一种具有保序性的带权多标记学习算法

多标记学习是机器学习研究领域的热点问题之一.经典算法仅考虑了标记间的单一关系(序或权重),这使得在部分场景中多标记学习无法应用.为解决该问题,一种具有保序性的带权多标记学习算法WMLARP(Weighted Multi-label Learning Algorithm with Rank Preservation)被提出.通过在学习过程中引入"相关-无关"、"相关-相关"两种标记对来度量标记间的序和相对权重,WMLARP对基于SVM的多标记学习算法进行了扩展和优化.实验结果表明:WMLARP可充分挖掘标记间的相关性,有效提高分类模型的质量.     

Job Shop 的工件序摄动分析算法

为了研究ＪｏｂＳｈｏｐ排序（ＪＳＰ）这样一类ＮＰ完备的组合优化问题,从离散事件仿真的角度分析了ＪｏｂＳｈｏｐ中工件序单步摄动和多步摄动出现时系统状态的变化规律,提出了一类求解ＪＳＰ问题的近似算法——工件序摄动分析算法（ＪＳＰＡ和ＪＳＥＰＡ）,并研究了此类算法的应用模式。工件序摄动分析算法具有迭代性和构造性特点,兼顾ＪＳＰ问题求解的速度、精度和规模,能够对初始序点进行改进,获得较好的工件极小序（或最小序）。测试实验结果表明算法具有良好的整体性能。     

α-先验概率优势关系下的粗糙集模型研究

序信息系统涉及了多属性决策领域的比较、排序及属性约简等问题.然而在现实世界中,不完备序信息系统十分常见.为解决不完备序信息系统中现有优势关系要求过于严格或宽松的缺陷和目前不完备序信息系统粗糙集模型及性质、对象排序、属性约简等理论研究的不完整性,首先,结合先验的知识,从概率分布的角度分析未知属性值,提出α-先验概率优势关系,在此基础上研究其粗糙集模型及性质;其次,给出α-先验概率优势类结构差异度的概念,并提出一种新的对象排序方法;然后,给出一种由α-先验概率优势类结构差异度来寻找不完备序信息系统的启发式属性约简算法,该算法能有效地避免因新的优势关系不满足单调性引起的弊端;最后,用具体实例验证所提方法的正确性和有效性.该课题内容不仅丰富了粗糙集理论的研究,而且为不完备序信息系统理论提供了新的方法和思路.     

成组加工单元零件排序的研究

基于成组加工中作业计划的要求,采用组间排序和组内排序两次排序优化,构造了成组加工单元待加工零件的排序优化模型根据组内与组间排序的不同特点,采用了不同的方法,组内排序是在约翰逊-贝尔曼规则的基础上应用了新启发式算法;组间排序是先将待加工零件组的排序问题转换为平衡指派问题,再采用匈牙利算法进行排序二次排序模型为成组加工零件的排序提供了一个理想的解决方法     

贝叶斯网络结构学习的双重K2算法

贝叶斯网络源于人们对人工智能领域不确定性问题的研究,是进行不确定问题推理和数据分析的重要工具。结构学习是贝叶斯网络研究的核心内容,K2算法是结构学习的经典算法之一。为解决K2算法学习效果强烈依赖于节点序的问题,本文提出一种新的混合结构学习算法：双重K2算法。该算法首先将节点信息作为初始节点序,通过K2算法的搜索策略得到初始网络结构;然后在初始网络结构上利用拓扑排序得到修正后的节点序;最后K2算法通过修正后的节点序学习得到最优的网络结构。通过实验验证,在精度和效率上,双重K2算法效果优于其它经典算法。     

成组加工单元零件排序的研究

基于成组加工中作业计划的要求,采用组间排序和组内排序两次排序优化,构造了成组加工单元特加工零件的排序优化模型。根据组内与组间排序的不同特点,采用了不同的方法,组内排序是在约翰逊－贝尔曼规则的基础上应用了新启发式算法;组间排序是先将待加工零件组的排序问题转换为平衡指派问题,再采用匈牙利算法进行排序,二次排序模型为成组加工零件的排序提供了一个理想的解决方法。．     

判断信息为偏好序的群决策方案排序:互补判断矩阵法

应用互补判断矩阵研究判断信息为偏好序的群决策方案排序问题. 由决策群体中专家给出的方案偏好序得出互补判断矩阵:当方案间只有优先关系时,得到的是精确数互补判断矩阵;当方案间不仅有优先关系还有无差异关系时,建立精确数互补判断矩阵和区间数互补判断矩阵. 基于加性一致性,得到Condorcet效应出现的必要条件. 由互补判断矩阵建立目标规划模型,得到方案的排序. 通过算例与已有的方法比较,结果表明该方法可行.     

基于FPGA的改进的排序QR分解实现

MIMO技术虽然可以提高频谱的利用率,但是多维度的信号处理为MIMO信号的检测带来了极大的挑战.在对各类MIMO检测算法分析的基础上,选择非线性QR分解算法作为研究对象.为了获取更高的检测性能,进一步研究了排序的QR分解并提出了基于L1范数的排序方案.Matlab性能仿真显示,基于L1范数的排序策略和基于L2范数的排序策略对MIMO系统检测性能的影响基本一致,但采用L1范数降低了计算复杂度.在此基础上,设计了基于FPGA的利用Givens旋转改进的排序QR分解的硬件电路结构.在4×4信道矩阵的分解实现中,相较于L2范数求解,L1范数在单个列范数计算中组合逻辑资源至少节省了29.2%,触发器资源至少节省了32.4%.整体结构设计与同等规模的类似结构相比,主频时钟得到明显改善.     

一种改进的等范数最近邻码本矢量搜索算法

文章提出了一种改进的等范数最近邻码本矢量搜索算法,该算法预先离线计算好各码本矢量的2-范数和它与中心线的矢量夹角,再根据各码本矢量的2-范数进行升序排列.编码时用二分法搜索到与目标矢量2-范数最近的码本矢量,再排除那些不在目标矢量形成的夹角范围内的码本矢量。结果证明,该算法对比文中列举的其他算法更加高效。     

基于有序视觉词袋模型的图像相似性衡量

针对当前广泛应用的BOVW模型存在精度不足问题,提出一种基于有序视觉词袋模型的相似性衡量方法.首先,对经过K-mean聚类得到的高维视觉单词,采用LLE(locally linear embedding)流形学习算法降至一维,对一维数据进行排序,并以此顺序对高维单词排序获得有序词袋库;其次,对样本图像的所有局部特征,以该特征在词袋中对应的有序单词索引号构建图像局部特征谱;最后,对训练样本和测试样本的局部特征谱作差求得残差,并以残差的1-范数衡量图像的相似性.KITTI数据集相似性衡量实验表明,有序BOVW模型相似性识别率明显高于无序BOVW模型.