基于广义粗集和知识共享的供应链需求预测R5模型

在知识共享前提下,提出了供应链需求预测的案例推理R5模型.此模型以粗集方法进行知识发现,建造和划分案例库,以案例推理管理和应用知识,将广义粗集的数据挖掘功能引入案例推理模式当中,用于指导供应链企业从过去的合作经验中有效学习其合作伙伴的“预测知识”,进而利用新的需求信息进行当前产品的需求预测模型选择.仿真算例表明,将变精度粗集和广义相似关系这两种粗集的泛化形式引入案例推理机制,可以提高推理效率和容错性;利用数据挖掘技术,从相关产品的环境信息及供应链成员的特征参数中发现需求预报的领域知识与深层知识,可以降低知识获取成本及模型选择的主观性.     

用于异常检测的单级免疫学习算法

基于对多级免疫学习算法(M ILA)的批评性研究,提出了单级免疫学习算法(SILA)。该算法适用于低维度特征量的异常检测,提高了探测器训练的效率和效益,而且对M ackey-G lass时间序列数据的检测取得了很好的实验结果。     

基于模糊粗糙集理论的建筑业综合评价

根据模糊聚类和粗糙集理论的基本原理,利用模糊聚类的相似关系与粗糙集可辨识矩阵的特性,结合这两种方法的互补优势,研究了将之应用于建筑业综合评价的方法和步骤.通过模糊聚类法形成粗糙集下的决策信息系统,采用基于可辨识矩阵的启发式约简法对属性约简,计算出约简后各属性的权重.利用各属性的权重分别对各省市(或地区)的建筑业指标评价值加权求和从而得出各自的建筑业综合评价值,对其结果的客观性和实用性所进行的分析评价证明该方法有效.     

基于粒子群优化算法的最短三次样条插值

在分析了样条函数插值基础上,提出最短三次样条插值问题,并提出了利用粒子群优化算法解决该问题,最后给出了一个实例。     

Bézier曲线的降阶逼近

为了减少曲线表示的存储量 ,提高曲线计算的效率和稳定性 ,研究了 Bézier曲线的降阶逼近。对离散化降阶逼近、L2 降阶逼近、L∞ 降阶逼近、最小二乘降阶逼近等几种典型方法作了分析 ,并进行了算法效率比较。结论表明 L∞ 降阶逼近的精度最高 ,而 L2 降阶逼近和最小二乘逼近的效率较高。基于对几种典型方法的分析 ,给出了适合于各种降阶方案的统一的算法 ,并给出一种基于 Bézier曲线控制顶点扰动的一次降多阶的方法     

基于知识发现的商品住宅有效需求趋势预测方法

给出了影响商品住宅需求趋势的指标体系,并提出基于属性聚类的知识发现算法.该算法以突变级数评价方法进行属性聚类,以基于支持度与可信度的等价矩阵方法进行规则获取,最终获得反映商品住宅的有效需求的变化趋势与其相应的影响因子之间关系的规则,以指导未来的商品住宅需求趋势的预测.     

实轴空间综合约束下的数控加工速度前瞻策略

为了避免数控高速加工中由高曲率区域引起的机床驱动轴的运动突变、机床振动和工件过切,提出了基于实轴空间综合约束的数控加工速度前瞻控制策略.该方法应用切削运动的S形曲线速度规划方案,对机床实轴运动数据进行速度、加速度、冲击约束检测,整体提前寻优确定S形速度前瞻的过程参数,并提出了速度规划节点分离法对切削路径进行分段独立S形曲线速度的规划.仿真和试验表明,采用该方法进行速度前瞻处理时,可使加工速度平滑连续,不仅消除了各驱动轴运动突变引起的冲击振动,而且有效地解决了五轴数控加工中的速度控制问题,因此降低了曲面轮廓误差,满足了高速高精度的加工要求.     

一种基于snake模型的边缘轮廓提取的改进算法

snake模型的引入是近代数字图象处理领域的一次革新,该模型对计算机视觉产生了重大影响并受到了广泛的关注,但由于snake模型本身存在许多不足,尤其是全局最小能量的欠稳定性和收敛速度缓慢等问题,使得snake模型的应用受到一定制约.本文提出了一种基于snake模型的边缘轮廓提取的改进算法,该算法主要采用对目标轮廓的中心坐标进行跟踪,同时保持原封闭图象的相关特性,并利用轮廓中心坐标和目标轮廓的相互关系,更快更准确地实现对目标轮廓的迭代,从而加快用sanke模型实现轮廓提取的速度.