基于LSTM-RF模型的城市道路交通流预测

交通流预测作为信号协调和出行时间预测等任务的基础,成为了交通领域的研究点。对于交通流预测问题,研究人员提出了多种方法,但这些方法大多只使用交通流数据的时域信息进行交通流预测,忽略了空间相关性对于预测目标路段流的影响,导致预测精度不理想。基于组合模型的思想提出了一种称为LSTM-RF的交通流预测模型。在交通流预测过程中,首先使用LSTM模型提取预测目标路段的时序特征,再将其预测值与采集的相邻上下游路段信息同时作为随机森林模型的输入特征,进行交通流时空相关性分析,获得最终的预测结果。并通过贵阳市车牌识别系统采集的城区132条路段的交通流数据进行实验验证。结果表明:该方法在预测精度上优于单一模型,并且预测误差相比单一模型有明显减少。     

基于改进灰狼算法的铁路隧道射线跟踪模型校正

针对灰狼优化（grey wolf optimization，GWO）算法易陷入局部最优和收敛精度差的问题，提出了一种基于对立搜索和Levy飞行策略的改进灰狼优化算法——OLGWO算法.在算法初始化阶段，采用对立搜索策略以缩小可行解范围；在灰狼位置更新过程中，为避免算法陷入局部最优采用了Levy飞行策略.4个标准测试函数的仿真实验表明，所提OLGWO算法在收敛速度及求解精度方面均优于GWO算法，可以较快且准确地搜索到目标函数的最优值.基于OLGWO算法对隧道射线跟踪传播模型进行校正的结果表明，校正后的模型在均方根误差和线性相关性方面具有较优的性能，能够实现铁路隧道环境中信号接收功率的精确预测.     

差分细菌觅食算法

为解决细菌觅食优化算法BFO(bacteria foraging optimization)迭代过程中因种群多样性损失较快而易陷入局优的问题,将差分进化思想和BFO结合。首先在BFO的趋向性操作和繁殖操作中使用差分策略更新细菌位置,从而保证群体内的多样性不会随着算法迭代的进行而过快降低。其次是对算法中细菌位置更新方式的改进,通过逐维更新每一个维度信息而非一次更新一个细菌所有维度信息的方式,充分利用每一次位置改变带来的有利信息,从而大幅提高了算法寻找到全局最优值的效率。与其他4个算法对10个标准优化函数的测试结果对比表明,改进后的算法在寻得最优值的精度、效率、稳定性方面表现更好。     

PBL模式下博弈论教学方法及案例分析

针对博弈论教学过程中内容较难理解且缺乏案例支撑的问题,阐述一种改进的博弈论教学方法,即在PBL教学方法中引入案例式教学进行综合性研究。提出在案例式教学的前提下,增加情景演练环节,分析教学目的,改进教学案例选取原则、教学过程和评价方式。     

基于关联规则的网络行为分析

网络用户访问网站的过程中,产生了大量的用户浏览网页的相关记录,隐含着用户在上网过程中的行为习惯。但其中潜在的用户信息难以发现。因此,急需有效的方法提取这些数据中的信息,数据挖掘应用而生。其中,关联规则技术是应用广泛的技术之一。文中利用Apriori算法对Web结构数据进行关联规则挖掘,所得到的规则反映出页面之间的链接关系。分析挖掘结果可得到用户访问的行为规律,为相关网站的安全性和优化改进提供有效的决策依据。     

密文策略属性加密中的撤销控制方案

在云环境下使用数据共享功能时，由于云环境的复杂性，需要对数据进行安全保护和访问控制，这就要求使用加密机制。基于密文策略属性的加密（CP-ABE）是当前广泛使用的加密机制，它可以根据用户的属性来设置访问权限，任何具有合格访问权限的用户都可以访问数据。然而云是一个动态环境，有时可能只允许具有访问权限用户中的一部分用户访问数据，这就需要用户权限的撤销机制。然而，在CP-ABE中，访问权撤销或用户撤销是一个冗长且代价高昂的事件。所提出方案根据对CP-ABE流程的改进，在原密文中嵌入了可灵活控制的用户个人秘密，使得用户权限撤销时既不要求使用新访问策略的用户撤销数据，也不要求对数据进行重新加密，大幅减少撤销时的计算成本。与知名CP-ABE撤销方案对比，所提出方案的计算成本更低且具有良好的安全性。