基于样本差异性的多标记特征选择算法

在多标记学习中,特征空间的高维性是多标记学习研究的主要问题。文章通过聚类构建由代表性样本组成新多标记数据,定义了多标记决策系统中样本的分类间隔及样本的差异性概念,在此基础上定义了特征权重,提出一种基于样本差异性的多标记特征选择算法,并用4个指标对4个多标记数据集进行实验评价,对比一些当前流行的特征选择算法,验证了本文所提算法的有效性。     

饥饿对鲫幼鱼静止代谢及个性行为的影响

【目的】考察饥饿对鲤科鱼类表型性状(能量代谢和个性行为)的影响。【方法】以鲫(Carassius auratus)幼鱼为研究对象,在(25±0.5)℃条件下首先测定60尾实验鱼的静止代谢率(Resting metabolic rate,RMR),并从中筛选出30尾实验鱼,测定它们的形态参数和个性行为(勇敢性和好斗性);然后对筛选出的实验鱼饥饿处理14d后再次测定它们的形态参数和个性行为。【结果】饥饿处理明显降低实验鱼的体质量和肥满度,但对RMR和勇敢性均无影响,并使得好斗性评价参数中的撕咬次数降低。鲫幼鱼RMR和形态参数均具有明显的重复性,但个性行为的重复性整体上较低。饥饿处理前后实验鱼的RMR与个性行为均不相关,但不同的个性行为间存在的表型关联不受饥饿影响。【结论】鲫幼鱼RMR和形态特征在饥饿后仍维持较高的重复性,饥饿并未增强个体的勇敢性和好斗性。     

有毒重气泄漏事故的应急资源调度

针对有毒重气泄漏事故具有发生的突然性、危害的严重性等特点。建立了以应急加权总时间、应急总成本最小化为目标的多需求点、多供应点、多物资类型的优化调度模型。为了增强模型的实用性,增加了对车辆载重及最优路径选择的考虑。利用改进了的Dijkstra算法,将其作为多目标粒子群算法(MOPSO)的子算法对模型进行求解。针对MOPSO算法易陷入局部最优解的缺点,对惯性权重的更新方式进行了设计,增强了算法的全局搜索能力,同时在对粒子进行选择操作时借鉴了自适应网格法的思想,丰富了粒子群的多样性。最后,通过一个仿真实验验证了所提模型及算法的有效性。     

基于Binary logistic模型的公共自行车出行选择影响因素研究

以江苏省盐城市为调查对象,运用SP和RP相结合的调查方法,设计调查方案并采集分析数据;基于Binary logistic建立公共自行车出行选择模型,探讨公共自行车使用者的潜在动机和非使用者的阻碍因素。结果表明:年龄、是否拥有私家车、政策决策支持、步行至站点距离太远和基础设施条件5个因素影响公共自行车的出行选择,其中政策决策支持和步行至站点距离太远是影响三线城市有桩公共自行车选择的主要因素。     

改进Markov过程的异构无线网络垂直切换算法

针对当前异构无线网络垂直切换算法存在切换次数多, 服务质量难以满足实际应用需要的问题, 以获得更优的异构无线网络服务质量为目标, 提出一种基于改进Markov过程的异构无线网络垂直切换算法. 首先, 建立异构无线网络整体性能评价指标体系, 然后采用灰色关联分析法确定网络整体性能评价指标的权重值, 最后利用Markov决策过程对异构无线网络的状态进行预测, 选择最优的接入网络, 并通过异构无线网络垂直切换的仿真对比实验测试和分析其性能. 实验结果表明, 相对其他异构无线网络垂直切换算法, 该算法可降低平均切换次数, 避免了频繁切换现象的发生, 大幅度减少了网络数据传输的丢包率, 改善了用户满意度, 获得了更高的服务质量.     

基于VMD改进算法的气体管道泄漏检测

为提取气体管道声波信号中的泄漏成分并进行重构,提出一种结合VMD( VMD: Variational Mode Decomposition) 和误差能量算法的特征提取方法。该方法首先利用油气管道泄漏检测系统模拟气体管道的微小泄漏,并采集泄漏声波信号; 然后利用VMD 算法将采集到的泄漏声波信号分解为一系列带宽受限的固有模态;随后,使用误差能量算法选择有效模态; 最后,利用有效模态进行信号重构。通过仿真分析发现,该改进算法可以提取有效模态,利用该方法处理气体管道微小泄漏声波信号,能有效滤除噪声并重构原始信号。     

否定选择算法的自体半径分析

对于异常检测问题,负选择算法有着显著的检测效果,其检测性能受多个参数的影响,如自体半径和预期覆盖率等.传统的否定选择过程在检测器生成阶段的参数是根据经验选择的,这使得检测性能各不相同.对NSA参数提出一组新的方法评估分析,将自体边界通过迭代算法计算最佳自体半径,并生成不同参数的可变半径检测器.通过实验获取最佳自体半径的同时,还能同时提高检测器对非自体区域的覆盖面积.     

基于split-and-conquer和非参数向前选择法的变量选择

变量选择是统计学界研究的重要课题之一.当处理高维数据时,一些常用的变量选择方法大多比较耗时,因此提出了一种既能筛选出高维数据中的变量又能节省时间的方法:基于split-and-conquer的非参数向前选择法.首先使用split-and-conquer方法将数据进行拆分,然后使用B样条函数逼近的非参数向前选择法进行研究.实验结果表明:基于split-and-conquer的非参数向前选择法可以较好地将变量选择出来,并且节省了大量时间.     

面向5G协作通信系统的资源分配技术综述

随着物联网技术的发展和移动设备的爆炸性增长,无线网络呈现出异构化、超密集等特性。协作通信具有可提高系统容量和覆盖范围的特点,被广泛应用于5G移动通信网络中。从中继选择、转发方式和收发机增益等不同角度对中继网络模型进行分析;介绍了5G协作通信系统下的网络模型,如非正交多址接入网络、大规模多输入多输出网络、超密集异构网络和设备间通信网络等,并对不同网络模型下的应用场景进行阐述;对5G协作通信系统的资源分配优化模型和中继选择算法进行了类比分析与总结;提出了基于中继协作的5G通信系统网络中尚存的问题,并在此基础上对未来研究方向进行了展望。     

无线传感器网络基于改进遗传算法的节点调度

节点调度问题是经典的NP-hard组合优化问题之一。为解决该问题提出了诸如蚁群算法、粒子群算法和遗传算法等智能算法,以遗传算法(genetic algorithm,GA)更为有效,但经典的遗传算法在解决节点调度问题时,其算法自身存在寻优速度慢,容易陷入局部最优。提出一种改进的轮盘赌优化方法,该方法基于适应度比例的选择,即用全部个体的选择概率来计算累计概率,产生完整的子代个体并保留其基因,避免陷入局部最优,进而快速精确地求出节点调度问题的最优解,实验结果表明,经过改进的遗传算法求解的路径长度、收敛性和运行时间等指标均有明显改善。