基于参数方程处理等式约束优化的粒子群算法

针对目前已有的粒子群优化算法求解有等式约束优化问题时对收敛速度和解的精度的影响,提出了一种新的基于参数方程的粒子群优化算法.它是粒子群在初始化和选代进化过程中使用求解参数方程的方法处理等式约束设计出的粒子群优化算法.数值实验结果表明,新算法是有效的.它不仅提高了收敛速度和解的精度,而且是一种通用的智能算法.     

基于最小二乘支持向量回归机的Mamdani模糊系统结构

为了提高模糊系统处理高维问题的推广能力,基于最小二乘支持向量回归机(LSSVR)的思想提出了一个设计Mamdani模糊系统的新算法。传统算法都存在过学习问题,该算法在目标函数中考虑了结构风险避免了过学习现象,并将模糊系统的参数寻优问题转化为一个二次规划问题进行求解。在此算法中,构造了一种新的具有语言意义的数据依赖型模糊核函数,它是一种Mercer核。实验结果证明,该算法提高了Mamdani模糊系统的逼近能力和推广能力。     

粒子群优化算法在点模式匹配中的应用

点模式匹配技术是计算机视觉和模式识别领域中的一个重要课题.将每个点模式编码为一个称为粒子的实值向量,并利用两幅图像的灰度矩阵来构造粒子的适应度函数,提出一种基于粒子群优化算法的点模式匹配新算法.系统初始化为一组随机解,通过迭代使粒子在解空间中追随当前较优的粒子进行搜索,从而找到最优解.仿真实验结果证明算法的有效性.     

需求依赖广告费用和销售价格的newsboy型产品库存模型

在假定随机需求是关于销售价格和广告费用的一般函数的前提下,提出一个新的ｎｅｗｓｂｏｙ模型,给出了寻求最优广告费用、销售价格及订货量的分析方法,并且还分析了需求的不确定性对最优销售价格和广告策略的影响．最后,通过数值实例验证了模型的求解过程并得到相关管理启示．     

人脸数据库发展的特点及方向

根据人脸数据库发展至今的历史,划分了人脸数据库发展的2个主要历史时期,介绍了这2个历史时期中一些典型的人脸数据库,以此归纳出这2个历史时期中人脸数据库的主要特点.通过列举人脸数据库在不同历史阶段发展时产生的变化并加以分析,总结出了这些变化发生的原因.同时还依据人脸数据库发展的特点,提出了一些未来可能出现并发展的人脸数据库及其使用方法.     

一种新的遗传算法求解有等式约束的优化问题

针对有等式约束的优化问题,提出了一种新的遗传算法.该算法是在种群初始化、交叉、变异操作过程中使用求解参数方程的方法处理等式约束,违反不等式约束的个体用死亡罚函数进行惩罚设计出的实数编码遗传算法.数值实验结果表明,新算法性能优于现有其它算法;它不仅可以处理线性等式约束,而且还可以处理非线性等式约束,同时提高了收敛速度和解的精度,是一种通用强、高效稳健的智能算法.     

两阶段需求相关的动态易逝品最优订货策略

以动态市场环境下的易逝品为研究对象,针对两阶段需求相关、每次订货时带有固定的订购费用以及未满足需求部分延期供给等实际现象,建立了动态易逝品销售商两阶段订货决策模型.对模型的最优解进行了理论分析,并提出了寻求两阶段订货策略的简单方法.以朗科优盘经销商的采购实例来说明该模型的应用价值.最后,通过探讨订货决策与需求波动、两阶段需求相关系数以及延期供给率等因素的关系,得出了一些重要的管理启示.     

MI和改进PCA的降维算法在股价预测中的应用

考虑到单个特征对标签的有效性及多特征之间的信息冗余问题,提出一种联合互信息和改进PCA的双重降维方法。利用互信息对众多的特征进行初步筛选,舍弃一部分对标签信息贡献较低的特征,使用累积方差贡献率和复相关系数共同确定主元个数的主成分分析法进行二次降维,不仅保证了主元模型的信息容量,同时也避免了过多噪声的参与,从而保证了预测过程的准确性。通过神经网络对实际股票数据进行预测,表明了提出的降维算法的有效性。     

基于聚类混合采样的不平衡数据分类

不平衡分类问题广泛地应用于现实生活中,针对大多数重采样算法侧重于类间平衡,较少关注类内数据分布不平衡问题,提出一种基于聚类的混合采样算法。首先对原始数据集聚类,然后对每一簇样本计算不平衡比,根据不平衡比的大小对该簇样本做出相应处理,最后将平衡后的数据集放入GBDT分类器进行训练。实验表明该算法与几种传统算法相比F1-value和AUC更高,分类效果更好。