基于最佳粒子共享和分层搜索的并行粒子群优化算法

为提高粒子群优化算法在优化问题中的效率,本文提出了并行粒子群优化算法(BLP-SO).基本思想是并行机制 最佳粒子共享 分层搜索.主要工作包括(1)信息共享机制中引入了区域学习,使粒子更新能参考其他粒子的信息;(2)提出了粒子群两层划分模型,底层利于扩大搜索范围,上层利于全局精细搜索;(3)证明了关于粒子群和并行粒子群收敛性定理;(4)在4个基准函数上的优化实验表明,新方法比经典的IPPSO并行粒子群算法在解的精度上提高了51.93%到96.10%.     

δ-KCLR：基于优化初始簇的聚类算法及其应用

本文从优化初始簇入手,提出了改进的聚类算法,提高了信贷风险识别效率及准确率.主要工作包括：（1）实现基于信贷特色的申贷数据集标准化算法;（2）提出δ相似度度量概念;（3）提出基于δ-K means的信贷风险识别算法δ-KCLR（δ-K-means-risk analysis of the bank credit）算法;（4）实验表明在银行信贷业务分析中,采用δKCLR算法可以有效识别隐含在信贷业务中的信贷风险.用这一模型可指导或预测新增贷款人中是否存在贷款风险.     

申请和执行“973”项目要过七道“坎”

 近几个月,我参加了一批“973”（国家重点基础研究发展计划）项目的中期检查会和结题验收会。深深体会到,成功申请并执行“973”项目,要过7道“坎”。     

FOLAPE：基于位向量索引的快速OLAP引擎研究

提高联机分析处理OLAP效率是学术界和工业界共同关注的课题.传统OLAP在处理复杂应用时,运算代价随维度增大而增大,为解决这一问题,做了如下工作:(1)分析现有OLAP模型的不足,设计了一种采用位向量索引技术的快速OLAP模型,FOLAPE;(2)FOLAPE支持索引的增量式更新,提高了数据更新效率;(3)针对FOLAPE特点,设计了新的聚集函数算法;(4)在真实数据上进行了实验验证.实验表明,FOLAPE相对于最新OLAP模型,其平均查询时间最低减少90%,最高减少95%,同时存储空间需求也显著降低.     

基于补充频繁模式的P2P搜索优化

为有效提高peer to peer(P2P)系统在文件共享应用中的资源搜索速度,解决P2P节点的负载均衡,保证P2P共享系统的稳定性、可靠性和扩展性,提出了一种基于补充频繁模式的快速查询响应方法,主要工作包括：（1）提出满事务和补充频繁模式概念及补充频繁模式树(SFP-Tree)结构,其主要思路是利用具有较高支持度计数的短频繁模式B,吸收与B一起构不成频繁模式但又达到一定共享支持度阀值的单项构成基项集的补充项,B的所有补充单项构成其补充项集S,在此基础上查找包含B的最大频繁项集X,并从S中排除与X一起达不到共享支持度阀值的补充项,从而以X和S的子集构成一个以B为基项集的具有足够长度的补充频繁模式; （2）实现了补充频繁模式的挖掘方法,其主要思路是在构成整个事务数据库升序FP-Tree(AFP-Tree)基础上,递归挖掘条件混合模式树（CMP-Tree）,在基项达到指定长度时,生成补充频繁模式树SFP-Tree,在此基础上挖掘带有负项的补充频繁模式,最后针对带有负项的补充频繁模式生成只包含正项的补充频繁模式; （3）模拟一份文件资源的历史响应事务集进行详实的实验,实验结果表明对于数据集规模达到100,000的P2P系统历史响应事务数据库,基于SFP-Tree的补充频繁模式挖掘方法能在20秒以内生成此文件资源的有效响应列表并能选择其中一个列表的有效子集瞬时响应查询请求。     

SIGA:一种新的自适应免疫遗传算法

为了克服传统遗传算法收敛速度慢和容易陷入局部最优的不足,提出了一种新的自适应免疫遗传算法SIGA（Self-adaptive Immune Genetic Algorithm）。新算法对遗传算子进行改进,提出了自适应交叉和变异算子,保证了种群多样性和防止早熟现象发生;为了使免疫算子兼顾个体多样性和提高种群个体适应度的水平,提出了基于相似性矢量距离的免疫选择算法。实验表明,与传统的遗传算法和免疫算法相比,该算法收敛速度提高了3～90倍,求解精度达到10^-3,并有效地抑制了早熟现象。     

一个新的数据库模型——对象历史

近年来,办公室自动化引起了广泛的研究兴趣。办公室的信息处理中的一个重要部分是处理实体的历史性数据记录,如各种账目、银行的账户事务,工资记录和发票管理等。传统的数据库模型(如关系数据库模型,层次数据库模型及网状数据库模型)不能很好地刻画实体的历史。例如在各种账目中,一笔账用一个元组表示,当前事务中的余额要依赖于上一笔账(即历史)和当前事务中收入支出等(即现状)。这表明在实体的历史性记录中,元     

提高基因表达式编程发现知识效率的回溯策略

传统基因表达式编程(GEP)编码简单,适应性强,但可能陷入局部最优的"早熟"陷阱.因此,作者借鉴生物界的"返祖现象",提出了基于回溯的基因表达式编程方法.主要工作包括:(1)在传统GEP算法中引入回溯机制,提出基于回溯策略的GEP算法GEPBS(GEP with Backtracking Strategy);(2)提出回溯检查点概念,设计等比递增检查点序列和加速递增检查点序列,约束回溯过程;(3)扩充基于回溯的GEP算法,设计了退化因子(RF),提出了按比例回溯策略GEPPBS(GEP with Proportional Backtracking Strategy);(4)通过两个实验验证了新算法的有效性,在相同条件下较传统算法的适应度最大提高了49.2%,成功率最高提高了4倍.     

基于两次聚类的k-匿名隐私保护

已有的k-匿名方法忽视了准标识符对不同敏感属性的影响且只考虑了对元组本身的聚类,在数据发布时造成了较大的信息损失。为此,提出一种通过两次聚类实现k-匿名的隐私保护方法。给出了影响矩阵的概念,用来描述准标识符对敏感属性的影响,研究了影响矩阵聚类技术,对敏感属性影响相近的元组进行聚类,实现k-匿名效果。实验验证结果表明,该方法具有良好的隐私保护效果,相对于基本k-匿名方法,该方法具有更小的平均等价类大小和更少的运行时间。     

复杂空航信息网络枢纽节点的高效发现

针对空航信息网络复杂度高、实时性强、数据规模大的特点,通过大量实验分析,提出基于额外窗口(AW)的信息网络Top-k接近中心度核心节点挖掘算法.在不同数据集上的大量实验表明:本文算法在人工和真实数据集上能保证80%以上的准确率,在给定的几种AW中平均处理时间减少约50%.