普通高校课务管理排考系统的算法设计

针对普通高校排考的复杂性,定义了相关数据集,基本解决了排考过程中的多因素问题,使排考结果结合了计算机的技术特点和传统习惯。其中算法（Ⅰ）已在广西大学计算机排考中正式采用,深受有关部门的欢迎。     

不确定条件下外协生产库存系统控制策略与参数优化

针对协作企业生产能力和运输时间不确定条件下的外协生产库存系统优化控制问题,提出了一种基于生产点和生产批量的生产库存控制策略。用统计概率分布对协作企业生产能力和运输时间的不确定性进行描述,以库存成本、生产准备成本和协作企业生产能力损失成本最小为目标,建立了生产能力和运输时间随机变动条件下生产库存系统控制策略的参数优化模型,设计了一种基于仿真的控制参数优化算法,通过实例对生产库存系统控制策略及控制参数优化算法进行了验证,并分析了生产点和生产批量等参数变化对与外协生产库存系统性能的影响。     

基于服装结构的衣片自动推裆算法

尽管服装的款式不一,但其基本的服装结构总是一定的,且其结构框架线也是一定的。本文基于服装结构,应用结构参数增量法,直接计算出相应的结构框架线的增量,进而计算出衣片上各特征关键点的推裆增量,实现了服装衣片的自动推裆计算。给衣片特征关键点附加的入射角与出射角属性,保证了衣片弧线拟合的平滑性。本方法易于实现,有简单适用性较广之特点。     

机器人路径规划方法——突出点法

给出在二维环境中路径规划的一个新方法——突出点法.此方法可有效地求解障碍物为凸多边形或凹、凸多边形并存环境中的无碰、局部最优路径规划问题。     

分类属性数据聚类算法HABOS

CABOSFV_C是一种针对分类属性高维数据的高效聚类算法,该算法采用集合稀疏差异度进行距离计算,并采用稀疏特征向量实现数据压缩。该算法的聚类效果受集合稀疏差异度上限参数的影响,而该参数的选取没有明确的指导。针对该问题提出基于集合稀疏差异度的启发式分类属性数据层次聚类算法( heuristic hierarchical clustering algorithm of categorical data based on sparse feature dissimilarity,HABOS),该方法从聚结型层次聚类思想的角度出发,在聚类数上限参数的约束下,应用新的内部聚类有效性评价指标( clustering validation index based on sparse feature dissimilarity, CVISFD)进行启发式度量,从而实现对聚类层次的自动选取。 UCI基准数据集的实验结果表明,HABOS有效地提高了聚类准确性和稳定性。     

基于遗传小波神经网络的变压器故障诊断

电力变压器油中溶解气体的色谱分析是变压器故障诊断的重要方法,通过该方法可以间接了解变压器的运行状态和内部潜在故障.人工神经网络已经成功地应用于电力变压器故障诊断,但学习样本数多和输入输出关系复杂性减慢了网络的收敛速度.为解决此问题,将用遗传算法改进的小波神经网络应用于电力变压器故障诊断,克服小波算法易于陷入局部极小、收敛速度慢等缺点.     

正负关联规则挖掘算法在电子商务网站中的应用

摘要 为了增加电子商务网站的销售额,分析了商品推荐在电子商务系统中的作用,研究了数据挖掘中的正负关联规则挖掘技术的特点,提出了一种新的正负关联规则挖掘算法。新算法通过使用旋转数据库和位运算减少了扫描原始数据库的次数,加快了挖掘速度。另外,新算法在挖掘正规则的同时,利用负规则裁减掉无效规则,得到的结果更符合用户的购物行为。通过测试得出新算法比传统的Apriori算法执行时间更短,商品推荐更精确。     

知识引导的智能优化算法在航路规划中的应用

为了提高智能优化算法对航路规划问题的求解质量和效率,提出了一种知识引导型智能优化算法的航路规划求解框架.与传统引导进化不同的是,考虑到以往所用知识的局限性,该框架并不是采用从前期优化过程中挖掘出来的知识,而是采用航路规划特定领域知识.为了描述引导方式,将智能优化算法形式化定义为3个引导对象的集合,从而将引导方式划分为7类单独或组合形式.根据航路规划特定领域知识的各自特点选择对应的引导方式,并将其结构化为能够改进算法性能的元策略,以粒子群优化算法为例对求解框架进行验证,仿真实验结果表明,特定领域知识的引导能够非常显著地提高算法的全局搜索性能和收敛速度.     

一种新的求补算法

阐述了已有的求补运算算法的潜在统一性,了单边求补算法,sharp算法与德．摩根律是等效的算法,不相交的sharp算法是递归算法的一个特例,提出了否定树的概念,给以否定树为基础的解决SOP型函数求补运算的更快的算法。     

基于Spark MLlib协同过滤算法的美食推荐系统研究

针对交替最小二乘法中矩阵稀疏度较大时推荐结果的准确性下降问题,提出了一种改进的协同过滤算法。该算法根据用户对各种潮州美食的评分,结合其他用户的兴趣相似度,并利用潮州美食属性特征的相似度作为权重因子进行矩阵补全。实验结果表明,改进算法的平均MAE( Mean Absolute Error) 值为0． 583,有效地提高了推荐精度。