一种模型决策森林算法

随机森林(RF)具有抗噪能力强,预测准确率高,能够处理高维数据等优点,因此在机器学习领域得到了广泛的应用。模型决策树(MDT)是一种加速的决策树算法,虽然能够提高决策树算法的训练效率,但是随着非纯伪叶结点规模的增大,模型决策树的精度也在下降。针对上述问题,提出了一种模型决策森林算法(MDF)以提高模型决策树的分类精度。MDF算法将MDT作为基分类器,利用随机森林的思想,生成多棵模型决策树。算法首先通过旋转矩阵得到不同的样本子集,然后在这些样本子集上训练出多棵不同的模型决策树,再将这些树通过投票的方式进行集成,最后根据得到的模型决策森林给出分类结果。在标准数据集上的实验结果表明,提出的模型决策森林在分类精度上明显优于模型决策树算法,并且MDF在树的数量较少时也能取到不错的精度,避免了因树的数量增加时间复杂度增高的问题。     

面向基金赎回风险应对场景的决策优化

对于基金管理者而言,投资者提前或大额赎回有可能带来流动性风险,因此需要提前进行融资以应对需求.为了降低融资成本,同时满足赎回需求,建立一种混合整数二次约束规划模型.模型符合实际业务约束,引入融资成本波动的不确定性,将成本波动的风险量化为方差,同时考虑融资成本和风险的最小化.当不考虑风险时,模型退化为确定性优化命题.使用金融机构提供的算例进行仿真,优化结果能够兼顾决策的最优性和求解的快速性,满足实际业务的需求.对比确定性和不确定性模型得到的决策方案,分析总结降低融资风险的方法,针对方差上限进行灵敏度分析,结果进一步支持已有观点.     

一种基于三支决策的云任务调度优化算法

云任务调度作为云计算体系的一个重要组成部分,其调度策略的效果直接影响到云平台资源利用率及用户服务质量。为解决当前云调度策略中Min-Min算法和Ma-Min算法容易因云任务分布导致负载不均衡、资源综合使用率低和任务总体完成时间较大等问题,提出一种基于三支决策的云任务调度优化算法(Cloud Task Scheduling Algorithm based on three-Way Decision, CTSA-3WD)。根据云任务的执行时间和计算资源的实际情况来标定任务集合中的轻负载任务和重负载任务。借鉴三支决策基本思想,根据两种任务在其任务集合中所占比例进行三支划分,有针对性地对划分后的3个任务集合设计合适的调度策略:针对轻负载任务占比高的任务集合,使用Max-Min算法;针对重负载任务占比高的任务集合,使用Min-Min算法;针对轻重负载任务接近的任务集合,采用基于Min-Min和Max-Min的改进任务调度算法。对分配完毕的节点中的关键资源进行重新调度,在满足总体完成时间减少的前提下选择最匹配的任务分配给轻负载资源。CloudSim仿真平台的实验结果表明,所提出的云任务调度优化算法...     

面向业务流程访问控制策略及决策优化方法

在分析业务流程访问控制策略需求的基础上,对经典的XACML策略实施框架进行了扩展,提出一种能够根据业务流程执行状态管理策略的实施框架。通过在策略模式中引入元素和定义元素的语义,使其能够描述访问策略和委托策略,并支持任务级最小特权的实现。给出了两种策略决策优化方法,针对策略集中无效策略数量过多的问题,采用逐步裁减法减少策略元素比对的次数,针对策略集中委托策略数量过多且需要验证可信性的问题,采用信任关联法减少策略匹配的次数,有效地提高了策略决策的效率。     

一种优化DES算法

论文简要介绍DES算法及其实现上影响速度的原因。对S-盒代替和P-盒置换进行了分析和优化,将其合并为SP-盒。将S-盒代替表和P-盒置换表进行了分析和优化,将其合并为SP-盒变换表。这一优化并未改变DES的计算结果,因而并未改变DES的安全性。同时,取消了原算法S-盒代替中对S-盒输入的与和移位操作;取消了P-盒置换的与和移位操作。将原来的S-盒输入,即,SP-盒的输入作为索引,直接从SP-盒变换表中取得SP-盒的输出,即,原来的P-盒置换的输出。因而,节省了CPU的计算时间,提高DES的实现速度。     

一种自适应模型构造的层次决策图贝叶斯优化算法

描述和分析零星模型构造(SMB)方法中固定模型构造周期参数对层次决策图贝叶斯优化算法性能的影响,提出了一种基于自适应模型构造(AMB)的层次决策图贝叶斯优化算法,通过计算群体平均信息熵密度而确定相邻两代群体所对应网络模型的相似度,仅当相似度小于给定阈值时自适应重构贝叶斯网络模型,从而在保证贝叶斯网络模型精确性的前提下减少贝叶斯网络模型的构造次数,进而降低算法计算复杂度,加速收敛.实验结果表明,AMB方法有效可行.     

