基于遗传算法的交通信号机器学习控制方法

通过对到达车辆数目的模糊分类,将交通信号控制方案以不同规则集的形式实施,根据实际控制效果利用遗传算法对规则集进行改进,形成了一种具有机器学习能力的单路口交通信号新控制方法.经过仿真实验,对该方法的控制效果与定时控制和感应控制进行了比较,仿真实验的结果说明该方法的控制效果明显优于传统控制方式.     

基于机器学习参数选择的交通图像编码方法

将图像压缩与ITS交通路况图像电传视讯相结合,提出了一种基于机器学习参数选择的多项式拟合图像压缩编码方法.我们定义了两类指标来度量数据扫描方法对多项式拟合方法的影响;还研究了用机器学习方法选择得到的参数对图像扫描数据进行单调化处理;进而研究了用多项式拟合预处理数据的方法进行图像数据压缩.该法简单方便、快速高效,并已针对小幅复杂交通路况图像在中低信噪比取得了良好的结果.该法还可以推广到感兴趣区位于图像中心的一类图像.     

ML-TEA:一套基于机器学习和技术分析的量化投资算法

量化投资尝试利用计算机算法来预测证券的价格和进行证券的交易,并从中获取超额收益,是系统工程在金融投资领域的重要应用.本文设计了一套基于机器学习和技术指标的量化投资算法ML-TEA(machine learning and technical analysis).该模型以技术指标作为输入变量,再分别通过不同的机器学习算法来预测股票数日之后的涨跌方向,并根据预测的方向来构建投资组合.实证结果显示:第一,三种模型的年化收益率都在25%以上,远超大盘指数的10.60%、买入持有策略的3%以及现有策略.从风险调节绩效(夏普比率、特雷纳比率和詹森绩效)来看,三种策略也都远超基准策略和现有策略.以夏普比率为例,三种策略均在1.50以上,而市场指数的夏普比率为0.38.第二,Ada-TEA和SVM-TEA都可以容忍远高于市场实际成本的交易成本.     

基于遗传神经网络的癌症死亡率预测

分析了遗传算法(GeneticAlgorithm,GA)和人工神经网络(ArtificialNeuralNetwork,ANN)的优缺点,在此基础上,提出了将遗传算法与人工神经网络有机结合的遗传神经网络此外,利用长期进行的恶性肿瘤登记的报告资料,采用遗传神经网络对北京地区的癌症死亡率进行预测结果表明该研究工作是可行的,可以作为预测的一种有效手段.     

基于学习机制的退火并行遗传算法应用研究

本文综合并行遗传算法(PGA)和模拟退火算法(SA)的优点,提出一种新的退火并行混合优化策略(PGASA).该算法克服了并行遗传算法局部搜索能力弱的缺点,在子种群的搜索中引入SA作为GA种群的变异算子,增强和补充了PGA的局部进化能力;同时将机器学习原理引入到混合算法中,增加了种群的平均适值,有效地避免了最优解的丢失,加快了进化速度.针对车间调度中的典型问题进行了仿真,结果证明了新算法的有效性.     

基于机器学习的计算机生成兵力行为建模研究综述

随着机器学习特别是深度学习技术的快速发展,采用学习方法辅助进行军用仿真中计算机生成兵力(Computer Generated Force,CGF)的行为建模,已成为克服传统有限状态机等基于知识工程方法面临的建模效率低,自适应差等问题的重要途径和发展方向.本文对采用机器学习进行CGF行为建模的应用现状、需求及发展趋势等若...     

基于机器学习的中观交通仿真器模型参数标定

针对经典速度-密度模型在精确刻画交通流动态变化特性时所存在的局限性,将更丰富的路段检测信息运用到中观交通仿真模型参数的标定过程中。提出先对路段检测数据进行预处理,再采用机器学习方法中的局部加权回归、k-均值聚类、k-最近邻方法,分别将车流密度,密度与流量作为变量标定车速。利用现场数据对算法进行了大量测试,结果表明,算法是有效的,适用于基于仿真的动态交通分配系统。     

WSN中基于分布式机器学习的异常检测仿真研究

安全问题是无线传感器网络应用的关键问题之一。设计了一种基于分布式机器学习的异常检测方案。该方案利用K最近邻算法对传感器网络节点进行分簇,时簇内节点的异常检测采用贝叶斯分类算法,对簇头节点的异常检测采用基于平均概率的方法。利用网络仿真工具NS2构建了入侵检测规则、模拟了网络攻击场景,在此基础上,通过仿真评估了方案的检测率、平均检测率、误检率和平均误检率等性能。仿真实验结果表明,该方案与当前典型的无线传感器网络入侵检测方案相比具有较高的检测率和较低的误检率。     

一种基于划分聚类和模糊神经网络的机器学习方法

将基于划分的模糊聚类算法和一般模糊极小极大神经网络分类算法相结合，提出了一种新的机器学习方法，实现了基于类比的案例推理学习模型。具体实现思想是，首先利用基于确定性退火技术的划分聚类算法对已知案例进行聚类标识，由所得结果建立一般模糊极小极大神经网络分类模型，然后用该模型实现新目标问题的案例相似性检索，最后针对目标问题结果案例完成案例学习。通过实例表明，该算法具有较好性能，并在基于案例推理的固体火箭发动机总体设计中成功应用，得到了论域覆盖面大的设计结果集。     

