基于贝叶斯网络的个性化关联推荐模型研究

针对关联规则挖掘不能有效进行个性化推荐问题,研究了关联规则挖掘与贝叶斯网络相融合的个性化关联推荐模型,采用历史记录剪枝与贝叶斯网络校验相结合的办法,对关联规则挖掘算法进行改进。在关联规则挖掘过程中,结合用户历史记录,对关联规则中的频繁项集进行筛选,低于给定阈值项集被剪枝,并把剪枝后的项集输入贝叶斯校验网络进行个性化校验,对校验结果排序后按排名先后进行推荐,实现把读者真正喜欢的图书优先推荐给读者,该推荐模型在一定程度上解决了现有推荐系统中个性化较弱的问题。实验表明,贝叶斯网络可以提高关联推荐的个性化程度。
     

基于变分不等式的多商品流供应链网络模型

针对多商品流的供应链网络均衡问题,考虑电子商务对供应链网络的影响,得到了制造商、零售商及需求市场的均衡条件,利用变分不等式形式把供应链网络均衡模型表述出来,得到了系统均衡的模型,利用拟牛顿法,得到了具多商品流的供应链网络均衡模型的求解方法。 用具体的数值算例验证了模型的合理性。
     

基于粒子群优化的检测网络攻击方法

为了有效判断网络数据包是否存在被攻击的可能性,在以往的研究基础上提出了一种新的检测算法DMPS(Detec-tion method based of particle susarm)。首先该算法根据数据包属性的离散度定义了状态检测指标,并利用粒子群优化方法给出了标准差分布的计算流程,以此判断数据包的异常状况。最后,通过OPNET和Matlab进行仿真实验,深入研究了影响该算法的关键因素,同时对比了与其他算法之间的性能状况,结果表明DMPS具有较好的适应性。
     

软件定义网络中集群虚拟网络的构建

【目的】随着云计算平台越来越庞大并且呈现出动态化特点,对如何满足多个用户的计算请求而进行有效资源分配,同时保障整个网络的性能进行探索。【方法】首先,提出一种集群虚拟网络( CVN )策略和动态堆排序算法。其次,将联合多个 pod 构建跨 pod 集群虚拟网络( CP-CVN ),同时保障网络的性能。进而将此网络优化问题公式化为线性规划问题( LP ),并提出一种近似对偶算法解决此线性规划问题。【结果】理论分析表明所提出的对偶算法是可行的,实验结果验证对偶算法解决了软件定义网络中的资源分配问题,同时保障网络性能。【结论】理论和实验分析表明所提出的对偶算法是可行的。
     

基于LQI均值的WIA-PA网络路由算法研究

WIA-PA网络环境通常恶劣、干扰因素多,对网络路由质量的要求比较高,在以往的WIA-PA网络路由研究策略中没有考虑到链路质量因素。本文为了避免WIA-PA网络中链路质量差的路径转发数据,在AODV路由算法的基础引入了链路质量WMRWMA算法。并针对WMRWMA算法的不足通过LQI均值对WMEWMA优化,提出了一种主动和被动结合适合WIA-PA网络的路由算法。通过实验验证,本文提出的方法吞吐量比AODV算法提高了13%,丢包率上比AODV算法降低了10%,更适合WIA-PA网络环境。
     

时滞Lurie复杂网络与网络间的混沌同步

自Pecora和Carroll提出混沌系统的完全同步方法以来,混沌同步研究取得了巨大的进展,由于混沌同步在工程技术上的重要价值和较广阔的应用前景,它一直是非线性科学领域的研究热点问题之一。本文研究了时滞Lurie复杂网络之间的混沌同步问题,通过设计适当的控制输入,不但实现了两个时滞Lurie复杂网络之间的混沌同步,而且网络内部节点之间的耦合强度也被同时确定下来。数值算例说明了该方法的有效性。
     