一种新的决策表相对约简算法

根据决策表定义条件属性区分能力指数DI(a)的概念,给出DI(a)的若干性质。定义拟等价类的概念,提出基于区分能力指数的决策表相对约简算法,该算法基于分治策略,用属性a代替相应区域的区分元素,从而减小算法搜索的空间。实验结果表明,该算法具有较高的搜索效率,能够得到全部或大部分约简。     

一种快速HEVC编码单元决策算法

分析高效视频编码标准(HEVC)的编码单元算法,针对当前视频编码标准计算复杂度大的问题,基于相邻编码单元相关性和纹理特性,提出一种快速HEVC编码单元决策算法。该算法统计当前编码单元和相邻编码单元的相关性,分析编码单元的纹理复杂度,并没定合理的阈值,决定检测是否提前终止,以此快速找到最优编码单元。仿真结果表明,该算法与HEVC参考软件HM8.0相比,在码率增加忽略不计的情况下,编码时间平均缩短了37.4%,最高可达48.2%。     

一种Chord优化改进算法

Chord协议是一种典型的结构化P2P网络协议,该协议将网络虚拟为环形拓扑结构,可以实现资源的快速查找与定位,查找效率得到了很大的提高,但随着网络规模的扩大,用户节点数量的增多,Chord算法在性能和稳定性方面都存在一定的下降,文章充分分析了Chord算法存在的缺陷和不足,提出一种MDT-Chord基于拓扑结构的双向多级Chord改进算法,为今后的Chord改进研究提供一种新的思路。     

一种新的优化滤波算法

提出一种基于改进PSO的优化滤波算法,构造多指标均衡的适应度函数,把滤波增益作为PSO的粒子进行优化求解,同时将最小方差鲁棒滤波增益和H∞滤波增益以及它们的组合平均值作为PSO的初始粒子,赋予粒子一定的认知能力,大大提高收敛速度。仿真表明新的优化滤波算法滤波精度高,鲁棒性强,实时性好。     

一种混沌贝叶斯优化算法

为了减少贝叶斯优化算法的计算量,该文提出了一种混沌贝叶斯优化算法。用混沌随机序列产生贝叶斯优化算法的初始群体,利用混沌随机性、遍历性和对初始条件的敏感性的特点,提供给贝叶斯网络变量空间丰富的信息,有利于建立接近最优的贝叶斯网络。为增加群体的多样性同时减少贝叶斯网络的建立次数,采用混沌搜索方法对贝叶斯网络产生的新解进行变异寻优,以此为基础再建立贝叶斯网络。实验结果表明,与贝叶斯优化算法相比,混沌贝叶斯优化算法能有效减少计算量。     

一种优化的Apriori算法

深入研究Apriori算法,针对Apriori算法的性能瓶颈,以Apriori算法的运行事实为前提,给出了约简事务数据库中事务记录的理论,提出了一种利用事务地址索引表来有效约简事务数据库中事务记录的Aprio- ri优化算法,以提高Apriori算法的执行效率。     

一种优化的蚁群算法

蚁群算法是一种新型的启发式算法,它具有许多优良性质,被广泛用于求解组合优化问题,但基本蚁群算法也存在诸多不足。为使蚊群算法对应TSP问题的解更加优良,提出了一种改进的蚁群算法并对它进行了试验,结果表明改进算法是有效的,这也为蚁群算法的优化提供了一个新的途径。     

一种优化的NTRU算法

NTRU算法是至今为止最快的公钥密码体制,它的安全性是基于在非常大的维数格中寻找最短向量的困难性。为了增强NTRU算法的速度和效率,本文介绍了NTRU的优化算法及与原始算法的比较。     

一种分布式数据库查询优化算法

Ｃｈｅｎ和Ｙｕ提出了一种新的等联接操作结果估算模型，借助于它来估算ｊｏｉｎ缩减器带来的收益。本文在此基础上分析了收益之和与ｊｏｉｎ缩减器执行次序的关系，提出了复杂度为Ｏ（ｎ＾２）的优化算法。该算法除考虑采用局部收益最大的ｊｏｉｎ操作做为首选操作外，还考虑了算法产生的操作序列在一定的条件下具有全局上的优化特征：任意两个相邻ｊｏｉｎ操作构成的子序列是最优的。     

一种优化神经网络的教与学优化算法

为了提高BP神经网络的输出精度,提出一种改进的教与学优化算法进行神经网络中的权值和阈值的优化调整.算法对基本的教与学优化算法的“教”阶段和“学”阶段分别进行改进,并提出一种“自学”机制来增强算法的学习能力.通过函数拟合实验和拖拉机齿轮箱故障诊断实验进行算法性能测试,结果表明,与遗传算法和基本的教与学优化算法相比,该算法具有收敛速度快、求解精度高等优势.     

一种实用优化决策的计算机实现

本文通过对已知商场的数学模型的计算机程序设计，实现对商场的计算机模拟动作，从所得结果中选择最优的决策方案。