改进的遗传算法在优化BP网络权值中的应用

对遗传算法和BP神经网络的特点进行了比较,作为进化算法神经网络与遗传算法的目标相近而方法各异。阐述了遗传算法与神经网络结合的必要性。提出了一种改进的遗传算法优化BP神经网络的权值,用遗传算法的全局随机搜索能力弥补了神经网络容易陷入局部最优解的问题。同时,在遗传算法中改变传统的同代交叉机制,采用父代与子代进行交叉,避免了遗传算法过早丧失进化能力。     

基于NGSIM数据的车辆瞬时速度获取方法

虚拟线圈和无线传感网络(WSN)等常规交通信息获取技术具有信息采集范围小的缺陷,无法达到大范围交通协同的要求,若使用图像信息参数建立车辆瞬时速度模型,可有效地发挥遥感影像的广域覆盖优势,满足大范围交通信息获取的需求。本文面向广域交通信息的获取,以NGSIM数据为基础数据,分析确定了输入参数的类别,使用BP神经网络建立了瞬时车速模型,利用相近时段的数据对模型进行效果验证。该模型不同于常规交通信息获取方法,当应用于大范围的遥感观测时,可以高效快速地对大范围静态图片进行瞬时车速提取,为实现广域交通信息的高效采集提供一种有效途径。     

基于协同过滤的多维度电影推荐方法研究

推荐系统作为解决信息过载的办法之一,广泛运用于各个领域,其中基于协同过滤的推荐方法应用最为成熟和广泛,但是由于传统的协同过滤推荐方法只考虑了用户和项目两个维度,忽略了包括环境因素、影片信息、观影感受等在内的多维度影响因素。分析表明以上多维因素对用户在进行影片评分时有着较为重要的影响。通过线性回归方法寻找并确定多维度属性以及各属性的影响程度,进而在传统协同过滤的基础上融入多维度影响因素,最终构建基于协同过滤的多维度推荐方法。实验表明,该方法相比传统协同过滤推荐方法的推荐效果有一定的提升,其中最优平均绝对误差取值下降了约6%,平均绝对误差均值下降了约2%,说明该方法相比于传统的协同过滤推荐方法具有更高的准确性,从而验证了该方法的有效性。     

基于非负矩阵分解的Slope One算法

针对协同过滤推荐算法中Slope One算法在稀疏数据集中推荐精度低的问题,利用矩阵分解在解决矩阵稀疏性方面的优势,将非负矩阵分解技术引入到用户-项目评分矩阵的降维处理中,将原有的稀疏评分矩阵进行非负分解,改善了矩阵的稀疏性,优化Slope One算法. 从实验数据可以看出,与原始的CF算法进行比较,NMF-Slope One算法有较好的推荐效果. 在数据稀疏的条件下,确定参数进行实验. 实验结果表明,该方法提高了Slope One算法在数据稀疏下的精度和推荐质量.     

信息技术与初中数学教学深度融合的研究——以《圆周角》教学设计为例

在初中数学的课堂教学中,逻辑推理、数学建模、直观想象和数据分析等的理解和掌握对学生来说都有相当大的困难,而如果借助信息技术手段,则能够使教学变得更加便捷。教师可以利用信息技术对抽象难懂的几何图形进行处理,使得静态、晦涩难懂的图形动起来,让学生更易理解和掌握,这在一定程度上也有效促进了学生与教师、资源之间的多元互动。同时,要求学生借助信息技术手段查找课堂所需的教学资源,完成常规教学条件下难以进行的数学实验,转变学生的学习方式.     

基于命名管道和异构通信机制的多应用场景下驱动升级策略

针对电化学遗留系统驱动不兼容新的操作系统的问题,本文提出一种基于命名管道和异构通信机制的驱动升级策略。使用命名管道和WinUSB作为中间件,来完成上位机与下位机的通信,从而减少设备对驱动的依赖,提高通信的灵活性。结果表明本文所述的方法与原驱动的实验数据相对误差在0.000~0.001之间,将升级后的系统结果与原驱动的实验值进行比较,两者数据在误差允许的范围内结果一致。本文所述的方法通过修改少量代码来解决驱动与新操作系统的兼容性问题,既方便了驱动不适应新的操作系统的用户,也方便了工程开发人员对遗留系统的维护工作,实现了系统的低耦合和代码复用,并在某电化学软件得到了应用。     

基于置信区间进行POS机异常检测算法的设计

为保证校园卡数据一致性,设计了一种基于置信区间的POS机流水异常检测算法。利用此算法可以得知POS机流水上传功能的运行情况,能及时发现流水未及时上传的POS机并发出预警,从而确保消费者消费金额及时扣除,商户收入及时入账,有效避免账务不平、流水丢失等问题发生,对于校园卡系统的稳定运行,对于维护消费者和商户的利益具有十分重要的意义。随着消费数据的累积,及时对算法进行修正,POS机异常的判断准确率会有较大提升。     

一种基于深度学习的视网膜病变图像识别方法

为解决医学上糖尿病性视网膜病变图像人工识别困难、精度差等问题,提出一种基于多特征融合的卷积神经网络识别方法。在VGG-16模型的基础上,通过融合每层网络上的局部特征,增强模型的特征提取能力。选用Softmax分类器,使病变图像识别更加准确。使用OpenCV图像处理工具采用加噪、上下左右不同角度翻转、调节对比度等5种方式扩充训练集。实验结果表明,基于多特征融合的深度学习框架图像识别系统在数据集上的平均识别精度达到94.23%,相较于Alex-Net、Google-Net、Compact-Net、ResNet-101等模型分别提高了10.56%、7.80%、6.01%、0.02%,验证了该方法的有效性。该模型具有很好的鲁棒性。