基于PBIL的多QoS约束选播路由算法

为了满足时延、时延抖动、带宽、丢包率多个服务质量约束下以最小代价选播路由,针对使用常规算法很难求得最优解,提出一种基于种群的增量学习(Population-Based Incremental Learning,PBIL)方法的多约束选播路由算法,该算法有效结合了遗传算法和竞争学习的优点,以更新概率向量为主要的快速进化手段,使得算法更加易于操作,同时对标准PBIL算法中的概率向量更新机制进行了改进,使用两个最优个体代替传统的仅使用单个最优个体,增加了更多优秀个体被选择保存到下一代的机会.最后给出了基于PBIL的选播路由算法和基于遗传优化的选播路由算法随机网络拓扑上的仿真比较,结果表明:算法在最优解的精确度上、成功率上以及执行速度上明显优于遗传算法求解.     

一种多目标增量启发式搜索算法

提出一种多目标增量启发式搜索算法, 该算法结合启发式搜索与增量搜索的思想, 当多目标问题搜索图的状态格局发生改变时, 该算法并不是对变化后的问题进行完全重新求解, 而是部分利用了先前搜索保留的信息求解新问题的最优解集, 从而提高了问题求解的效率. 通过Gridworld标准测试问题上的实验测试, 验证了算法的效率.     

基于CCIPCA-LSSVM的文本自动分类算法

特征具有高维、稀疏性。为提高了文本自动分类准确率,针对PCA提取特征需要对大规模文本进行批处理,影响文本的准确率等,提出一种基于增量主元分析方法(CCIPCA)和最二小乘向量机(LSSVM)相结合的文本自动分类算法(CCIPCA-LSSVM)。首先通过互信法选择文本特征,然后采用CCIPCA高维文本特征进行提取,降低特征维数,消除冗余特征,最后采用LSSVM对提取特征进行学习,并通过粒子群算法对分类器优化,建立最优文本自动分类模型。仿真结果表明,相对于其它文本分类算法,CCIPCA-LSSVM提高了文本分类准确率和召回率,解决了文本特征提取过程存在的难题。     

用有效哈密顿方法求解氢原子斯塔克效应的定量计算和讨论

本文对文献[1]中的氢原子第一激发能级ε斯塔克效应解结果作了进一步定量计算,给出了ε分裂的三能级增量△1,△2,△3及三能级分布的不对称程度与外电场E的直接数值关系,并取极强外电场E为10^7伏／米为例,计算了氢原子ε2分裂的三能级增量及其分布的不对称程度。     

金属纤维组织对MnVB钢力学性能的影响

纤维组织分布方向不同的纵向横向试样力学性能试验表明,横向试样力学性能特别是塑韧性明显低于纵向试样。并依此对矿用连接环锻造工艺的改进提出看法。     

非Cramr指数矩条件下平稳独立增量过程的中偏差

在非Gram r指数可积性的条件下 ,使用比较定理证明了有限维分布的中偏差成立 ,从而再由指数胎紧 性得到平稳独立增量过程在一致收敛拓扑下的中偏差 .     

截锥薄壳的非线性参数振动

基于Hamilton原理推出的非惯性系下的截锥壳的运动控制方程,利用多尺度法和增量型谐波平衡法分别讨论了转角加速度和轴向激振力为激振源的单轴转动截锥壳的非线性参数振动,并对结果进行了讨论.     

信息在证券投资决策中的量化模型

讨论了信息在证券市场投资决策中的量化模型。给出了错误信息造成的损失和正确 信息带来的收益的定量分析公式。     

基于数据水平分割的ETL执行优化

提出了一个ETL优化框架,并指出"单视图单衍生"、"多视图单衍生"、"单视图多衍生"和"多视图多衍生"4种模式在加载和增量维护时都可以采用数据水平分割的方法来加快ETL过程的响应时间,理论分析和实验表明其具有良好的效果.     

Gauss过程的增量与轨道性质

介绍Ｇａｕｓｓ过程的增量理论和样本轨道性质这一研究领域的最新成果,其中大部分是我们的结果。