驶里程预测

提高剩余续驶里程预测精度可以缓解驾驶人的\"续航焦虑\",帮助车厂开发精细的电池管理系统,提高纯电动汽车的接受度.基于改进符号回归算法自动生成与标签字段高度相关的新数据特征字段,实现数据维度扩充.再将维度扩充后的数据传入经过超参数调优的XGBoost模型预测剩余续驶里程.对比仅使用经典特征字段的原始数据,维度扩充后的数据在...     

基于原型匹配理论的一种模式识别方法研究

本文结合认知心理学中有关模式识别的研究成果,提出了一种新的模式识别方法——基于原型匹配理论的模式识别方法。文中方法定义一个模式识别问题由原型、结构、组合法则构成,这三要素组成原型库和知识库对被识别客体进行识别。文中探讨了基于原型匹配理论的模式识别方法的识别机理、数学模型、识别算法,并对印刷体数字字符识别问题进行了实验研究,实验结果表明文中方法的有效性。     

神经网络与符号推理集成系统及其学习算法

提出一种神经网络与符号推理集成系统ＩＮＮＳＩ。它包括两部分：根据领域规则构造神经网络；神经网络根据样本进行学习该系统的特点是网络的拓扑结构学习过程中可以动态地变化。通过齿箱故障诊断试验，可知应用该方法诊断齿故障是有效的，并可较大幅度地提高诊断的速度和精度。     

关于逐步回归算法的一个修正

将逐步回归算法用于符号回归任务时,会产生计算溢出现象．其原因是在检验因子的显著性时,由于数据精度很高,可能会发生最大偏回归平方和V     

一个改进的BM串匹配算法

本文利用ＢＭ算法的特点，改变ＢＭ算法在模式匹配过程中逐位匹配的顺序，得到了个ＢＭ算法的改进算法ＮＥＷＢＭ。本文给出了算法的正确性证明及时耗分析。     

一种求解矩形packing问题的智能枚举算法

矩形packing问题有许多工业应用,如码头货物装载,木材下料,超大规模集成电路（VLSI）布局设计,新闻排版等。国内外已提出了许多求解此问题的算法,如：遗传算法,模拟退火算法以及启发式算法等。在目前已有研究的基础上,提出了一种智能枚举算法,该算法的关键在于设计一种快速有效的枚举策略。用Hopper和Turton提出的21个矩形packing实例对所提出的算法性能进行了实算测试,平均面积未利用率为0.04%,平均计算时间为277.69 s,并求得了其中18个实例的最优解。实算结果表明：该算法对求解矩形packing问题是行之有效的。     

关于逐步回归算法的一个修正

将逐步回归算法用于符号回归任务时,会产生计算溢出现象,其原因是在检验因子的显著性时,由于数据精度很高,可能会发生最大偏回归平方和Ｖｍａｘ与残差平方和ｒｙｙ相等或非常接近的情况,从而造成检验式分母的绝对值过小而溢出,对此,提出了两种修正方法,修正后的算法消除了隐患,可用于符号回归等高精度数据拟合任务。     

遗传程序设计及其在符号回归问题中的应用

介绍了遗传程序设计的基本原理,以及遗传程序设计的算法设计及其实现的几个关键问题。将遗传程序设计应用于符号回归问题,获得满意的结果。同时也表明其在复杂问题的自动求解上比遗传算法具有更强的复杂结构表达能力和解题能力。     

一种建立回归曲线模型的新算法

将ε—支持向量回归机与B-样条网络相结合,提出了一种建立回归曲线模型的新算法.实验仿真结果说明了这种算法是可行和有效的.     

基于支持向量回归机和B样条网络回归曲线建模算法

将改进的支持向量回归机与B-样条网络相结合,提出了一种建立回归曲线模型的新算法。实验仿真结果说明了这种算法是可行和有效的。     

从自动化到智能化:软件漏洞挖掘技术进展

近年来,随着软件规模和复杂度的日益增加,软件漏洞挖掘技术正逐渐向高度自动化和智能化演变,该文从传统漏洞挖掘技术和基于学习的智能化漏洞挖掘技术两方面深入调研和分析了相关的研究进展。首先,从静态和动态挖掘技术2方面详细介绍了传统漏洞挖掘技术的研究现状,涉及的技术包括模型检测、二进制比对、模糊测试、符号执行以及漏洞可利用性分析等,并分析了各项技术存在的问题,提出当前的研究难点是实现漏洞挖掘全自动化。然后,介绍了机器学习和深度学习技术在漏洞挖掘领域的应用,具体应用场景包括二进制函数识别、函数相似性检测、测试输入生成、路径约束求解等,并提出了其存在的机器学习算法不够健壮安全、算法选择依靠经验、数据样本不足、特征选择依赖专家知识等问题。最后,对未来研究工作进行了展望,提出应该围绕提高漏洞挖掘的精度和效率、提高自动化和智能化的程度这2方面展开工作。     

基于非线性回归的自适应特征提取算法

分析了针对相似图像的几种特征提取方法的特点及局限性,提出了一种新的基于非线性回归原理的印章自适应特征提取算法.针对一组相似印章样本,通过相关分析和显著性检验,确定特征的优化选取,并给出了相应的算法,取得了令人满意的实验结果     

非参数回归模型的模型检验

在此考虑非参数回归模型的模型检验问题．基于Plug-in经验似然方法。构造经验似然比检验统计量．证明其满足Wilks’现象,而得到了一定显著性水平的拒绝域,最后通过数据模拟。讨论了其检验功效．     

求符号系统函数的新算法：状态空间树法

应用LIFO分支-定界搜索法和状态空间树概念,提出了求符号行列式的新算法SSTMSD——行列式的状态空间树法(它是Minty算法的发展和改进);根据它并应用变形图概念提出了求符号系统函数的新算珐SSTMSF——系联函数的状态空间树法。     

删失非线性模型的中位数回归

研究了带有不完全数据的非线性模型的中位数回归问题.将完全数据线性回归模型的L1方法推广到随机右删失非线性中位数回归模型中,提出了一种估计非线性中位数回归模型参数的半参数方法,并得到了估计量的强相合性和渐近正态性.