面向知识发现的数据分类技术在网络教学中的应用研究

提出将数据挖掘技术应用于网络教学平台的设计,采用决策树分类方法从学习者的大量信息中分析学习者的学习能力,构建学习者特征模型,提高网络教学对不同学习者个体的针对性,为实施个性化教学提供决策支持.     

基于直觉模糊贝叶斯网络的高速铁路突发事故态势估计

为了提高高速铁路应急部门针对突发事故进行应急决策的能力,通过建立直觉模糊贝叶斯网络(intuitionistic fuzzy Bayesian network, IFBN)对突发事故现场进行态势估计,为应急决策提供依据。首先,分析了高速铁路突发事件的诱因、事故分类及应急决策的特点和流程;其次,利用直觉模糊数表示贝叶斯网络节点的证据信息,给出了基于IFBN的态势估计方法;最后,以动车组(electric multiple units, EMU)在高架桥突发火灾事故为例分别用贝叶斯网络(Bayesian network, BN)和IFBN进行推理。经过多组推理比较,结果表明：当信息犹豫度较大时,BN推理会产生与实际情况相反的结论,而IFBN克服了此缺点,推理结果仍然准确,可见利用IFBN推理模型进行态势估计比经典贝叶斯方法更加准确可信。     

农药精确喷雾智能决策支持系统的设计

将智能决策支持系统与农药精确对靶喷雾技术有机结合起来,研究并集成了农药精确喷雾智能决策支持系统,为实现农药精确喷雾提供智能决策。在对系统目标、系统功能、系统结构分析的基础上,通过ID3算法对农药喷洒进行归纳,构建了PPSIDSS喷雾决策树。     

全蕴涵多Ⅰ算法及其在多准则决策中的应用

将全蕴涵思想应用于基于L-模糊集的推理问题(其中L是一完备格),建立α-多Ⅰ算法的计算公式,并基于一类广泛的蕴涵算子讨论相应的多Ⅰ算法的还原性问题. 最后,作为多Ⅰ算法的应用,解决一类多准则决策问题.     

融合动作剔除的深度竞争双Q网络智能干扰决策算法

为解决战场通信干扰决策问题,设计了一种融合动作剔除的深度竞争双Q网络智能干扰决策方法.该方法在深度双Q网络框架基础上采用竞争结构的神经网络决策最优干扰动作,并结合优势函数判断各干扰动作的相对优劣,在此基础上引入无效干扰动作剔除机制加快学习最佳干扰策略.当面对未知的通信抗干扰策略时,该方法能学习到较优的干扰策略.仿真结果...     

商业银行贷款规模与期限结构决策方法

该文讨论商业银行贷款决策问题.在目前商业银行资产负债比例管理的状况下,商业银行如何根据自身的资产负债的变化来决定某个时期的贷款规模和贷款的期限,使得银行的盈利性、流动性和安全性互相平衡.该文综合考虑资产负债动态变化、比例管理和贷款质量的评价3方面,给出决策方法.     

一种基于H.264的自适应快速模式选择算法

提出了一种基于H.264的快速模式选择算法.该算法首先进行Skip模式的判断.如果Skip模式不适合当前宏块,则继续利用宏块的空间同质性和时间静态性进行其他帧间模式的筛选.然后根据帧间模式选择的结果判断是否继续进行帧内预测.算法设计过程中,充分考虑Quan-tize Parameter对模式选择的影响,从而可以适用于不同码率的环境.实验证明,该算法在高低码率下都能在保证图像质量的同时大幅度提升编码速度.     

基于R-OPN的集装箱码头物流系统建模与分析

针对集装箱码头物流系统(Container Terminal Logistics System,CTLS)建模存在的问题,通过分析CTLS的结构和行为特点,提出了基于规则的面向对象Petri网(Rule-based Object-oriented Petri Net,R-OPN)的建模方法.该方法在对象子网和门变迁中融入决策规则,建立了CTLS系统动态行为和调度控制模型,简洁明了地描述了系统状态和决策规则之间的关系.在此模型的基础上,分析了模型的结构特性(死锁,冲突等),并提出了解决冲突的决策规则,为CTLS的设计、分析、调度与仿真提供了有效的工具.     

考虑碳配额回购融资的再制造企业生产决策

以资金约束的再制造企业为研究对象,分析了碳配额回购融资下的再制造生产决策问题.分别建立了资金约束下有无碳配额回购融资的再制造生产决策模型,利用Kuhn-Tucker条件得到了不同情形下的最优解,并对两种情形下的最优解进行了比较;通过算例分析初始生产资金、消费者偏好和碳配额回购量对最优产量和利润的影响.研究表明:当初始生...     

基于PSO的加权关联规则挖掘算法

简要描述了加权关联规则问题及离散粒子群优化算法,提出了一种基于粒子群优化(PSO)算法的加权关联规则挖掘算法(PSO-WMAR).实验证明,本算法运行时间更省,产生的规则数更少且更有效.该算法具有以下特点:1)把关联规则挖掘的两个阶段结合在一起,无须先挖掘出全部频繁项目集然后再提取规则;2)只需要扫描一次数据库;3)把兴趣度引入适合度函数之中,挖掘出的规则数量更少、更有效;4)求加权频繁项目集无须查找所有候选加权频繁项目集,或者求频繁项目集的高序子集或非频繁项目集的低序超集.