基于KFDD与进化算法的可逆电路优化算法

为降低由Kronecker功能决策图(Kronecker functional decision diagram,KFDD)综合所得可逆电路的成本,提出一种基于进化算法的可逆电路优化算法.该算法基于遗传算法模型进行设计,分别采用离散值和整型值编码KFDD输入变量的分解类型和顺序,使用所设计的遗传算子,将量子成本作为主要目标、量子位数作为次要目标进行可逆电路的优化.为解决过早收敛问题,该算法在搜索过程的前期阶段利用多个子群搜索解空间中的不同区域,在搜索过程的后期阶段将多个子群合并为整体种群,利用整体种群进行集中搜索.使用基准函数对算法进行验证的结果表明,所提出算法具有较强的全局寻优能力,有较好的结果稳定性,能够降低可逆电路的量子成本.     

基于一般速率模型的面板计数数据统计分析

在复发事件数据存在删失的情况下,对基准速率函数进行一般化调整之后建立了一般速率模型。同时,给出该模型中未知参数的极大似然估计,并且证明了这些参数估计的大样本性质,即相合性和渐近正态性。利用大量数值模拟验证了文中所提出的模型及参数估计方法的合理性。最后,通过对一组膀胱癌治疗的临床试验数据进行实例分析,刻画协变量对膀胱癌复发率的影响。     

正交变换在积分中的某些应用

代数方法是解决某些数学问题的一种途径,本文通过2个例子的证明,说明了正交变换是解决数学分析中某些积分的变量替换的一种较好方法.     

基于双变量空间自相关的轨道与地面公交换乘服务水平分析：以北京市早高峰为例

轨道站点换乘服务水平分析有利于制定缩短换乘时间的规划策略和方案,而现有研究缺少利用公交IC卡的数据进行轨道交通站点换乘服务水平的分析﹒本文基于北京市公交IC卡的数据,对其轨道站点早高峰进出站客流量、轨道和地面公交线路间的平均换乘时间进行统计,并分别进行轨道站点进站客流量与公交换乘地铁的平均换乘时间、轨道站点出站客流量与地铁换乘公交的平均换乘时间的双变量空间自相关分析,以此探究轨道站点客流量与换乘时间之间的空间集聚关系,并将高-高、低-高集聚特征站点作为换乘服务水平较差站点﹒结果表明：公交-地铁换乘服务水平较差的站点有28个,地铁-公交换乘服务水平较差的站点有24个﹒最后,以国贸站为例,分析了其换乘服务水平差的主要原因,并提出了其地面公交运营的改善策略.     

基于AUC的支持向量机分类方法及应用研究

支持向量机(SVM)已经成为药物构效关系数据分析的一种常用统计方法,但其存在变量子集选择问题,且大量的冗余变量还可能影响SVM模型的预测精度,因此需要借助变量筛选来实现降维﹒本文提出了一种新的基于受试者工作特征曲线下面积(AUC)的支持向量机分类方法(AUC-SVM)﹒首先,计算出变量的AUC值;其次,利用AUC值和前向选择算法选择最具信息量的变量子集,并剔除数据中无关和冗余的变量;最后,以AUC作为提取变量重要性的标准,通过真实的药物构效关系数据集来评估AUC-SVM性能,并与传统SVM方法相比较﹒实证结果表明,AUC-SVM算法能明显提高分类预测性能﹒     

线性模型下相关变量的DA-最优设计

在一般线性模型下,首先给出一个条件,使得在其之下,一个具有一般方差的变量无关的DA-最优设计在变量相关的情况下也是DA-最优的;并且将这些结果应用于一个多响应线性模型,由此得到了在多响应模型下的DA-最优设计的不变性条件．     

基于图像对比度数量映射的矢量场可视化算法

矢量场可视化是科学计算可视化中的一个研究热点,基于纹理图像的流线积分算法可以清楚地描述矢量场的细节。科学计算的数据通常是多维的变量,为了能在图像上同时显示超过2维的变量,采取了如对图像的颜色、明暗等属性进行数量映射的各种方法。本文提出了一种对图像的对比度进行数量映射的方法,动态改变图像局部的对比度,达到较好的可视化效果。     

基于优化粒子群神经PID的双变量解耦控制

在工业过程控制系统中,存在多变量耦合的现象,其中双变量耦合较为常见。针对双变量耦合现象,该文提出了自适应粒子群优化算法与单神经元PID相结合的解耦控制方法,利用PSO算法对单神经元PID网络进行参数进行优化,从而提升系统解耦效果,并对双变量耦合系统进行仿真验证。结果表明,适应度经过参数寻优后有了不同程度的降低,在局部最优中的全局最优值降低了93.75%、39.90%;解耦效果稳定性提高,系统误差降低,精度提升。     

一种增强贝叶斯网络结构学习的自动变量序调整算法

现有的混合结构学习算法受制于变量的邻居集,导致混合结构学习算法在约束学习阶段,若变量的邻居集没有包含真实结构的节点,该节点将再也不会被考虑.为改进这一问题,通过探索贝叶斯网络结构与节点影响度间存在的可能性关系,设计基于节点影响度的变量序调整方法并将调整后的变量序应用于网络结构学习.调整后的变量序在减少搜索空间的同时,也...     

基于Gram-Schmidt变换的主基底分析两阶段变量筛选方法

在主成分综合评价过程中,往往需要选取合适的初始变量来进行主成分分析,本文改进了基于Gram-Schmidt变换的主基底分析两阶段变量筛选方法.首先,基于最大方差法的主基底变量筛选方法,选取1个极大线性无关组;其次,为了使筛选的初始变量与剩下的变量具有较强的相关性,给出了改进的主基底变量筛选方法,从中选取少数的初始变量;...