基于遗传算法的双向关联规则挖掘

关联规则挖掘是数据挖掘和知识发现中一门重要技术,但基于支持度-置信度框架的关联规则挖掘存在一些问题。文章引入了双向关联规则的概念,实现了基于遗传算法的双向关联规则挖掘算法。实验证明,它能弥补传统关联规则挖掘算法的不足。     

量子进化策略

本文将进化策略和量子理论相结合,提出一种新的学习算法-量子进化策略(Quantum Evolutionary Strategies)算法.它是一种基于量子计算的概念和理论(诸如量子比特和量子叠加态)的进化策略算法,在这一算法中,采用量子编码来表征染色体,使用量子变异实现染色体的进化.由于量子变异中融入了当前最优解的信息,同时采用“全干扰交叉”操作克服早熟现象的发生,因此它比传统进化策略具有更快的收敛速度和全局寻优的能力.本文不仅从理论上证明了它的全局收敛性,而且仿真计算也表明了此算法的优越性.     

一种改进的粒子群优化算法

粒子群优化算法(PSO)是一种群体智能进化计算方法,但在搜索过程中粒子紧跟最优粒子运动降低了粒子多样性和全局搜索能力,从而易陷入局部极值.本文提出一种新的粒子群优化算法(PSO-EWD),主要改进体现在2个方面:将惯性权重与进化因子相关联,根据种群的进化状态而改变权重大小,以平衡全局搜索能力与局部搜索能力;将时变的分布式时延引入速度更新公式中,以增加粒子的多样性.本文通过5种算法在9个基准函数上的实验对比,证明了新提出的算法相较于另外4种算法具有更优的适应度值、稳定性和收敛速度.     

一种新的语音LSF矢量量化码书优化算法

LSF(线谱频率)码书的性能对合成语音质量有着重要影响.经典的LBG算法容易陷入局部最优,而目前的一些码书进化算法搜索空间较大、搜索效率不明显.本文提出了一种新型的基于对LSF矢量空间进行拉伸变化的混合进化码书优化算法.该算法编码空间与矢量同维,相对较小,便于优化操作.算法中引入EP中的变异操作对PSO位置、速度矢量进行控制,以提高优化搜索算法的效率.实验结果表明,本文算法有效地改善了码书性能.     

基于频繁集的多层次交互式关联规则挖掘

文章研究了一种知识发现与数据挖掘中关联规则的发现方法,针对现有大型超市销售事务数据库,提出了一种新的多层次信息获得取方法。运用关联规则挖掘所产生的频繁集对数据压缩表示,并给出了按用户的实际需求交互式挖掘感兴趣关联规则的算法。该算法在挖掘速度和效率上有较大提高。     

自适应混合变异文化算法

只采用单一变异算子的进化规划算法在解决优化问题时,不能兼顾全局探索和局部搜索能力,本文提出柯西+混沌变异和柯西+高斯变异两类混合变异策略,采用文化算法的双层进化机制,提取进化过程中的隐含知识,并根据知识自适应调整两种变异算子的作用时机和作用比例,给出了自适应混合变异文化算法.针对标准测试函数的仿真结果表明,该算法具有更...     

一种新型全局运动估计算法

提出了一种新型全局运动估计算法，将进货规划算法引入全局运动估计算法中，能明显加快全局运动估计的计算量。实验结果表明，新算法有良好的计算速度和计算精确性。     

基于进化规划的运动估计算法

本文将进化规划引入了运动估计问题的求解中,在算法中还引入了像素疏值法,从而使得算法的运算量大为减少,而运动估计的精度没有明显下降。实验表明,本文算法的运算量甚至少于三步搜索法（3SS）,而获得的图像质量优于三步搜索法,接近全搜索算法（FS）。     

一种基于免疫的抗体优化策略及应用

受自然免疫系统相关机理的启发,本文提出了一种引入进化梯度的免疫遗传算法(EG-IGA)并应用于抗体的优化。该算法基本思想是将生成的多样性抗体,分成若干个小生境,并排挤掉同一个小生境中的较差抗体,保留优良抗体;然后执行GA交叉、变异等操作:再利用进化梯度为优良抗体标记进化方向,按标记的进化方向继续局部寻优,以较快的速度寻找最优的抗体种群。最后将EG-IGA算法和NGA算法分别运用在同一个多峰值函数上,实验结果表明,本文所提出的EG-IGA算法具有提高解的精度及收敛速度、找到更多最优解等特点。     

基于免疫进化非选择机制的移动机器人路径规划算法研究

该文提出了一种基于免疫进化非选择机制的移动机器人路径规划算法(MRPPA-IENS)。该算法通过非选择操作来避免进化过程中糟糕个体的产生,使得较优个体能较早地生成,加快算法的收敛速度;同时,算法引入基因重组操作以维持群体的多样性,防止早熟收敛。仿真实验结果表明,该文所提出的MRPPA-IENS算法是一种有效的移动机器人路径规划算法,在障碍物完全已知的静态环境和部分已知的动态环境中均优于传统进化算法。     

一种多群竞争进化规划算法

易早熟收敛是传统进化规划算法的致命缺点.本文在分析了导致进化规划算法早熟原因的基础上,提出了一种改进的多群进化规划算法.在该算法中,进化在多个不同的子群间并行进行,子群间的竞争决定个体的变异能力,子群间的信息交流通过子群重组实现.对典型算例的数值仿真表明,该算法能够改善传统的进化规划算法易早熟收敛的弱点,同时具有良好的快速收敛性和参数鲁棒性.     

