基于免疫遗传算法改进DFNN模型及其应用

针对动态模糊神经网络（DFNN）在进行预测应用时容易陷入“局部极值”的缺陷,提出一种改进方案。综合人工免疫算法和遗传算法的优点,用免疫选择优化遗传算法的进化策略,提出一种新的免疫遗传算法。将免疫遗传算法对模糊神经网络的学习算法进行改进,增强其学习能力和算法的稳定性。结合复杂性强的短期电价预测问题,采集美国PJM电力市场的实际数据作为样本数据,对免疫遗传算法改进DFNN进行实证研究。研究结果表明：与DFNN的预测结果相比,改进后的方法在同样的运算条件下,预测精度提高4．5％,而运算时间仅增加6．4s,说明基于免疫遗传算法对DFNN模型的改进效果较好。     

需求分布含未知参数时报童模型的实施方法

考虑需求分布未知时的报童模型,假设需求分布的类型已知,但分布函数中含未知参数.证明了直接使用参数的估计量代替参数真实值的实施方法将使报童的期望利润偏离理论上的最优水平,只能得到一个次优结果.给出了两种修正的实施方法:一是基于大样本理论,通过收集足够多的需求样本数据,不断修正未知参数的相合估计值;另是在小样本下,直接修正未知参数的估计量.     

矿井采掘计划预侧检验的精度分析

本文研究分析了影响矿井采掘计划预测精度的因素,介绍了样本数据的检验方法和预处理方法,并用实例显示了预测预报的效果。     

沥青路面施工质量的均匀性评价方法研究

沥青路面施工离析导致路面的非均匀性是早期病害的主要根源。为了有效地评价路面施工质量的均匀性,通过采用新一代无核密度仪(PQI 380),获取新建沥青路面大样本密度检测数据,并分别利用比对试验一致性分析、空隙率区间统计、空隙率二维以及三维灰度图的方法评价路面施工质量。综合对比结果表明：上述方法建立均匀性评价指标,能定量评价沥青路面横向、纵向和整体施工均匀性质量,以及确定路面离析区域位置、大小和成因。     

Fragile audio watermarking with perfect restoration capacity based on an adapted integer transform

We propose a novel audio watermarking scheme which can recover the original audio carrier perfectly if the watermarked audio is modified. Besides, we can adjust the maximum tampered rate allowed and the quality of watermarked audio flexibly as required. In the scheme, an efficient generalized integer transform is improved to embed watermark data which are composed of least significant bits（LSBs） of averages in each patch, reference-bits and check-bits. LSBs are needed in the inverse transform. Then, by comparing the extracted check-bits and calculated ones, the modified area can be localized. Finally, reliable reference-bits and samples data help us reconstruct the original audio without errors. The efficiency of the proposed method is theoretically and experimentally verified.     

面向高维小样本数据的层次子空间ReliefF特征选择算法

高维小样本数据的特征维数远远高于样本数,因为其通常包含大量的冗余特征,ReliefF算法在处理这类数据时存在以下挑战：传统ReliefF算法无法剔除冗余特征,而现有的改进ReliefF算法大多通过启发式地计算特征与特征之间的互信息来剔除冗余特征,不适用于高维数据;通过截取与标记相关性最大的若干特征来进行分类,可能不是最优选择,因其没有考虑不同特征组合对分类性能的影响.为了解决以上问题,提出一种基于层次子空间的ReliefF特征选择算法,将原始特征集划分为具有层次结构的子空间,并利用邻域粗糙集理论来计算低层子空间的局部依赖度,能在高维小样本数据上高效率地批量剔除冗余特征.此外,为了考量不同特征组合对结果的影响,引入“局部领导力”的概念,保留部分子空间中“带队”能力较强的特征,从局部和全局的角度共同给予特征更加客观的评价.在六个微阵列基因数据集上的实验表明,与现有方法相比,提出的方法更高效,而且能保持良好的分类性能.     

村庄民主及其影响因素

从20世纪80年代起,以村民自治为标志的村庄基层民主在中国已经历了25年的历程。村庄民主在不同地区之间的差异,其背后的影响因素是什么？香港科技大学社会科学部孙秀林基于一个全国性的样本数据,将已有研究成果所涉及的多方面因素同时纳入模型,希望藉此问题做出回答。     

一种解决群进化算法参数设置问题的最优向量法

群进化算法是智能计算领域研究的核心内容,而算法中数值型参数的设置是影响算法搜索效率的重要因素,因此设计解决参数设置问题的方法也是群进化算法研究的重要内容.目前解决参数设置问题的常规统计方法是根据算法搜索的部分结果组成有限样本数据,依据统计最好值个数大小的判定结果来确定最优参数预设值.常规统计方法在有些测试样本数据中很难确定唯一的最优参数预设值.为了解决常规统计方法的缺点,提出了一种最优向量法,该方法可以将任意形式有限样本数据转换为向量,依据向量计算的判定规则进行最优参数预设值的确定.实验结果表明,依据获取的有限样本数据通过最优向量法找到最优参数值,采用该参数值的群进化算法搜索效率相对最优,从而验证了最优向量法的有效性.     

小样本数据缺失状态下DBN舰艇编队防空目标威胁评估方法

针对海上编队防空目标威胁评估过程中样本数据量较少且易缺失、已有评估方法过多依赖专家经验以及难以进行时间序列上动态评估的问题,提出了基于约束参数学习的动态贝叶斯网络(dynamic Bayesian networks, DBN)威胁评估方法。采用AR(p)模型预测时间序列上的缺失数据,从而获得完备的小数据集样本;在此基础上,根据专家经验构建合理的参数约束模型;进一步利用贝叶斯估计进行参数学习;将学习得到的参数代入DBN中,推理求出威胁评估结果;引入效用理论对威胁评估结果进行排序。仿真实验表明该评估方法在小样本数据缺失状态下目标威胁评估的结果合理,准确性高。     

万州城区吴家湾滑坡灾变的神经网络识别

以万州城区吴家湾滑坡为例,分析了神经网络(ANN)方法用于滑坡灾变识别的评价因子的确定、学习样本数据对的建立、ANN网络结构及参数设置的方法;并以万州区类似的滑坡作为样本训练ANN模型,对吴家湾滑坡的几种工况进行灾变识别.最后将ANN灾变识别结果与传统的极限平衡计算结果进行对比分析,得到了二者基本吻合的结果.结论表明神经网络方法用于滑坡灾变识别的精度较高,识别结果令人满意.