基于Prim算法的度约束最小生成树问题研究

针对一类度约束最小生成树问题,基于传统最小生成树问题的Prim算法,设计了一种求解算法.该算法在保证网络中指定节点的度不变的前提下,构造了网络关于指定节点的最大度最小生成树.与经典的Gloveklingman算法进行了仿真比较,结果表明,该算法是求解度约束最小生成树问题的一种有效算法.     

基于自适应遗传算法优化的BP神经网络股票价格预测

股票价格是一种具有较强随机性的数据,不仅受到买卖双方的影响,而且与国内外政策因素有关.为了提高精度,采用BP神经网络与遗传算法结合的方法进行研究.针对BP神经网络初始权值随机、遗传算法易陷入局部优化等问题,给出了一种基于自适应遗传算法优化的BP神经网络股票价格预测模型,该模型通过自适应遗传算法对BP神经网络初始权值进行优化,从而对股票价格进行预测分析.实验仿真结果表明该模型可以获得较高的预测精度和较快的收敛速度.     

基于聚类和协同标注的TSVM算法

针对数据集中类样本不均衡、样本标注代价大的问题,结合聚类算法、委员会投票思想和TSVM算法,提出一种基于聚类和协同标注的TSVM算法,该方法利用聚类算法进行子集划分,保证每个子集都包含良好的空间信息,对样本的标注采用多个分类器进行投票,提高标记准确率,减少错误的累积和传递,提高标注准确率,增强最后分类器的泛化性能.KDDCUP99数据集上的实验结果表明该方法对未知攻击有较高的检测准确率.     

一种动态校正的AGMM-GPR多模型软测量建模方法

工业过程常常是强非线性的,并有多个工况,传统的软测量方法存在预测能力差,不能有效利用误差信息等缺点.为了有效解决这些问题,提出一种基于自适应高斯混合模型-高斯过程回归(AGMM-GPR)的多模型动态校正软测量建模方法.首先,通过贝叶斯信息准则构建自适应高斯混合模型(AGMM),得到优化的子模型个数;然后,利用GPR方法建立各局部模型,当新的数据到来时,将其隶属于各局部模型的后验概率和预测值融合得到多模型输出;最后,为了进一步提高模型的精度,构建自回归积分滑动平均(ARIMA)模型对多模型输出进行动态反馈校正.通过数值仿真和硫回收装置(SRU)中H2S浓度的估计,验证了所提方法具有良好的预测精度和泛化性能.     

基于小波变换的智能天线波达方向估计研究

对比两种经典的智能天线波达方向(Direction of Arrival,DOA)估计算法——延迟-相加算法、多重信号分类(Multiple SignalClassification,MUSIC)算法,提出了一种基于小波变换的智能天线波达方向估计算法(Smart Antennas Direction of Arrival Eseimation Based on Wavelet Transformer,SADOAWT),该算法利用小波变换,将来波信号变换在多尺度频域,针对不同频域采用不同算法以实现分辨率、计算复杂度的高度兼顾.计算机仿真结果表明,新算法复杂度较低,克服了延迟-相加算法分辨率低、副瓣较多的缺点,避免了MUSIC算法遇到相关信号分辨率降低的问题.     

基于关键变量的OPLS预测方法

产品的最终质量主要是由生产过程中的关键变量决定的,因此,回归模型的质量预测能力与过程变量的选择密切相关。本文提出了一种新的基于关键变量(CV)的OPLS预测方法(CVOPLS),用于输出变量较多过程的质量预测。首先,根据关键变量选取准则,为每个质量变量选取建模所需的关键过程变量。为了减少最后需要建立的模型个数,将由质量变量及其相应的关键过程变量组成的数据阵进行重组,并用OSC算法去除重组后的数据阵中与质量变量无关的干扰信息。然后,对校正后的数据阵建立PLS模型,求取相应的模型回归系数,得到最终的质量预测结果。与传统的PLS及OPLS方法相比,该方法能够在保证模型较好预测精度的前提下,有效地简化模型结构。最后,通过Tennessee Eastman(TE)过程的实验仿真验证了CV-OPLS方法的有效性。     

计算机海量数据处理SLIQ算法研究

探讨云计算在SLIQ算法中的应用,研究结果显示,云计算下的SLIQ算法能够对计算机海量数据存储中的节点失效问题有效解决,并且显著提升计算机数据处理效率,进一步降低数据处理难度与复杂度,还可以快速挖掘海量数据信息。     

改进的多尺度Retinex井下图像增强算法

为解决煤矿井下图像质量差、图像清晰度差、可分辨率低、模糊等问题,针对多尺度Retinex增强算法存在的不足,提出一种改进的基于S曲线函数的多尺度Retinex图像增强算法,该S曲线函数不同于基本的sig函数,函数图像具有S形状,为不对称函数.研究结果表明:应用改进后的算法,处理后的图像在有效增强目标图像的同时也抑制了背景噪声,图像的对比度与质量得到提高,能够获得目标区域的最佳视觉效果.     

陆地地震勘探环境噪声的混沌性建模研究

为提取地震资料中的有效信息, 了解环境噪声的性质和产生机制, 提出了一种陆地地震勘探环境噪声的混沌建模方法。该类环境噪声具有混沌性出发, 采用经典混沌杜芬(Duffing)系统对中国林带测区的环境噪声进行建模。根据Duffing 系统的非线性特征, 采用MCMC(Markov Chain Monte Carlo)算法对系统参数进行求解,并对模拟噪声记录与实际环境噪声从时域波形, 相态图, 频谱图以及李雅谱诺夫(Lyapunov)指数等方面进行对比分析。结果表明, 模拟噪声记录可保持实际环境噪声的混沌性, 且在时域波形, 相态图和频谱图上拟合较好。利用此模型获得的替代数据更加接近实际噪声, 从而为压制环境噪声提供新对策, 为复杂环境下的地震勘探提供理论支持。     

人工蜂群算法及其应用

为促进人工蜂群算法理论和应用的发展, 在分析人工蜂群算法的基本原理基础上, 针对算法的不足, 全面地归纳了国内外学者对算法的改进研究, 对算法的蜜源初始化、更新策略的改进、调整策略的改进、适应度函数的选择以及与其他算法的融合进行综述, 提出了更有效的改进策略。同时从多方面综述了人工蜂群算法的应用, 并对人工蜂群算法的发展方向进行了总结和展望。