基于空间扩散模型的重金属污染源位置的研究

基于GIS软件ArcMap对研究区域内的重金属元素浓度的空间分布进行可视化分析。通过设计各金属污染负荷指数并结合Hakanson毒性模型,利用层次分析等数据挖掘方法确定重金属元素的权重,客观高效地确定不同功能区内的综合污染指数,基于具有自修正特征的迭代算法,对每种重金属元素的污染源位置进行了仿真,结果显示该反演模型是收敛的。     

基于遗传程序设计的单因素人口预测模型

对于湖北省人口预测的问题,提出了单因素的人口预测模型。应用遗传程序设计的方法,对该模型进行了求解,所得到的单因素人口方程具有非常好的拟合精度,可以认为它确实反映了湖北省人口变化规律,可以用它来进行湖北省人口预测。此实例说明应用遗传程序设计对动态系统做拟合是行之有效的。     

NSGA-II算法的改进及其在应急管理中的应用

泥石流等突发自然灾害造成的人员伤亡和经济损失十分巨大,因此应急中心选址问题是应急救援方案中的核心环节。以救济物资效用、受灾区域满意度以及临时物资点数目为决策函数,建立多目标动态选址模型,提出了一种改进的非支配遗传排序算法（NSGA-II-TS）,该算法在精英策略上引入禁忌搜索的思想,从而实现了局部和全局搜索能力同时达到较优的结果,同时保留其解集的多样性和均匀性。数值算例结果表明该算法在物资效用、临时物资点个数、受灾区域满意度上比传统算法NSGA-II、MOEA/D更为合理。NSGA-II-TS算法在突发性灾害危机的应急管理以及其他保障体系建设问题中具有较高的应用价值。     

基于模拟退火并行算法的二维熵多阈值分割

针对二维熵法在多阈值分割时计时长、复杂性高等问题,引入模拟退火并行遗传算法对该算法实行优化,构造模拟退火并行遗传算法搜索二维最大熵值中的最优阈值,对二维熵法在多阈值分割经模拟退火并行遗传算法搜索改进前后的结果进行说明及对比。此优化算法比传统的模拟退火算法时间缩短了71.5%,说明此算法大大提高了分割效率,不仅能保证图像分割精度,而且能加快获得最佳阈值的速度,是一种有效且实用的图像分割方法。     

基于稀疏自编码的无监督图像哈希算法

哈希方法因快速及低内存的特点广泛应用于大规模图像检索中,但在哈希函数构造过程中对数据稀疏性缺乏研究。为此,提出一种无监督稀疏自编码的图像哈希算法。在哈希函数的学习过程中加入稀疏构造过程和自动编码器,利用稀疏自编码的KL差异对哈希码进行稀疏约束,以增强局部保持映射过程中的判别性。在CIFAR-10数据集和YouTube Faces数据集上进行实验,结果表明,该算法平均准确率优于DH算法。     

改进的基于层次距离的基因表达式编程特征选择分类算法

针对一般特征选择算法未能揭示数据特征与数据类别之间的可解释性映射关系的问题,在基因表达式编程（GEP）的基础上,通过引入初始化方法、变异策略以及适应度评价方法,提出了一种改进的基于层次距离的GEP特征选择分类算法（FSLDGEP）。首先,利用定义的选择概率有导向地初始化种群个体,从而增加种群中有效个体的数量;其次,定义个体的层次邻域,使种群个体基于其层次邻域进行变异,并解决了变异过程中的盲目无导向性问题;最后,将维度缩减率与分类准确率结合起来作为个体的适应度值,从而改变种群单一优化目标的进化模式,并平衡两者之间的关系。在7个数据集上进行5折交叉和10折交叉验证,所提算法给出了数据特征及其类别之间的函数映射关系,将得到的映射函数用于数据分类。与森林优化特征选择算法（FSFOA）、邻域软边界特征选择算法（NSM）、基于邻域有效信息比的特征选择算法（FS-NEIR）等对比算法相比,所提算法的维度缩减率在Hepatitis、WPBC（Wisconsin Prognostic Breast Cancer）、Sonar、WDBC（Wisconsin Diagnostic Breast Cancer）数据集上得到了最好结果;与对比算法相比,所提算法的平均分类准确率在Hepatitis、Ionosphere、Musk1、WPBC、Heart-Statlog、WDBC数据集上得到了最好结果。实验结果验证了所提算法在特征选择分类问题上的可行性、有效性和优越性。     

基于MFR-GEP的高阶常微分方程预测模型

股价预测一直是金融投资领域的热点问题，但是股票市场相关指标数据的波动性和不确定性使得股价预测问题成为难点。因此对于非线性且受到多因素影响的股票系统，传统的预测方法无法准确地表达股价的变化规律，预测效果较差。针对复杂的股价预测问题，建立了基于多指标正则化GEP算法（Multiple Factor Regularization Gene Expression Programming，MFR-GEP）的高阶常微分方程模型，利用数值差分拟合股价数据，并且加入影响股价的其他指标作为正则项，其中利用指标相关性确定正则项权重参数，应用模糊粗糙集的原理确定子函数映射。该模型能够刻画股价随时间的变化趋势，更好地描述数据波动，正则项的加入使得模型可以根据多指标进行预测，避免因单一指标引起的预测精度低等问题。最后将提出的算法与标准GEP算法及传统预测算法进行对比实验，结果充分验证了该算法的有效性和准确性。     

基于强势度排序指标的出版社资源配置问题研究

采用多元线性逐步回归方法得出各分社以及各个课程的单位书号销售量，界定包含满意度、市场占有率、出版社的相对地位等属性的强势产品概念，使用熵权法和逼近理想点法（TOPSIS）建立了一个强势度排序指标。对于书号配置问题，使用二步决策思想进行资源优化配置，考虑出版社当年效益同时兼顾了长远发展战略，建立了整数规划模型，提高了企业的竞争力。     

人口发展的参数预测模型

对我国人口预测问题进行了研究.引入了重要的人口预测指标,建立了预测人口所需的各项参数(出生率、死亡率、迁移率等)的预测模型,采用曲线拟合得到相关预测函数的参数,再对参数进行灰色预测的方法.通过建立人口发展方程的模型,实现对于人口总量和相关人口指标的预测.根据历史数据,利用模型对中国人口的状况进行了预测和分析.预测结果表明,到2041年,我国人口的峰值为14.9亿左右,同时我国的老龄化率和城镇化率将不断上升.