无偏灰色RBF神经网络组合模型在药品销售预测中的应用

针对药品销售的非线性和随机性;单一预测模型不能全面反映药品销售变化规律等缺陷;提出了一种无偏灰色GM(1,1)RBF神经网络组合预测模型.组合模型兼顾无偏灰色GM(1,1)模型和RBF神经网络模型的优点;并运用该模型对某种降压药销售进行仿真实验;结果表明;相对于单一预测模型;组合预测模型更加科学、可靠;更能准确描述药品销售的变化规律;提高了药品销售的预测精度;在药品销售预测中具有一定的实用价值.     

改进的K-近邻算法在中文网页分类的应用

K-邻近算法作为一种比较简单,易于实现并且错误低的分类算法,广泛应用于网页分类、模式识别和数据挖掘等多个领域中.本文介绍了传统K-邻近算法并分析了该算法在网页相似度值的计算存在的不足,在此基础上,本文提出了基于类中心向量的K-近邻算法,通过理论分析和仿真实验结果证明了该算法对于中文网页分类具有较好的分类效果.     

基于神经网络柔性机器人反演控制器的设计

建立柔性机器人系统的动力学模型,对实际情况作了相应的假设,借助于神经网络函数的逼近技术,提出一种柔性关节空间机器人的自适应反演控制方案,给出基本反演控制器和神经网络反演控制器的数学模型。仿真结果表明,能实现系统关节运动控制目标,可使系统各柔性关节的振动较小,有效地控制机器人完成所期望的关节运动,对无精确模型信息的机器人实现控制,保证系统的稳定性和收敛性,满足机器人系统的控制要求,所设计的控制器在具体的机器人控制中是可行的。     

基于情景感知的移动电商用户-项目聚类协同过滤推荐算法

针对移动电商个性化推荐服务领域情景感知应用不足和推荐质量不高的问题,提出一种基于情景感知的移动电商用户-项目聚类推荐算法(UIC-CF).在分析情景感知和传统推荐系统基础上,首先基于用户-项目-情景数据模型,构建用户项目类型偏好矩阵,并对评分矩阵填充优化,然后基于情景相似度对用户和项目进行聚类,以用户的评分矩阵和聚类结果为输入,执行UIC-CF算法完成Top-N项目推荐.基于LDOS-CoMoDa数据集,对UIC-CF算法和其他两种算法的对比实验,结果显示本文给出的算法均方根误差最小,准确率值显著提高,表明UICCF算法不仅有效,且具有进一步优化利用的前景.     

一种多原则机械系统预防性维护调度方法的研究

预防性维护对机械系统的安全性,高效性,可靠性运行操作是非常重要。预防性维护调度的基本原则是:系统的成本原则,可靠性原则,这两调度原则被认为目标相互矛盾。通过改进强度帕累托进化算法来寻找最佳的折衷解决方案,根据模糊集理论找到最佳折衷方案的帕累托最优解,并对多原则预防性维护调度方法的概念和数学模型进行了解释,用一个案例说明新方法的实际应用。     

W-RBF神经网络模型在中药材价格预测中的应用

中药材作为一种特殊的农产品,其价格态变化过程呈现出高度复杂的非线性特征,增加了中药材价格预测的难度.通过研究影响中药材价格的主要因素,并在分析传统价格预测方法的基础上,针对中药材价格变化具有随机性、突变性和非线性的特点,通过小波和RBF神经网络结合构建一个中药材价格预测模型(W-RBF).采用W-RBF神经网络模型对白芍价格进行预测,并将预测结果与RBF神经网络模型预测结果做了比较.实验结果说明,W-RBF神经网络模型预测准确率明显提高,比RBF神经网络模型更具优越性.