基于模糊粗糙集的层次分类增量特征选择

随着大数据时代的到来,数据的类标签数量急剧增加,对现有的分类任务带来了严峻的挑战。为了解决这个问题,人们通常将标签组织成层次结构,使用结构中所包含的信息来对任务进行学习。考虑样本的不断增加,使用模糊粗糙集信息熵设计了一种面向层次分类的增量特征选择算法。考虑兄弟策略,将现有的λ条件熵推广到了层次分类的情形,设计了一种非增量的层次分类特征选择算法,设计了λ增量条件熵,基于此设计了增量版本的特征选择算法。在实验中,采用了包括非增量版本在内的7种不同的特征选择算法在5个层次数据集上与增量算法进行比较,实验结果验证了2种算法的有效性,并且所设计的增量算法能在不影响性能的情况下加快特征选择的进程。     

基于mRMR-IPSO的短期负荷预测双阶段特征选择

电力负荷具有时空多变的特性,受众多因素的影响,在短期负荷预测中较多的输入特征会造成维度灾难,导致模型预测性能不佳,因此选择合理的输入特征集至关重要。文章提出一种新的短期负荷预测特征选择方法——mRMR-IPSO双阶段法。利用最大相关最小冗余（max-relevance and min-redundancy,mRMR）判据对原始特征进行排序,考虑输入特征与输出特征之间相关性和输入特征间冗余性,筛选掉一些排序靠后的特征,初选出对预测效果影响显著的特征子集;采用基于改进的粒子群优化算法（improved particle swarm optimization,IPSO）的搜索策略,以LightGBM模型的预测精度为适应度函数,对初选特征子集进行精选,得到最优特征子集。算例结果表明,所提方法能在对原始特征集大幅降维的情况下提升预测精度。     

基于智能算法的多水源泵站在线优化控制技术

在供水系统实际运行过程中,调度人员往往根据实际需求,在当前水泵运行状态的基础上开启或关闭一台水泵,以调节管网中的压力和流量.人工经验的调度方式难以充分反映并结合管网中压力、流量的变化及实际需求,进而及时作出科学决策.针对此问题,提出了多水源泵站在线优化控制技术,建立了基于直接优化调度方法的在线优化控制模型,采用智能优化算法进行了求解,并确立了四项方案评价指标对在线优化控制方案进行评价.将所建立的模型,应用于南方城市供水系统在线优化控制中,验证了其实用性,并编制了相应的计算程序软件.     

多元散射校正和逐步回归法建立黑土有机碳近红外光谱定量模型

采用全谱建立近红外校正模型,计算工作量大且冗余信息多。通过特定方法筛选特征波长有可能得到更好的定量校正模型。逐步回归法在波长选取方面起到了重要的作用。多元散射校正技术（Multiple scatter correction,MSC）可以有效剔除由样品颗粒大小、装填密度、湿度等不同引起的散射影响,有效提高光谱的信噪比。以我国东北黑土为研究对象,采集了136个土壤样品3699cm^-1-12000cm^-1范围的近红外光谱,利用多元散射校正技术对近红外原始光谱数据进行预处理,评价MSC的去噪效果,并利用多元线性回归法建立了土壤有机碳含量与校正光谱优选波长点处吸光度之间的关系模型,评价多元逐步回归法优选波长的有效性。结果表明,多元散射校正技术有效降低了散射的影响,提高了相关光谱的信噪比,模型决定系数从0．598提高至0．681。基于手动挑选波长建立的模型决定系数高达0．956,预测样品集模型预测值与实测值之间的相关系数为0．823。手动挑选波长建立的SOC模型预测能力优于基于逐步回归方法建立的定量模型,利用逐步回归分析法优选波长还需要进一步研究。图7,参26。     

计算机生成兵力的目标选择研究

根据CGF目标选择的模糊性特点,介绍了一个基于模糊集理论的目标威胁分析算法和基于效用理论的目标选择算法。基于模糊集理论的威胁分析能准确反映和描述实际战场环境下信息的模糊特性,算法通过隶属度函数计算得出不同威胁因素的隶属度值,然后通过层次分析法综合各威胁因素隶属度值获得每个目标的威胁程度。基于效用理论的目标选择算法通过效用函数综合考虑了目标的威胁程度和与之交战的期望效益两方面因素,能很好地模拟实际作战兵力的目标选择过程。     

自适应小生境克隆选择算法及其仿真研究

为了对多模态函数寻优,基于免疫克隆选择算法原理,提出了自适应小生境克隆选择算法(ANCSA).小生境决定位段会随着优化对象的维数及可行域的变化而自动调节,从而形成不同的小生境,每个小生境都具有免疫记忆功能.通过对四个典型的多模态函数仿真,并和相关算法进行比较分析,结果表明ANCSA在解决多模态函数优化问题时具有较强的自适应性和收敛性.     

异构无线分组网络中的接入选择机制

传统多接入选择(Multi-Radio Access Selection)方法只针对话音业务,在设计中仅仅考虑已接入用户数及系统容量,由于未将"分组级"信息考虑在内而不适用于无线分组网络。提出了一种新的异构无线分组网络中的接入选择算法,分组业务在多接入选择时考虑了实时、非实时的不同QoS要求和链路自适应机制(链路层重传及自适应调制编码);用户接入后,在保证其QoS的基础上,同时达到不同网络间负载均衡的目的。基于OPNET Modeler的动态仿真对算法性能进行了仿真评估,并与传统的最小用户数和最小路径损耗多接入选择方法在保证业务QoS和负载均衡性能方面进行了比较。     

一种基于SVD的射频收发天线选择算法

基于线性检测的空间复用(SM)系统提出了一种射频天线选择算法,该算法以最小化错误概率为目标,利用信道矩阵的奇异值分解(SVD)所得到的左奇异和右奇异矢量实现发端和收端的射频天线选择,且不需要改变系统原有的检测算法。该算法可以用于收发任一端或两端同时使用,不采用遍历搜索,与传统搜索算法相比实现复杂度低。仿真证明将该算法应用于链路任意一端相比与传统算法都可以获得更多的分集增益和阵列增益。     

西部地区产业转移背景下高校毕业生就业路径选择研究——以陕西省为例

在当前西部地区产业转移的背景下,结合西部地区区域特点和"互联网+"发展的时代特征,通过分析近些年陕西省高校毕业生就业的基本情况,产生一个基本判断,即西部地区高校毕业生就业的路径选择应是逐步向非公、中小微型企业流动,特别是东部向西部转移的产业类的小企业中流动.为印证这一判断,本文运用马克思的有机构成理论和凯恩斯的有效需求理论对这一就业途径进行深入分析,并运用实证的方式加以验证和后续预测,明确该途径确实符合当前实际,应是缓解当前高校毕业生就业的重要途径.而在这一路径选择下,本文从承载适合西部发展的东部转移产业、夯实西部新区发展实现承载、以互联网金融等创新融资方式缓解中小微企业资金压力,同时承载地政府应积极履行责任,帮助转移企业的落地升级,并扶持青年创业等角度提出建议.     

不良贷款有无回收判别:一类可选变量的支持向量机方法

针对不良贷款有无回收判别问题中属性变量数目多、示性变量比例高的特点,提出了一类可选择变量的支持向量机方法进行判别预测.该方法一是将逐步回归的支持向量机思想应用在模型变量的选择上,二是将线性逐步回归的结果作为模型选择变量的初始状态,解决了传统支持向量机只能使用固定变量的问题. 实证结果显示,该方法不仅提高了样本外预测的正确率, 而且具有很好的稳健性.