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...     

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     

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。     

基于SMOTE算法和逻辑回归模型算法的江苏短时强降水潜势预报

短时强降水是导致城市内涝和山洪、滑坡等灾害的重要原因,其突发性强,局地性明显,预报难度大,是强对流天气业务预报的重点和难点之一。本研究利用2011-2018年的江苏省国家气象观测的逐小时降水资料对江苏省短时强降水时空分布特征进行分析,江苏短时强降水频次分布为典型的南多北少,主要降水出现在早晨04-10时和午后15-19时,前半夜出现降水的概率则较低。基于ERA5再分析资料,选取了对于短时强降水有较强判断能力的气象要素,合成少数类过取样算法（SMOTE）和逻辑回归（LR）方法,构建短时强降水的预报模型,利用2019年的,欧洲中期天气预报中心（ECMWF）预报产品基于该模型进行短时强降水的确定性预报和概率预报,并使用同期实况数据进行系统性检验和天气过程检验。结果表明该模型总体性能较好,对短时强降水出现与否有较好的判别能力和预报指示意义。未来24h以内的6h时效预报,TS评分在0.23以上,未来60h以内的6h时效预报TS评分均在0.2以上,但也存在着一定程度的空报和漏报。基于SMOTE+LR短时强降水预报模型对短时强降水的潜势预报具有较好的指示作用,对气象防灾减灾具有重要意义。     

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。     

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。     

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.     

用于回归估计的支持向量机

介绍机器学习的表示方式,分析和比较机器学习中经验风险最小化原则和结构风险最小化原则,引出用于回归估计的支持向量机,并用数学方式阐述其基本思想,讨论支持向量机技术发展中存在的主要问题.     

数据插值技术对基于遗传编程算法符号回归的影响研究

提出一种先采用样条函数插值对数据进行平滑处理,再采用基于遗传编程的符号回归方法进行数据分析的新方法。与实验补充数据的方法相比,该方法实验成本低、风险小、受环境影响小,在电力电子技术领域具有广泛的适用性和较好的应用潜力。     

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。     

素理想参数化的符号算法

Ｇａｏ等给出了素理想参数的一种随机算法,Ｇａｌｌｏ等估计了这种算法的计算复杂度,并将此算法改进为确定性的算法,避免了上机实现可能出现的“随机陷阱”尽管如此,由于这种算法可能需要计算多次特征列,使复杂度提高,应用受到很大限制,本文给出了素理想参数化的一种符号算法,只需计算两次特征列,就能得到原理想的参数化,并同时可以确定“例外集”。     

符号执行中的约束求解问题研究进展

在符号执行中,约束求解主要负责路径可达性进行判定及测试输入生成的工作,但路径爆炸问题带来的频繁调用,以及SMT求解器本身的能力和效率的不足,使得约束求解占用了符号执行中主要的性能开销,约束求解问题也成为符号执行中面临的主要瓶颈问题之一.本文介绍了符号执行和约束求解的基本概念,并分析了符号执行中约束求解问题的由来,对近年来的约束求解问题研究进展进行了归类,涉及的技术包括非相关约束分支切片、约束简化、快速不满足性检查及多求解器支持等.对这方面的研究进行了展望和总结.提出未来工作应在提高路径约束逻辑精简率、提高约束求解结果存储和重用的效率、约束求解并行化以及约束求解配置预测等方面展开.