一种基于分明矩阵的启发式知识约简方法

提出了基于分明矩阵的启发式知识约简方法。在决策表的相对约简过程中采用分明矩阵来表达知识,并利用分明矩阵中项的长度和每个属性的频率作为启发信息进行属性的选择。现已证明,寻找决策表中最小相对约简问题是典型的NP hard问题。所提供的算法在大多数情况下能够找到最小约简,即使在没找到最小约简的情况下,也能找到次优解。通过实例分析,证明该算法是求解属性相对约简的快速有效的方法     

基于关联加权预测的多生产线协调生产计划的研究

研究了一类带有限缓冲区的多生产线协调生产计划的模型问题，首先通过对制造企业生产现场进行调研，建立了上下游生产线部件成品关联结构，然后根据该关联结构建立了一种多生产线协调生产计划非线性规划模型．通常情况下，该模型的维数将很大．为了便于求解与提高求解速度，将模型进行了线性化和简化处理，并提出了一种快速的求解算法——两阶段关联加权均值预测算法．仿真结果表明所提的方法是非常有效的．     

四元数矩阵的左（右）加权＊-序

利用四元数矩阵的加权共轭转置定义了四元数矩阵的加权左(右)*-序，给出了加权左(右)*-序的一些等价刻画．推广了以往文献的相应结果．     

一种新的预测PID控制器

提出了一种新的预测PID控制器 ,通过将广义预测控制的控制律写成PID的形式 ,使PID控制器具有预测的功能。同时 ,在广义预测控制的性能指标中引入稳态误差加权项 ,用较小的预测时域和稳态条件代替较大的预测时域 ,从而减小了在线计算量。在连续搅拌反应釜 (CSTR)上进行的仿真试验验证了该技术的可行性 ,新控制器的控制性能优于普通的预测PID控制器。     

基于模糊校正的深度时序信息安全评估算法

针对现有信息安全评估算法对多专家主观态度偏差的处理不足,并且传统时序机器学习模型无法应对时间段内偏差积累等问题,提出一种基于深度模糊校正的深度时序信息安全评估算法。该算法首先通过三角模糊函数构建专家模糊评估指标,并采用改进的加权DS证据推理校正指标,然后创建损失和可能性矩阵特征,最后使用深度时序网络评估信息安全。在MIT数据集上进行了仿真实验,实验分别分析了特征是否能够应对多专家冲突,以及评估算法的正确率,鲁棒性和时间效率等指标。实验结果表明,本文提出的算法拥有更强的模糊评价能力,对专家间的冲突意见处理能力更强,在时序上的信息安全评估更准确,鲁棒性更高,但是算法效率却得到了保持。     

负相关随机变量加权和的矩完全收敛性

概率极限理论是概率论的主要分支之一,是概率统计学科中非常重要的理论基础;经典的极限理论是以独立随机变量为主要研究对象,但实际大部分随机变量是非独立的,负相关随机变量序列就是相依随机变量序列中的一类典型且应用广泛的随机变量序列,针对负相关随机变量加权和序列的极限问题,应用负相关序列、截尾和矩不等式等知识,推广了负相关随机变量加权和的矩完全收敛性,并给出了一个NA随机变量完全矩收敛的线性过程,所得结果改进了的相应结果。     

带时间窗的快递包装回收车辆路径优化研究

为解决大量快递包装给社会环境带来的一系列问题,优化快递包装及回收车辆路径,降低回收成本,提高客户满意度是快递包装回收的关键。考虑到快递包装回收的现状,提出在回收过程中设置软时间窗来反映顾客的满意度。建立了运输成本、处理成本、回收成本、时间惩罚成本等成本最小化的数学模型。采用改进的遗传算法对模型求解,提出运用2点交叉法改进交叉算子,加快种群的寻优速度,同时提出2点互异改进变异算子,增加种群的多样性,并对算法的种群规模、变异概率、运输成本等进行了灵敏度分析。运用Matlab软件对算例进行仿真,在有无时间窗条件下,验证了该设计的快递包装回收路径模型和算法的有效性。     

一种适用于时序InSAR的同质像元加权干涉相位滤波方法

为了有效地利用多时相InSAR的时间维度信息, 并保证滤波窗口内像元的同质性, 提出一种同质像元加权干涉相位滤波方法。首先采用拟合优度检验, 对多时相SAR 图像的同质像元进行识别, 然后在同质像元之间进行加权干涉相位滤波, 以保证中心像元在滤波过程中不受周边非同质像元干扰。基于真实干涉SAR图像的实验结果表明, 与经典Goldstein滤波及Lee滤波相比, 该滤波方法在目视效果、相位残差点数量及相位导数标准差3个指标上具有优势, 实现滤波器的设计初衷。     

加权shift算子加上Volterra型算子在Hardy空间上的不变子空间及约化子空间

Cuckovic等刻画了shift算子加上Volterra算子在Hardy-Hilbert空间上的不变子空间。在他们以及Stessin等的关于约化子空间的研究基础上,文章研究了加权shift算子加上Volterra型算子在Hardy空间上的不变子空间及约化子空间,部分地推广了他们的结论。     

切换网络下加速分布式在线加权对偶平均算法

研究了切换网络下加速分布式在线加权对偶平均算法,提出了A-DOWDA算法。首先利用加权因子对对偶变量进行加权,其次在有向切换网络是周期强连通,且对应的邻接矩阵是随机的而非双随机的条件下,加速了算法的收敛速率,最后通过数值实验验证了算法的可行性。