基于机器学习的寿险精算生命表函数估计

传统的分数年龄假设(fractional age assumption,FAA)形式简单且计算容易,但它们却存在死力函数在整数年龄处有较大跳跃的缺点,并且无法保证能精确地捕捉到生存函数的真实趋势。最小二乘支持向量回归机(least square support vector regression,LSSVR)作为机器学习领域的一项经典技术被广泛应用于对统计数据的回归与分析中。从机器学习的新视角来研究寿险精算理论中的生命表数据,对生存函数数据进行回归,并用成功拟合的生存函数构建死力函数及平均余命函数。LSSVR模型对生存函数拟合的有效性通过Makeham函数来进行验证,并与经典的三个FAA模型进行比较,实验表明,LSSVR模型的回归能力远高于经典的FAA模型。     

基于蚁群算法的序贯决策问题研究

实际工程中存在许多大规模、非线性多约束的序贯决策问题,传统算法解决起来较为困难.蚁群系统(ACS)是一个用来解决大规模多约束组合优化问题的现代启发式算法,根据序贯决策的特点设计了多层结构的蚁群系统,给出了算法的组成结构;为了节约计算内存和优化时间,详细阐述了淘汰劣质解机制的精英策略;并通过梯级水电站短期优化调度这一实际工程序贯决策问题,来验证所构造的算法,给出了优化调度的数学模型及算法的求解思路.最后,采用我国西南地区某梯级流域中三个水电站的相关数据建立了调度仿真模型,仿真结果证实了所采用算法的有效性和可行性.     

基于进离场容量转换的协同决策系统

针对机场在突发情况下造成交通流拥挤的问题,引入了CDM理论及算法,并对CDM GDP实施过程及其中的RBS/Compression算法进行研究.研究发现,CDM GDP单纯考虑了进场时隙的分配,未涉及离场容量以及离场时隙的分配问题.因此,基于CDM思想,协同、实时地考虑机场进、离场容量转换问题,在增加机场吞吐率的基础上协同决策进离场序列,给出了进、离场容量优化模型及算法,采用动态规划法进行求解,并结合实际机场航班时刻表数据进行了仿真.结果表明,在特殊外因条件下,进、离场容量相互转换时,协同决策系统能提供最优的解决方案,使机场的进、离场达到最大的吞吐量,并将延误减到最小.     

融合机器学习算法的期权定价

设计了融合参数模型和非参数机器学习模型进行训练的算法,利用非参数模型拟合参数模型,将其作为先验分布,然后采用贝叶斯学习方法进行优化,并在训练中实现分布的动态调整。该方法在训练过程中有助于避免模型参数过度波动,提升模型泛化能力。针对期权定价,在BS、Heston等参数模型及神经网络等机器学习模型基础上,构建了相应的融合模型BS＿BR和HS＿BR,并利用市场数据进行了实证分析。研究表明,融合模型可以较好地发挥两类模型的优势,无论是在样本内拟合效率,还是样本外预测能力方面都具有更好的表现。     

基于仿真的军械紧急调运决策模型研究

分析了战时军械紧急调运的特点,指出了已有相关研究的局限性:①没有考虑军械紧急调运中存在的不确定性;②模型优化算法的实现较为复杂。针对这两点不足,将智能优化算法PSO与MonteCarlo仿真进行融合,提出了基于仿真的军械紧急调运决策模型,并依据模型较好地解决不确定环境下的军械紧急调运的决策优化问题。结合一个仿真算例,通过对比分析,证明了采用基于仿真的模型得到的调运决策更为合理、可信。     

复杂群决策系统的研究纲领初探

现实生活中复杂群决策问题是普遍存在的,这是由群决策本身的内在属性决定的,不能单纯地认为简单群决策是复杂群决策的一种特例,而仍然沿用处理传统简单群决策的一些理论与方法。如果那样做,必然会降低决策效果。因此,很有必要深入探讨复杂群决策系统的特有决策模式与规律。鉴于此,本文尝试对复杂群决策系统的一些最新研究成果进行总结与梳理,并对复杂群决策系统的研究对象以及理论方法进行归纳分析。     

预测支持系统中的人机界面Agent及其机器学习

人机界面 agent是一种具有一定智能性 ,并能增强应用系统与用户间交互的计算机程序 .通过机器学习机制 ,这种 agent能够适应用户的习惯 ,使系统更有效的服务于用户 .本文将界面 agent( Interface agent)技术应用于预测支持系统 ( FSS:Forecasting Support System)中 ,并采用适当的学习方法 ,可以很好地解决其中的复杂人机交互问题     

某装备分布式仿真训练系统基于HLA的实现

介绍了高层体系结构HLA的原理与特点，研究了应用HLA技术开发分布式交互仿真应用系统的方法，并以复杂武器装备的分布式操作训练仿真为切入点，提出了联邦式操作训练仿真的新构想，根据联邦开发一执行的标准过程FEDEP，基于HLA开发工具LabWorks、pRTI、建模工具MultiGen Creator、视景仿真工具Vega和VC 开发平台设计、实现了某武器装备联邦式操作训练仿真系统，验证了方法的可行性和有效性，为分布式操作训仿真问题的研究提供了又一条途径。     

复杂群决策系统的涌现机理研究

本文基于复杂性科学的相关理论与方法,首先,对群决策系统的复杂性进行了界定,其次,定义了复杂群决策系统的涌现,最后,运用元系统跃迁理论对复杂群决策系统涌现机理进行了剖析,以望能为群决策的研究提供一种新的理论研究视角。     

基于虚拟现实的变电所培训系统的研究与实现

将虚拟现实技术应用于变电所培训工作中,建立了变电所培训系统。给出了变电所培训系统的总体结构,介绍了变电所培训系统的功能、系统软硬件环境配置和物体建模方式,采用细节等级管理和纹理映射技术降低场景的复杂度,最后讨论了交互控制方式和实现方法。