改进的演化近似算法求解TSP问题

TSP是典型的具有NPC复杂性的组合优化问题。在演化算法的基础上，提出了一种有效求解TSP问题的近似算法IEAA。IEAA采用单性生殖方式，通过保留一组较优个体加速了算法的收敛。详细介绍了的算法的设计和实现．并用于求解CTSP问题，实验结果表明，该算法能有效的解决CTSP问题，且算法性能优于基本演化算法SEA。     

解无约束非线性全局优化的一种新进化算法及其收敛性

进化算法是解复杂非线性规划问题的一种新型有效方法,但现有方法的计算量通常较大.为减小计算量,提高算法的效率,本文利用均匀设计来构造新的高效进化算法,新的进化算法本身具有类似于传统优化技术中的局部搜索功能,因此它能非常有效地搜索解空间,保持种群的多样性,减小计算量.文中还证明了新算法的全局收敛性.最后的模拟结果表明,新算法计算量小且收敛速度快.     

免疫进化子波网络及其学习算法

本文首次对子波神经网络的分类机理进行了详细地研究,在此基础上将免疫进化算法与子波神经网络相集成,并提出了免疫进化子波网络模型及其学习算法.其中,免疫进化算法是一种集免疫机制和进化机制于一体的一种新的全局并行算法,它可以通过对进化环境的自适应和自学习,有针对性地抑制由原进化算子操作的盲目性而引起的退化现象.理论分析和用于双螺旋线分类的仿真结果表明,免疫进化子波网络不仅是可行的,也是十分有效的.由于免疫进化算法本身所固有的并行运算规则、智能搜索方式和概率判断准则,从而有利于弱化子波网络的应用条件,加强其联想记忆和信息处理的能力.     

基于智能规划的工作流任务识别算法

针对传统算法将活动看成是彼此之间相互独立的事件,无法准确识别的问题,提出一种基于智能规划的工作流任务识别算法,利用工作流与智能规划在执行序列和操作规则方面存在的共性.通过高层次的抽象描述,自动推导出活动之间的内在逻辑联系,且能从外部信息充分挖掘潜在的知识,将工作流任务识别问题转变为对应的智能规划识别问题来进行求解,有效地解决了传统算法识别困难和对噪声数据敏感的问题.实验结果表明,本文提出的算法是可行的.     

单多普勒激光雷达机场小尺度风场反演研究

基于机场上空小尺度风场结构特点以及单多普勒激光雷达测风原理,本文在现有气象雷达三维风场反演的VVP方法的基础上,提出一种基于三维风场在分析体积内均匀分布假设的几何反演算法。此方法对单多普勒激光雷达测得的径向速度进行处理,实现对机场上空实际风速大小及其角度的反演,进而对风切变等灾害性天气完成探测。通过反演数据与原始数据进行比较,分析反演误差,结果表明几何方法能够较好的反映小尺度风场变化趋势。     

基于矩阵优化理论的自适应数字波束形成算法研究

自适应数字波束形成作为天线技术和数字信号处理融合的产物,近年来成为跨领域的研究热点,并且广泛应用到新一代的相控阵雷达和移动通信中。文中提出一种基于矩阵流形理论的自适应波束形成算法。不同于传统的波束形成算法,该算法将波束形成问题转化为高维优化问题,并引入矩阵流形优化理论,在Stiefel流形上求解该问题。由于降低了求解问题的维度,限制了最优解的范围,该算法相比于传统的自适应波束形成算法,具有收敛速度快、运算量小、鲁棒性好的优点。     

基于云计算的数据流系综分类算法研究

综合分析了数据流分类算法以及云计算的基本理论,提出了基于Hadoop框架的数据流系综分类算法,算法采用MapReduce并行编程模型对传统基于动态权重系综模型进行改进,以提升算法的分类效率.分析结果表明,该算法在处理快速海量到达的数据流时,其执行效率远高于传统系综算法.     

基于源码模式挖掘的软件辅助开发技术研究

由于软件代码的复杂性,对于不了解框架的新手,很难利用开源社区中的代码来开发软件。因此,利用数据挖掘技术挖掘现有代码中的编程模式成为研究热点。文中介绍了频繁项挖掘Apriori算法,并提出了基于源码模式的软件辅助开发方法。它能够根据用户输入的关键字来智能匹配类库中的特定父类,挖掘基于此父类的编程模式,给出优先要重写的方法以及关联规则。实验结果表明,新手可以利用这些编码建议,快速学习一个新的框架,提高开发效率。