基于百度指数的重庆马拉松网络关注度时空特征研究

【目的】揭示重庆马拉松网络关注度时空分布特征及影响因素。【方法】利用百度指数“指数探索”功能和时空属性数据,以重庆马拉松为关键词,时间段为2012—2016年,利用Excel,SPSS,Arc GSI等分析工具,运用季节性强度指数、地理集中指数、首位度指数、空间聚类和相关分析等方法进行分析。【结果】重庆马拉松网络年度关注度呈现阶梯状上升趋势;年内关注度的“双峰”形态突出,“尖峰平谷”形态鲜明,赛事报名期与举办期共同成为网络关注度的前兆期和峰值期;比赛周的周末搜索指数明显高于平日,网络关注与赛事举办形成共振效应;除重庆外,周边省份、东部沿海省份和发达城市的网络关注度较高,关注度水平与区域经济发展水平、人口数量(网民数量)、网络普及率等存在正相关关系,与空间距离存在负相关关系;重庆马拉松网络关注度的空间均衡水平逐年提升。【结论】马拉松正从单纯的专业体育赛事转变为大众体育旅游事件,利用网络关注度数据理清马拉松营销效应的时空特征及影响因素,将有利于基于马拉松旅游的城市营销,不断提升马拉松服务质量和赛事品质。
     

一类混沌系统的观测器同步

基于观测器方法研究了一类连续/离散混沌系统与其观测系统、连续/离散复杂网络系统与其观测系统的混沌同步 问 题 , 研 究 的 系 统 有 ：* 。基于 Lyapunov 稳定性理论给出了上述系统同步的充分性条件。数值算例说明了观测器方法的有效性。(注：*处代表公式)
     

基于网络照片的旅游景区照相指数研究———以磁器口景区为例

【目的】利用照相指数研究游客景区体验的规律特点。【方法】以网络照片为基础数据,采用内容分析方法,对重庆磁器口景区照相指数的特征及成因进行研究。【结果】磁器口景区总体照相指数反映了古镇特色;各功能分区的区域照相指数显示出古镇旅游发展的区域差异,且与游客流量呈正相关性;景点照相指数沿主要游径呈“Z”型的点轴分布。【结论】照相指数能够体现游客感知水平与关注度的空间规律,对景区整体开发与管理有重要参考意义。
     

公交系统复杂网络抗毁行分析———以重庆市公交换乘网络为例

为揭示公交网络的复杂性及演化机理,本文利用复杂网络相关理论知识和PAJEK软件分析重庆市主城区公交复杂网络的抗毁性,选择随机攻击和蓄意攻击两种模式。随机攻击就是完全随机地删除网络中的节点,蓄意攻击就是从网络中按照度值由大到小的顺序删除节点。以重庆市公交换乘网为复杂网络模型,研究该模型受到这两类攻击后,用平均最短路径长度和平均集聚系数来描述网络的抗毁性,并绘制相关示意图,由此分析并得出结论:重庆市公交网络具有鲁棒而又脆弱的抗毁特性。
     

GERT随机网络的优化研究

研究ＧＥＲＴ随机网络的优化问题．对随机网络的费用特征作了介绍，推导出在固定资源（费用）情况下的时间优化模型；提出了随机网络的时间—费用优化的简化方法，可寻求出ＧＥＲＴ网络计划的最优工期和最小费用     

基于自适应粒子群算法的重油热解模型参数估计

通过构造一个合适的目标函数,将化工模型参数估计问题转化为一个多维数值优化问题,然后提出一种参数自适应调整和维变异的改进粒子群优化算法来求解该问题。该算法首先利用佳点集方法初始化种群以保证粒子的多样性。惯性权重和学习因子随进化过程自适应调整,从而协调算法的全局和局部搜索能力。为了避免算法陷入局部最优,对收敛度最小的维进行变异。几个标准测试问题的实验结果表明该算法具有较强的全局寻优能力。最后将改进粒子群算法应用到重油热解模型参数估计中,并与基本遗传算法(SGA)和粒子群优化算法(SPSO)进行比较。研究结果表明:本文得到的平均相对误差为5.62%,比SGA和SPSO分别低1.08%和0.50%。
     

