基于探索向量的Ball K-Means聚类算法

随着大数据时代的到来,如何快速、准确地从海量数据中挖掘有用的信息成为一个极其关键的问题。随着样本数据维度和数量的增加,导致K-Means聚类算法的计算成本急剧增加。因此,一种新颖的加速精确K-Means聚类算法近期被用来降低计算成本,称为“Ball K-Means”。尽管Ball K-Means降低了计算成本,但是该算法和K-Means算法都缺乏全局搜索能力。因此,本文从全局搜索能力和计算成本两个因素考虑,通过在Ball K-Means算法中引入一种防止聚类过程过早收敛的探索向量,提出一种针对高维度、大样本数据的基于探索向量的Ball K-Means聚类算法,称为“Ball XK-Means”。实验结果表明,在高维度和大样本数据下,本文提出的算法不仅比Ball K-Means和K-Means算法能够获更稳定和更精确的聚类结果,而且比K-Means和XK-Means算法有更低的计算成本和更高的效率。     

Two-parameter logistic模型的Gibbs抽样敏感度分析——基于Pólya-Gamma分布

项目反应理论（item response theory,IRT）在教育与心理测量中有着重要的应用价值,其主要针对被试者的能力及被试者对测试项目的“正确作答概率”进行建模。主要讨论了两参数logistic项目反应理论模型（two-parameter logistic item response model,2PL）下基于PólyaGamma分布的Gibbs抽样方法的贝叶斯估计效果。针对2PL模型,通过Monte Carlo模拟研究了基于Pólya-Gamma抽样方法的估计效果,并讨论了该抽样方法针对不同先验的敏感度。在模拟实验中,具体讨论了测验长度、被试样本及先验分布等因素,最终汇报了2个统计量——偏差（BIAS）和均方根误差（root mean squared error,RMSE）来检验参数的估计效果。模拟分析表明,基于Pólya-Gamma的抽样方法的参数估计结果是比较准确的。     

基于拓扑网络算法的煤矿瓦斯爆炸风险度量

为有效预防煤矿瓦斯爆炸事故,对瓦斯爆炸风险进行量化分析。首先,通过分析2010—2020年152起瓦斯爆炸事故调查报告,基于层次全息建模方法识别出67个风险因素,提取出214条事故链,构建瓦斯爆炸风险演化路径;然后将迭代加权思想与设计结构矩阵相结合,提出改进集成风险传播法,计算风险演化过程中风险的直接和间接传播概率;在此基础上,将风险因素作为网络节点,因素之间的影响关系作为网络边,构建瓦斯爆炸风险拓扑网络度量模型,并运用Gephi 0.9.2软件分析计算网络拓扑参数,实现风险演化过程中的累积风险可视化。结果表明：煤矿瓦斯爆炸风险拓扑网络呈现明显小世界网络特征,聚集程度偏低而演化性较强;识别出最短风险演化路径7条,关键性风险节点包括施工操作不当、风量不足、瓦斯异常涌出;初始风险因素不同,在风险演化过程中路径不同,风险权值也存在差异,且在风险演化过程中存在风险损失现象。研究结果为煤矿瓦斯爆炸风险评估提供理论依据,对预防瓦斯爆炸事故发生具有现实意义。     

陕南乡村新民居建筑立面热环境优化

在中国的乡村民居建设中,不同气候区下的民居表现出各自独有的建造特征,建筑立面是有效回应气候的重要组成部分。为了解陕南新民居的建筑热环境现状,提高民居室内热舒适性,通过对安康市江安村典型新民居热环境实测分析,发现陕南新民居的立面各部分构造的传热系数与规范要求的传热系数相差较远,从而导致了民居室内热环境不适宜。结果表明：在建筑朝向以地形为优先条件下,可以通过优化民居立面的构造做法有效改善新民居室内热环境和建筑的保温性。根据建筑立面的面积大小权重排序为墙体,屋面,窗户,门,系统地构建优化策略。将外墙改为使用页岩空心砖,在构造层中加入30 mm聚丙苯板保温层,并将北向墙体厚度增加至370 mm;屋面采用厚炉渣混凝土构造的保温层,加入一定厚度的厚炉渣混凝土来调整屋面的构造层次;门窗选择导热性较低的材料减少热散失,综合提高新民居建筑立面各部分的热工性能。     

基于正交试验法的柔性风选机参数优化研究

为提高膨胀烟丝的质量,减少烟丝消耗,采用正交试验法对柔性风选机的关键工艺参数进行试验研究。采用直观分析法和方差分析法对试验结果进行分析,以确定风选机较佳的工艺参数。结果表明,导向板角度(刻度)为57、风机频率为36Hz、侧向档板高度(刻度)为11时,膨胀烟丝的梗签及湿团烟丝的剔除效果较好,风选后膨胀烟丝的含梗签率由0.57%降为0.35%。     

多目标区间值优化问题的最优性条件

利用Clarke广义Jacobi矩阵,研究含等式和不等式约束的不可微多目标区间值优化问题,得到局部LU-有效解的Fritz-John和Karush-Kuhn-Tucker(KKT)最优性必要条件。     

采用动态知识因子的基于知识共享的优化算法

针对基于知识共享的优化算法(GSK)之不足,提出一种采用动态知识因子的基于知识共享的优化算法(DKGSK)。首先,个体通过自适应权重来调节其搜索,在算法前期以较大步长进行全局探索,增强了算法全局探索能力;在算法后期以较小步长进行局部搜索,提升了算法局部开发能力。其次,个体使用动态知识因子来调控其搜索步长,使搜索步长更具灵活性和随机性,提升了个体的局部搜索能力,从而增强了算法的局部开发能力。再次,个体借助列维飞行增强其跳出局部最优的能力,从而增强了算法规避陷入局部最优的能力。通过12个基准测试函数的数值实验与仿真,结果表明DKGSK的全局收敛速度和优化精度方面均得到了明显的改善,规避陷入局部最优的能力得到了增强。     

知识驱动的SSVEP刺激界面序贯式实验方案优化

为解决传统实验设计方法中稳态视觉诱发电位(SSVEP)刺激界面优化设计时存在实验次数多、成本高、周期长的问题,提出一种知识驱动的SSVEP刺激界面序贯式实验方案优化方法.以SSVEP刺激界面参数为设计变量,SSVEP响应性能作为优化目标.利用概率模型表征刺激界面参数的先验知识,通过概率积分变换翘曲实验样本空间,缩小最优...     

面向边缘计算环境的服务器性能评估及优化模型

针对边缘计算服务器运维难度大、运维成本高等问题,基于对单台服务器动态采集的多维指标,并通过汇聚算法得到业务汇聚指标,通过巡检模型评估需要进行优化的目标服务器,并根据动态调整模型给出的决策方案对服务器实施优化调整,提出一种边缘计算服务器性能评估及优化模型。实验结果表明,本模型可实现边缘计算服务器的业务规划、软件配置与硬件配置等决策预警,可提升26%的服务质量、10%的运维效率,同时能降低3.57%的运维成本。