基于改进的局部保持投影的战时备件分类

为提升战时合成部队备件保障效能,需对其进行有效分类,以便开展备件的预储预置。针对备件种类多、时效性强、影响分类因素复杂的现实问题,提出了基于改进的局部保持投影的备件分类方法。首先,根据战时备件分类储备的影响因素,作为备件分类的特征指标,其次,利用改进的局部保持投影的降维方法对备件原始特征数据进行特征降维,得到低维特征向量。再利用支持向量机（support vector machine,SVM）的分类器对低维数据进行分类。并通过量子粒子群对SVM的核函数参数进行寻优,提升备件分类精度,得到满足备件分类准确率最优时的降维维数和分类器参数。最后,通过对演习装备备件分类的实例分析,验证了模型的可行性和合理性,并对比分析了其他分类方法,表明该方法能够较好地解决战时备件分类的问题。     

论系统非优的性质、特征及类型

用系统自组织理论分析了系统非优的性质 (客观性、多样性 )、特征 (离散性、潜隐性、突发性 )及类型 (恶非优、隐性非优、中性非优、假性非优、变性非优等 )。     

集成范例推理系统的研究

首先研究了与范例推理相集成的多种技术,并着重研究了基于范例推理和规则推理的集成方法,以及基于范例推理和归纳技术的集成方法,以此来充分利用范例推理、规则推理和归纳学习技术的各自优势,提高智能系统求解问题的能力。     

长记忆SV模型的统计性质及其实证分析

给出与证明长记忆随机(LMSV)模型的矩与谱密度。波动替代量的长记忆性，与ARFIMA模型的关系，以及其时间聚合等统计性质；最后利用模型考察了上海股市波动的长记忆特性。     

客户关系管理中客户知识发现的一种分析方法

研究了客户关系管理(CRM)中的客户知识发现问题。在分析了客户知识发现的含义和客户知识分类的基础上,提出了一种客户知识发现的分析方法。依据该方法,通过采用模糊聚类方法可确定影响CRM效果的关键属性集,进而可归纳发现客户知识的分类规则,并得到有价值的客户知识。最后给出了一个实例分析。     

求解隐式差分方程的一类高精度并行迭代法

为提高并行迭代法的计算精度,提出了一类高精度、无条件稳定、三层格式的并行迭代算法。用矩阵理论证明了迭代的收敛性,推证了网格加密时的渐进收敛性质。结果表明:对三层格式进行迭代处理,不仅能保证其计算精确度,而且具有很好的收敛速度与渐进收敛性质。数值算例验证了理论分析的正确性,表明了算法的可行性与有效性。     

基于多准则神经网络与分类回归树的电信行业异动客户识别系统

以电信行业为应用对象,建立了一种基于多准则神经网络(MCNN)与分类回归树(CART)的的异动客户识别系统.该系统首先用多准则神经网络对客户属性进行约简,然后构造用于识别异动客户的分类回归树.通过对浙江省电信系统的大客户数据的实际验证,结果表明该系统具有较好的鲁棒性和有效性.     

以极小化峰谷差为目标的智能电网实时定价

利用在线电量波动数据对有多类用户的智能电网的实时定价问题进行研究.首先依据用户用电习惯将用户分类,对同一时段不同种类用户采用不同价格引导其消费,其次针对实时定价削峰填谷的目的,以极小化峰谷差为目标建立实时定价优化模型,并给出一种依赖在线电量波动的同步扰动随机逼近算法.讨论了模型的性质,给出了算法收敛性的证明.数值仿真结果表明新方法不但能够削峰填谷,避免下载同步化情形的出现,而且有助于提高用户和供电商的双方利益.与已有方法相比,每次迭代过程中仅需观测价格扰动产生的最大和最小用电总量而不需要掌握每个用户的隐私信息,操作简单,容易实现,不但适用于单供应商多用户情形,也适用于多供应商多用户情形.     

非线性规划的混合遗传算法

遗传算法是一类模拟自然界生物进化过程与机制、求解问题的自组织和自适应的人工智能技术,是非常好的求解优化问题的算法,但是它也容易产生早熟现象,且局部搜索能力较差。因此,在分析传统的非线性规划方法的基础上,针对传统方法的局限性,为非线性规划模型设计了一种新的启发式算法,即结合遗传算法、模拟退火算法和动态惩罚函数法的混合遗传算法,以发挥各算法处理问题的优势。对算法的过程进行了分析。通过实例说明,该算法对于求解所建立的问题是有效的。     

通信信号自动分类方法研究

提出增加信号的频谱作为信号的特征信息之一 ,并采用离散傅里叶变换 (DFT)和小波 (wavelet)方法提取信号的频谱、瞬时幅度、瞬时频率及瞬时相位 ,构成信号的特征向量。为解决运算速度问题 ,对特征向量提出了分类编码方案。最后利用神经网络的方法进行识别。实验结果表明 ,采用这种方法可以显著地改进分类的效果