概率表示的二进制粒子群算法在组卷中的应用

在组卷优化问题的研究中,组卷受到多约束条件的限制。为提高在线考试系统中试卷的质量,提出采用概率表示的二进制粒子群优化算法(BPSO)的智能组卷策略,采用粒子群优化算法有效克服遗传算法的局部搜索能力差,以及导致"早熟"和收敛速度不理想等缺陷。在标准粒子群算法基础上,利用贝叶斯公式对粒子群算法进行改进,克服人为因素对算法收敛速度的影响,同时算法的时间性能和空间性能得到进一步提升。通过仿真证明改进算法是一种切实可行的组卷策略。     

基于电厂热经济效益的决策树模型

以决策树数据挖掘为基本理论基础,结合电力行业的具体特点,将基于决策树归纳分类算法运用于对电厂热经济效益的分析中.以电厂供煤量对机组效率和锅炉正效率的影响为目标,构建了决策树模型,并对挖掘结果进行分析和评价,以期为电厂热经济效益运行优化提供重要的决策支持.     

基于多模态特征学习的人体行为识别方法

由于从单一行为模态中获取的特征难以准确地表达复杂的人体动作,本文提出基于多模态特征学习的人体行为识别算法.首先采用两条通道分别提取行为视频的RGB特征和3D骨骼特征,第1条通道C3DP-LA网络由两部分组成:(1)包含时空金字塔池化(Spatial Temporal Pyramid Pooling,STPP)的改进3D CNN;(2)基于时空注意力机制的LSTM,第2条通道为时空图卷积网络(ST-GCN),然后,本文将提取到的两种特征融合使其优势互补,最后用Softmax分类器对融合特征进行分类,并在公开数据集UCF101和NTU RGB+D上验证.实验表明,本文提出的方法与现有行为识别算法相比具有较高的识别准确度.     

基于快速傅里叶变换和db小波变换的谐波检测

在电力系统谐波检测中,使用快速傅里叶变换法(FFT)可以得到平稳谐波信号中的频谱,从而可以确定该信号中谐波的频率和幅值等信息.但FFT局限于得到信号的频域信息,很难检测到谐波发生的具体时刻,而小波变换可以捕捉到信号中的细节部分.针对复杂谐波信号,提出了一种将快速傅里叶变换和小波变换相结合的检测方法.由Matlab仿真结果可知,该方法可以检测稳态谐波,确定暂态谐波的突变时刻.     

基于有限时间对偶神经网络的冗余机械臂重复运动规划

在考虑关节物理极限的情况下,将冗余机械臂的逆运动学解析问题抽象为带约束的重复运动规划(RMP)方案.针对速度层的带约束RMP方案,本文提出了一种新型的递归神经网络,即有限时间对偶神经网络(FTDNN),用以求解该类带约束RMP方案.相比于传统的递归神经网络,该FTDNN模型具有有限时间收敛特性,不仅能够改进收敛的速度,并且能够获得较高的收敛精度.通过李雅普诺夫稳定性定理验证了FTDNN模型的渐近稳定性,并进一步计算出FTDNN模型求解带约束RMP方案最优解的时间上界.基于冗余机械臂PA10的计算仿真结果验证了FTDNN模型求解带约束RMP方案的有效性和可行性.最后在Dobot Magician实物机械臂上的实验结果表明本文提出的有限时间对偶神经网络方法可以有效实现机械臂各关节角的重复运动.     

一种改进的Apriori关联规则挖掘算法（英文）

关联规则挖掘是数据挖掘中的一个重要研究内容.为了高效、快速地从事务数据库中挖掘出频繁项集,针对数据挖掘的经典关联规则Apriori算法的瓶颈问题提出了改进的方法.算法将事物数据库映射到布尔型数组中,然后所有的操作都针对数组元素值展开.这样大大减少了数据库的扫描次数.算法利用数组的随机访问特性及布尔型数据的简单"与"操作,直接产生频繁项集,而不产生大量的候选项集.经理论分析和实验结果显示该算法在效率上明显优于Apriori 算法.     

模糊加权流数据软子空间的聚类算法

现有的软子空间聚类算法都是基于批处理技术的聚类算法,不能很好地应用于高维数据流或大规模数据的聚类研究．利用模糊可扩展聚类框架,与模糊加权软子空间聚类算法相结合,提出了一种有效的模糊加权流数据软子空间聚类算法（FWSSC）．实验结果表明,FWSSC对于高维流数据可以得到与批处理软子空间聚类方法近似一致的实验结果．     

OSGi平台服务动态更新的发布/订阅策略

针对7×24小时运行的系统,不能停止系统运行进行更新或维护的问题,根据OSGi( Open Service Gateway Initiative)框架的特点,在分析已有的服务动态更新方法基础上,克服已有策略不能保证服务更新前后的相互一致性和服务状态的一致性,以及更新策略实现过程中的编程模型不佳问题,提出基于发布/订阅模型的服务动态更新策略.以静止状态理论为依据,利用Petri网形式化描述服务动态更新过程,从理论上验证该策略的有效性;同时,以Event Admin Service作为策略的实现工具,具有良好的编程模型,从而实现OSGi平台上的动态演化,实验结果表明该策略具有可行性.     

界标窗口中数据流频繁模式挖掘算法研究

数据流的流量太大会无法被整个存储,或被多次扫描。为此,在研究已有挖掘算法的基础上,提出一种界标窗口中数据流频繁模式挖掘算法DSMFP_LW。利用扩展前缀模式树存储全局临界频繁模式,实现单遍扫描数据流和数据增量更新。实验结果表明,与Lossy Counting算法相比,DSMFP_LW算法具有更好的时空效率。     

基于多层向量空间模型的Web信息检索方法

针对Web信息检索的特点，在分析传统向量空间模型存在问题的基础上，提出了一种多层向量空间模型。该模型将一篇文档的相关信息从逻辑上划分为多个相对独立的文本段。按照不同位置的文本段确定相应的索引项权重，并给出了该模型的相似度计算方法。实验表明，将该模型应用于Web信息检索中，具有对输出结果的排序能力强、查询速度快等优点。