岩巷掘进近抛掷爆破技术的研究

利用高速摄影在地面采石场进行单孔、槽孔抛掷爆破的监测，找出装药量、炮泥填塞长度、掏槽方式、起爆时差、装药结构和布孔参数等因素的影响规律，以制定全断面爆破方案，达到控制爆堆距离在５ｍ之内的良好效果。     

基于主成分的SFLABP网络模型在帕金森氏病分类中的应用

针对BP神经网络学习效率低、容易陷入局部最优等缺点,提出了一种基于主成分分析的混合蛙跳算法(Shuffle FrogLeaping Algorithm)优化的BP神经网络模型。使用主成分分析法对高维数据进行特征提取,作为网络输入;采用混合蛙跳算法优化BP神经网络的权系数和阈值,构建基于混合蛙跳算法神经网络的帕金森病分类模型。最后,以UCI中Parkinson数据为例,实验表明,新模型优于传统的BP网络。     

基于预约和适应性的网格QoS体系结构研究

作为网格(grid)环境下分布式资源管理系统,Globus项目的GARA(GlobusArchitectureforReservationandAllocation)是一种保证服务质量(QoS)、实现端到端(poin-to-point)的资源管理体系结构。在此基础上,结合预约和适应性,我们提出了保证QoS的新的体系结构而且给出了实验结果。结果表明该结构具有良好的适应性能。     

基于差分演化的K-means算法在肝脏疾病中的应用

传统的K-均值算法依赖于初始聚类中心的选取,使聚类结果只能收敛于局部最优解;差分演化算法是一类利用随机偏差扰动产生新个体的方式获得非常好的收敛性的结果。为了克服K-均值聚类算法的上述缺点,该文提出基于差分演化的K-均值聚类算法,新算法结合K-均值算法的高效性和差分演化算法的全局优化能力,较好地解决了聚类中心优化问题。实验证明,此算法能够有效改善聚类质量。以肝功能疾病为例对新方法在医学中的应用进行了探讨。     

改进的FCM算法在医学中的应用

为解决传统的模糊C-均值(FCM)算法容易陷入局部最优解的问题,该文提出了一种基于平滑技术改进的FCM算法,考虑到处于不同位置的样本点对分类的影响程度不同及聚类个数对聚类结果有很大影响,新算法结合了点密度及最佳聚类数确定方法,最后用有效性评价函数评估算法的有效性。实验证明,新方法聚类效果更好。以帕金森疾病为例对新方法在医学中的应用进行了探讨。     

改进的FCM算法在网络入侵检测中的应用

针对FCM聚类算法容易陷入局部最优且对初始点很敏感的问题,提出基于搜索空间平滑技术的点密度加权FCM算法以获得最优解。以所得的聚类中心作为输入,再次执行FCM算法,对于隶属度小于阈值的数据样本进行检测;如果该数据样本被删除,目标函数值变化明显,则该数据样本为异常数据样本,并且聚类最后产生的小的簇中的数据样本也是异常数据样本。在KDDCUP99数据集上进行检测,实验结果表明该算法具有较高的检测率及较低的误检率。     

结合判别分析和分布差异约束的领域适应方法

为解决领域适应过程中基于全局分布适配的特征变换造成的类别结构损失和局部特征损失问题,提出一种结合判别分析和分布差异约束的领域适应方法。构造领域数据分布均值距离度量用于领域间分布适配;构造类散度度量用于保持类别判别结构;基于数据局部分布信息设计不同类型的差异权重,分别用于约束域分布距离度量和类散度度量,实现判别保持和局部保持的联合优化;基于上述度量最优化的特征变换,将源域和目标域数据投影到子空间中实施分类任务。所提出的方法在领域适应过程中不仅能够缩小领域间分布差异,且兼顾类别判别保持和数据局部特征的保持,能有效提升域外数据重用的性能。在28组跨领域分类任务上的实验结果表明,所提出的方法在评价指标上优于已有的相关方法。     

基于数据挖掘的IDDM入侵检测系统模型的设计和实现

将数据挖掘技术用于入侵检测领域,是实现IDS智能化的重要手段.本文首先给出了分类算法的编程的实现,并以决策树进行显示分类.最后按照CIDF基本标准,本文提出了一个以分类算法为基本的IDDM入侵检测系统模型,并对DoS Prob R21等病毒的入侵进行了测试.     

决策距离修正下的弱决策证据合成方法

针对含弱决策的证据融合在低冲突情况下仍出现反直观结果的问题,提出一种决策距离修正下的证据合成方法.首先,给出弱决策证据定义,提出一种名为决策距离的新度量方法,可表述单证据的决策,通过融合Jousselme距离可更有效地描述弱决策证据与其他证据间的差异;然后,根据检测弱决策证据和一票否决证据是否同时存在,提供两种不同的修正系数,可有效扩大多数证据与其他证据修正系数的差距,削弱一票否决证据的影响;最后,对证据源修正并合成.实验结果表明,该合成方法能较好地解决弱决策证据融合问题,融合结果收敛快,决策更可靠,不确定性小,是对现有研究的良好补充.     

基于PSO的K均值算法在肝病诊断中的应用

针对传统K-means算法容易陷入局部最优的缺点,提出了基于粒子群优化的K-means算法。以肝脏疾病为例对新方法在医学中的应用进行了探讨,使用MATLAB编程工具进行验证,实验结果表明,新方法更优于K-means算法。