基于乌鸦搜索优化算法的多级阈值图像分割方法

针对传统Kapur熵在多阈值图像分割算法中存在运算量大、计算效率低以及精度不高等问题,提出了一种基于乌鸦搜索优化算法的多级阈值图像分割方法,该方法采用Kapur熵作为计算适应度的目标函数,通过引入乌鸦搜索优化算法求解目标函数最大化时的全局最优问题.实验结果表明:相对于其他方法,本文方法在多个评价指标上都有很好的性能体现...     

基于网格搜索优化的XGBoost模型的股票预测

本文提出了一种改进的XGBoost股票预测模型GC-XGBoost,并将该模型运用到股票市场进行股票价格短期预测.实验结果表明GC-XGBoost模型在MSE,MAE,R2三个评价指标上优于没有进行参数优化的XGBoost模型,说明GC-XGBoost模型比XGBoost模型提高了预测能力.     

集值离散动力系统的拓扑遍历性、拓扑熵与混沌

设(X,d)为紧致度量空间, f: X→X连续, (K(X),H)是 X所有非空紧致子集构成的紧致度量空间. 通过研究点运动与点集运动的关系, 证明了集值映射拓扑遍历 与f拓扑双重遍历等价并构造一个零拓扑熵且不具有任何混沌性质的紧致系统, 其诱导的集值映射有无穷拓扑熵且分布混沌, 表明集值离散动力系统的拓扑复杂性可以远远大于原系统.     

基于代价敏感系数的混凝土抗压强度预测

针对传统自适应增强学习算法训练过程中只关注预测误差率最小的缺陷,本文提出了一种基于代价敏感系数的改进自适应增强学习算法并应用于混凝土抗压强度预测。首先考虑影响混凝土强度的8种参数作为特征变量,通过自适应增强学习算法集成回归树,依据样本权值抽样建立多个弱回归学习器。同时引入线性敏感系数与指数敏感系数来优化增强学习过程中样本权值的更新问题,采用引力搜索算法对代价敏感系数的基数进行最优选取。最后,根据权重比集成弱学习器得到最终预测模型。通过对所提出的两组不同代价敏感系数组合策略下的预测模型与随机森林、BP神经网络算法等模型的预测结果进行对比分析,验证了所提预测模型具有更好的预测性能。     

具有委托代理特征的虚拟企业分布式风险管理

虚拟企业要取得预期的利润,就必须成功规避运行中的风险.根据虚拟企业合作运营区域的分布性以及联盟企业之间关系多样性的特点,采用分布式决策的思想对其风险进行管理,针对具有委托代理特征的虚拟企业,建立了委托代理的分布式决策虚拟企业风险管理模型,叙述了盟主如何设计激励与惩罚的机制,以及各盟员在该机制下如何决策各风险的控制措施及资金投入的问题,并设计了禁忌搜索算法对模型进行求解,仿真分析表明,该模型与算法是虚拟企业风险管理的一种有效方法.     

物联网电子标签的快速识别技术研究

1研究意义物联网简称IOT(the Internet of Things),物品可以通过射频识别等信息传感设备与互联网链接起来,实现智能化识别和管理。1995年比尔盖茨在其《未来之路》一书中已提及物联网概念,2005年,国际电信联盟发布了《ITU互联网报告2005:物联网》报告,正式提出了物联网     

连续遍历系统

我们在这篇文章中,通过扩大遍历系统的条件定义了连续遍历系统,并研究了这种系统和伪轨跟踪性质,强链式传递性质以及影响域之间的关系。进一步我们也给出判别一个常微系统是连续遍历系统的充分条件。     

ARCH(p)模型的严平稳遍历性和高阶矩

其中α_o>0,α_i≥0,i=1,2,…,p,{ε_t}是i.j.d随机序列,Eε_t=0,Eε_t~2=1.称模型(1)为ARCH(p)(Autoregressive conditional heteroscedasticity)模型.它由Engle首先引入并被广泛地用于计量经济建设,如通货膨胀率、兑换率、利率和股票价值(应用文献见J.of Econometrics,52(1992),1～311及其所引文献).但关于模型(1)的严平稳遍历性和高阶矩存在的条件,至今尚无满意的结果,而这些条件是时间序列统计推断的基础.Nelson对ARCH(1)给出了严平稳遍历的充要条件,他的结果无法推广到ARCH(p)的情形.Bougeral和Picard给出了ARCH(p)存在严平稳遍历解的充要条件,但他们在同一篇文章中又指出这一条件的验证是非     

基于遗传和禁忌搜索算法求解双资源车间调度问题

针对柔性生产环境下的车间调度问题,在考虑遗传算法早熟收敛特性和禁忌搜索法自适应优点的基础上,将遗传算法和禁忌搜索法结合起来,提出了基于遗传算法和禁忌搜索算法的双资源作业车间的调度优化问题算法,即不仅考虑到了每个工件有几条可行的工艺路线,而且考虑到了工件的调度受到机床、工人等资源制约的影响,并用实例对该算法进行了仿真研究.结果表明此算法有很好的收敛精度,是可行的,与传统的调度算法相比较,体现出其明显的优越性.