视频流媒体中源端基本层最佳速率确定算法

精细可扩展(fine grained scalable, FGS)编码是网络视频流行的编码技术之一. 采用FGS编码时, 基本层的速率选择需要在受益客户数量和视频编码效率之间进行折中. 为此, 本文提出了一个源端基本层最佳速率确定算法, 以最大化所有客户的观感体验. 论文首先提出了一个通过实验和曲线拟合建立 R-Q (Rate-Quality)函数曲线的方法, 在此基础上给出了缩小最佳基本层速率搜索空间的定理, 并针对单序列和多序列的不同特点和不问题复杂度, 提出了不同的算法. 针对单视频序化问题, 提出了改进的FGSOPT_N算法, 算法只用到了序列的R-Q函数曲线; 针对多视频序列问题是NP困难问题的实际, 提出了改进的定界MFGSOPT_N算法和改进的贪婪算法MFGS_N以确保找到最优基本层速率, 减少算法运行时间. 针对每种算法, 给出了实例进行算法效果的演示和对比. 结果显示提出的算法能可靠找到最优基本层速率.     

基于泛函网络的组合推荐算法

在研究组合算法的基础上，提出一种基于泛函网络实现前融合推荐算法. 探讨Vague集条件下推荐算法的前融合问题，给出了基于泛函网络构架实现前融合组合推荐算法的一般过程. 通过推荐系统泛函拓朴结构的建立，利用泛函神经元的自学习、自组织和自适应能力，进一步优化推荐结果，较大地提高了系统的推荐准确度. 最后，将算法应用于Movielens推荐系统中，计算机仿真实验结果表明，本文提出的基于泛函网络实现前融合推荐算法是有效的、可靠的.     

基于IGS方法的最佳分类数研究*

针对选择Gap Statistic(GS)方法估计聚类数能够得到数据集的粗略分类,但不能进一步对数据集进行细分类这一问题,对GS方法进行改进;将Gap统计量引入到ISODATA算法中,提出了IGS模型;实证表明,IGS模型不仅可以实现数据的细分类,而且通过IGS模型估计数据集的最佳分类数准确率明显高于原GS模型。     

标度变换后Lorenz混沌系统的同步实现

首先对Lorenz混沌系统进行标度变换,这是因为在实际应用中,一些混沌系统的数值解是不能使用普通的电子元器件来实现的,往往需要利用标度变换的方式将这些变量的变化范围进行适当调整,使其符合电路设计的要求。然后,采用主动控制法、自适应控制法和基于状态观测器的控制法分别实现标度变换的Lorenz混沌系统的同步,3种方法均可应用于具体的电路实验,具有较高的实用价值。理论分析和仿真结果均表明这些同步方法是有效和可行的。     

障碍物下辅助力导引IWD优化传感器部署策略

为进一步提升传感器节点部署算法性能,提出基于智能水滴优化(Intelligent water drop algorithm,IWD)辅助力导引的传感器节点部署算法.首先,对障碍物存在情况下的结构模型进行设计,给出该模型的路径损耗指数和通信半径的计算策略,同时对传感器节点IWD优化部署策略进行流程设计;其次,为增强传统IWD算法性能,采用辅助力导引方式对传统IWD进化泥土参数更新进行重新设计,增强泥土更新后水滴多样性保持效果,从而实现算法性能提升;最后,利用MATLAB制作了大小为60m×70m,规模为100组节点,包含障碍物4个的仿真算例,并选取标准IWD优化策略和差分进化算法作为对比算法,对所提算法在传感器节点部署上的覆盖率和效率优势进行验证.     

单元化三级装卸搬运作业链集成优化的三层进化算法

传统物流作业调度主要对单级或两级之间的协调问题进行建模和求解，缺乏对物流作业多级特征的考虑. 针对物流装卸搬运多级作业链的复杂性，以批量作业完成时间为目标，研究单元化“装卸，搬运，装卸” 三级作业链的集成调度优化作业问题，并在此基础上提出解决三级协调与集成优化问题的三层嵌套进化算法. 通过算例仿真及其分析可得目标值和求解时间会随着问题规模扩大呈多项式曲线增长以及搬运级是三级装卸搬运效率的瓶颈环节，最后分析了其原因并提出相应解决方案.     

System deployment optimization in architecture design

Optimization of architecture design has recently drawn research interest. System deployment optimization （SDO） refers to the process of optimizing systems that are being deployed to activi- ties. This paper first formulates a mathematical model to theorize and operationalize the SDO problem and then identifies optimal so- lutions to solve the SDO problem. In the solutions, the success rate of the combat task is maximized, whereas the execution time of the task and the cost of changes in the system structure are mini- mized. The presented optimized algorithm generates an optimal solution without the need to check the entire search space. A novel method is finally proposed based on the combination of heuristic method and genetic algorithm （HGA）, as well as the combination of heuristic method and particle swarm optimization （HPSO）. Experi- ment results show that the HPSO method generates solutions faster than particle swarm optimization （PSO） and genetic algo- rithm （GA） in terms of execution time and performs more efficiently than the heuristic method in terms of determining the best solution.     

协同过滤推荐算法研究: 考虑在线评论情感倾向

协同过滤推荐算法通常是基于兴趣相似的用户行为来实现个性化推荐, 其核心义用户之间的兴趣相似度. 本文在传统的协同过滤推荐算法基础上, 考虑在线评论对用似度识别的影响. 在混合商品推荐中, 粗粒度识别评论情感极性; 而在同类商品推荐中, 细粒别每个商品特征的情感极性. 如果用户对产品的某个特征评价次数大于平均次数, 表明用户对征较关注; 如果对产品的某个特征评价低于平均评价, 表明用户对该特征较挑剔. 进而根据用户评论来建立用户偏好模型, 用户在评论中反映出来的相似度越高, 表明用户之间的偏好越. 实验表明, 同传统的协同过滤算法相比, 基于在线评论情感分析的用户协同过滤算法在率和召回率指标上有显著提升.     

基于矩阵的关联规则增量更新及其改进算法

为了解决大数据环境下如何高效地挖掘关联规则并进行增量更新,在原有的fast updating pruning(FUP)算法基础上,首先提出一种基于矩阵的关联规则增量更新方法(MFUP),该方法将数据集转化成布尔矩阵,减少对数据集的扫描次数以及数据集的存储量;然后将MFUP与Hadoop分布式计算框架结合,提出一种分布式环境下的新算法Cloud MFUP(CMFUP);最后通过设计实验进行对比分析。结果表明,在挖掘相同数据量的关联规则并进行增量更新时,MFUP算法相比FUP算法执行时间更少,且随着数据集的增加,其增速更慢;对比CMFUP与MRFUP算法表明,随着分布式环境下数据集的增加,前者较后者执行时间更短增速更慢。