基于自适应邻域选取的局部投影降噪

提出一种以相点距离矩阵和信噪比为测度的自适应选取邻域参数的局部投影降噪方法.首先将一维时间序列重构到高维相空间,然后计算相空间中各个相点间的距离以构成相点距离矩阵,并据此设定参考相点的初始邻域半径和动态搜索步长,自适应地选择邻域大小,再利用局部几何投影方法消除噪声,迭代此过程,历史输出信噪比达到最大时获得优化邻域.     

邻域系统粗糙集模型

该文从多视角考虑粗糙近似逼近问题,讨论了邻域系统粗糙集模型的性质.将邻域系统粗糙集模型与两种重要的广义粗糙集模型,即可变精度粗糙集和多粒度粗糙集进行了对比分析,分别根据分类错误率和多粒度构建了不同的领域系统.该文研究结果证明了可变精度粗糙集模型和多粒度粗糙集模型是邻域系统粗糙集模型的特例,邻域系统粗糙集模型是一种更为广义的粗糙集表现形式.     

DBSCAN算法中参数自适应确定方法的研究

在DBSCAN算法中需要人工输入Eps和MinPts两个参数,因而聚类过程需要用户的干预才能进行,导致聚类结果的准确度直接取决于用户对参数的选择。鉴于此,本研究提出了一种新的Eps和MinPts参数的确定方法,避免了聚类过程中的人工干预,实现了聚类过程的全自动化。理论分析和实验结果表明,该方法能够选择合理的Eps和MinPts参数并得到较高准确度的聚类结果。     

不等圆 Packing 问题的拟物型邻域搜索算法

将拟物方法与邻域搜索过程结合,得到求解不等圆Packing问题的拟物型邻域搜索算法（QP—NS）．拟物方法用于连续优化,可从任一初始格局收敛至对应的局部最优格局;邻域搜索过程迭代地将当前格局替换为其邻域中的最优格局,直至无法继续改进当前格局为止．QP—NS可在不严重破坏当前格局的前提下稳定地改进当前格局,鲁棒性较强．基于14个国际公开算例的计算实验表明：QP-NS可在60S内改进10个算例的此前最优解,并与其余4个算例的此前最优解持平．     

基于多粒度一致性邻域的多标记特征选择

多标记学习广泛应用于图像分类、疾病诊断等领域,然而特征的高维性给多标记分类算法带来时间负担、过拟合和性能低等问题.基于多粒度邻域一致性设计相应的多标记特征选择算法:首先利用标记空间和特征空间邻域一致性来粒化所有样本,并基于多粒度邻域一致性观点定义新的多标记邻域信息熵和多标记邻域互信息;其次,基于邻域互信息构建一个评价候...     

K-N-K黑洞视界极点处二级无限小邻域的度规

利用极限法得到了Kerr-Newman-Kasuya(K-N-K)黑洞视界极点处二级无限小邻域的度规,并证明这个时空度规是以常角速度转动的 Rindler度规.     

对称锥非线性互补问题的无穷范数宽邻域算法

为求解笛卡尔P*(κ)对称锥非线性互补问题,采用无穷范数宽邻域,研究了宽邻域不可行内点算法的理论复杂度,发现其与Frobenius范数宽邻域的复杂度一致.数值实验结果表明,该算法有效且稳定.     

周期性居家医疗护理问题的禁忌求解算法

针对周期性服务需求的居家医疗与护理资源管理问题，提出一种基于插入法和节约算法的禁忌算法。该算法综合考虑客户接受服务的日期、客户的服务等级和客户访问次序，在初始解基础上进行邻域搜索，每次邻域搜索选取部分客户，搜索其所有可能的服务日期、服务等级对应的调度方案，选择成本最低的方案作为邻域搜索的最新解。邻域搜索中变换过的客户将列入禁忌表，在禁忌步长内不予变换。通过多次迭代，求解结果向最优解方向收敛。对随机生成的算例及基于标准 Vehicle Routing Problem （VRP）算例构造的算例进行仿真验证，并与 Rolling Horizon Myopic Planning Approach （RHMPA）算法求解结果对比，实验结果表明，该算法在一定运行时间内适合求解客户规模低于500人的案例，且求解结果优于 RHMPA 算法，多次求解的结果相对误差仅为0．94％。该算法为家庭护理管理和计划调度问题提供了新的算法设计优化思路，对提高当前我国相关产业的管理和调度水平具有现实意义。     

基于蜜蜂繁殖机理的蜂群聚类算法

将基于蜜蜂繁殖机理的蜂群算法应用于聚类问题,提出了一种新的蜂群聚类算法.对随机生成的初始蜂后在选优的基础上进一步优化,提高了算法收敛速度和聚类结果的稳定性.结合蜂后染色体的编码方式和雄蜂精子的单倍体特征,设计了产生幼蜂的交叉操作.充分利用蜂后良好基因信息对幼蜂展开邻域搜索来改进幼蜂质量.通过与其他聚类算法的对比实验,表明该算法具有良好的聚类效果和稳定性.