优化小波神经网络停车泊位多步预测

【目的】通过改进停车泊位预测方法为交通出行提供有益帮助。【方法】利用李雅普指数对停车泊位序列进行分析,指出序列具有混沌特性,可进行多步预测。利用db32小波函数具有双正交性、紧支撑性以及消失矩阶数较大的特征,对归一化的停车泊位序列进行多尺度分解与重构,并作为小波神经网络(Wawelet neural network,WNN)的隐含层函数。为提高预测精度和降低预测时间,分别使用粒子群算法(Particle swarm optimization,PSO)和极限学习机(Extreme learning machine,ELM)来优化WNN。其中,使用PSO对WNN的权值进行调整,逐步迭代得到最优值;使用ELM将全局最优值作为单隐层前馈神经网络的输入,使得算法尽快收敛。优化后的WNN结合迭代多输出法对停车泊位进行预测。将上述预测方案称为极限学习机和粒子群算法双重优化的小波补缀网络多步预测(Multi-step prediction based on wavelet neural networkimproved by extreme learning machine and particale swarm optimization,MP-EPWNN)。【结果】仿真实验表明,相对于BP神经网络、遗传算法优化小波神经网络、极限学习机优化小波神经网络、粒子群优化小波神经网络4种算法,MP-EPWNN算法的预测均方误差平均降低了96.6%,预测所需的时间平均降低了65.97%。【结论】MP-EPWNN算法预测停车泊位是有效的。
     

基于蚁群算法的无人机任务规划优化模型研究

【目的】为了研究无人机在灾情巡查中的航径优化问题。【方法】设计了一个蚁群算法求解该问题,并通过仿真实例进行验证。【结果】无人机的航径优化问题是一种具有多约束条件的复杂任务规划问题,将时效性和均衡性为核心的评价体系考虑到问题中,构建一个双目标优化模型,实现了无人机的外部合理分配和内部航径优化。【结论】仿真结果表明提出的模型与算法在解决无人机巡查灾情飞行航径方面具有一定的应用价值。
     

基于邻域影响的改进粒子群算法的聚类算法

K-均值算法是一种传统的聚类分析方法,具有思想与算法简单的特点,因此成为聚类分析的常用方法之一。但K-均值算法的分类结果过分依赖于初始聚类中心的选择,对于某些初始值,该算法有可能收敛于一般次优解,在分析K-均值算法和粒子群算法的基础上,提出了一种基于邻域影响的改进的粒子群算法的聚类算法,通过对粒子群算法的改进来优化与K-均值结合的聚类算法。该算法将局部搜索能力强的K-均值算法和全局搜索能力强的粒子群算法结合,提高了K-均值算法的局部搜索能力、加快收敛速度,有效阻止了早熟现象的发生,达到那些离群的孤立点。实验表明该聚类算法有更好的收敛效果,一方面聚类所用的时间更短,另一方面聚类的准确率更高。     

基于PXE网络的远程数据清洗系统

提出了一种基于PXE协议的网络互连结构用于数据清除的远程控制系统。数台客户端通过PXE协议与主机相连,客户端从主机上下载镜像文件,包括启动文件、配置文件和数据清除主体程序,从而实现远程启动操作系统和自动运行程序进行数据清除。整个操作过程实现实时控制,运行的过程和结果都在主机的屏幕上进行显示。PXE网络结构互连模式使系统拥有更快的速度和灵活性,实际工程应用表明系统性能优良,数据清除具有规模性,灵活快捷,其性能和效率明显优于传统的单机操作处理方式。     

不允许卖空限制下跳扩散模型的动态均值-方差资产负债问题

研究了在不允许卖空情况下跳扩散模型的动态均值-方差资产负债问题。本文利用两个黎卡提方程构造出HJB方程的一个连续解V(t,x),然后验证这个解是方程的粘性解,并利用粘性解和识别定理得到了最优投资策略和有效边界。
     

基于平滑核的广义变分去噪模型

基于偏微分方程的变分模型是目前图像处理中最好的方法之一,然而,在解决图像去噪中的反问题时,传统的全变分模型存在“阶梯”效应这一固有缺陷。针对该不足,本文提出了一种基于平滑核的广义变分去噪模型（即*该模型采用通用形式的平滑核函数作为图像的正则化项,选取一种鲁棒性好和边缘保持能力强的势函数,利用变分原理推导出与该模型相应的偏微分方程,最后给出了结合梯度加权最速下降法和半点格式的数值迭代算法*大量实验仿真结果表明,该模型对高斯噪声图像具有良好的噪声滤除和细节保护能力,与传统全变分模型相比,无论是主观视觉效果,还是客观性能评价指标（PSNR）方面,都具有明显的优势。 （注：*表示公式,见正文）