基于遗传模拟退火算法的多层设施选址方法

逆向物流网络是逆向物流系统高效运作的基础和前提,而设施的选址定位是逆向物流网络设计的核心问题.为此,提出一个多层设施选址模型,旨在构建由回收点、回收中心和生产点相结合的最佳逆向物流回收网络.根据模型特点,提出基于遗传模拟退火算法的求解方法,个体采用二进制十进制混合编码;提出基于Metropolis准则的特定遗传进化操作;设计顾客对回收点、回收点对回收中心的两个子分配算法保证所有约束的满足性.最后通过仿真实验,得到满意的设施选址方案.可见,选址模型和算法是一种有效的设施选址方法,具有一定的应用前景.     

Excel2007的数据排序方法

排序时数据处理的基本操作之一，Excel2007中的数据排序是根据数值或数据类型来排列数据的，排序的方式有升序和降序两种。     

城市应急物流设施选址的多目标规划模型

通过分析城市应急物流设施选址的基本特征,提出利用模糊折中型多属性决策方法进行应急物流设施选址备选方案的决策偏好生成。在此基础上,建立综合考虑满意度和建设成本的多目标选址规划模型,在给出满意度函数的确定方法后,提出利用模拟退火算法进行模型的求解,并利用实例验证了算法的有效性,能够供决策者选择合适的物流选址方案提供理论支撑。     

基于多元数据融合的网络侧告警排序方法

部署在网络节点上的网络安全监控系统每天会生成海量网络侧告警,导致安全人员面临巨大压力,并使其对高风险告警不再敏感,无法及时发现网络攻击行为.由于网络攻击行为的复杂多变以及网络侧告警信息的局限性,已有面向IT运维的告警排序/分类方法并不适用于网络侧告警.因此,本文提出基于多元数据融合的首个网络侧告警排序方法NAP (Network Alert Prioritization).NAP首先设计一个基于源IP地址与目的IP地址的多策略上下文编码器,用于捕获告警的上下文信息.其次NAP设计一个基于注意力机制双向GRU模型与ChineseBERT模型的文本编码器,从告警报文等文本数据中学习网络侧告警的语义信息.最后NAP构建排序模型得到告警排序值,并按其降序将攻击性强的高风险告警排在前面,从而优化网络侧告警管理流程.在3组绿盟科技网络攻防数据上的实验表明,NAP能够有效且稳定地排序网络侧告警,并且显著优于对比方法.例如:平均排序指标NDCG@k (k∈[1,10])(即前1至10个排序结果的归一化折损累计增益)均在0.8931至0.9583之间,比最先进的方法提升64.73%以上.另外,通过将NAP应用于我校真实的网络侧告警数据,本文进一步证实其实用性.     

基于GPU并行计算的电动出租车新建充电站选址模型

针对电动出租车充电站优化选址问题，构建了以未满足的电动出租车充电需求量和新建充电站的固定成本最小为目标函数的电动出租车新建充电站选址模型，并提出基于改进的多目标粒子群算法的模型求解方法。为解决未满足充电需求量计算的性能瓶颈问题，设计了一个基于图形处理器（GPU）的未满足充电需求量并行计算算法，并通过实验验证其运行时间约为基于CPU串行算法运行时间的10%~12%。以北京为例，收集、处理相关多源数据，对提出的选址模型进行了应用示例分析，表明所提出的充电站优化选址方案具有可行性。     

基于排序学习的网络舆情演化趋势评估方法研究

社交网络中的舆情事件关乎社会的和谐与稳定,分析事件的演化趋势并进行管控能够有效降低恶性舆情事件的影响.但是,高效的舆情管控却面临标注数据少、管控资源有限的难题,采用人机混合增强技术,充分利用少量标注样本中的专家知识,是建立舆情演化态势评估模型的可行思路之一.据此,提出一种基于排序学习的舆情事件演化趋势重要性评估算法,在模型训练过程中,充分利用标注数据中的专家知识以及有标签数据和无标签数据的关联关系,筛选重要舆情事件进行管控,提升管控资源利用效能.首先,结合舆情管控经验和需求,从“人”“事”“势”等三要素出发,构建易获取、可量化、有含义的舆情事件演化态势评估指标体系;其次,基于图卷积神经网络构建舆情演化趋势评估模型,利用局部敏感Hash算法挖掘数据的空间结构信息,并利用图卷积求取数据及其邻域的混合特征;最后,针对有标签数据和无标签数据设计相应的损失函数,实现标注数据中专家知识和无标注数据中空间结构信息的综合利用.在公开数据集MQ2007-semi和MQ2008-semi上验证了算法的有效性,在自主构建的舆情数据集上验证了算法的实用性和泛化性.实验结果表明,所提算法可以根据少量的专家知识或标注数据,实现网络舆情事件演化态势的评估,为资源有限条件下的舆情事件管控提供决策支撑.     

基于相关修正的无偏排序学习方法

用户点击数据较文档的相关标签更易被获取且能反映用户兴趣,将其作为标签能够有效降低人工标注成本并且模型能随数据实时更新.但用户点击含有偏差和噪声,因此需设计有效的无偏排序方法.针对无偏排序中对偶学习方法收敛得到次优解从而无法完全消除偏差的问题,提出一种基于相关修正的无偏排序学习方法.首先,利用现有小规模相关标注数据训练排序模型,对候选文档进行较精准的相关得分预测;再基于用户点击和文档相关得分训练点击倾向模型;最后,将得到的模型参数设为对偶去偏初始值并联合训练.该方法不影响模型上线的计算速度,可用于在线学习场景,模拟不同程度偏差噪声并在真实点击场景下进行测试,结果表明该方案能够有效提升现有无偏排序学习方法表现.     

一种基于神经网络模型的句子排序方法

句子排序是多文本摘要中的重要问题,合理地对句子进行排序对于摘要的可读性和连贯性具有重要意义。该文首先利用神经网络模型融合了五种前人已经提出过的标准来决定任意两个句子之间的连接强度,这五种标准分别是时间、概率、主题相似性、预设以及继承。其次,该文提出了一种基于马尔科夫随机游走模型的句子排序方法,该方法利用所有句子之间的连接强度共同决定句子的最终排序。最终,该文同时使用人工和半自动方法对句子排序的质量进行评价,实验结果表明该文所提出方法的句子排序质量与基准算法相比具有明显提高。
     

基于排序学习的复杂网络节点接近中心性近似排序

随着网络规模的增大,节点接近中心性的精确算法效率越来越低.本文提出一种基于RankNet排序学习算法的模型以快速逼近复杂网络节点接近中心性排序.首先通过相关性分析得到与接近中心性呈正相关的节点重要度指标作为模型的输入特征,然后在给定网络中随机选取节点子集用于模型的训练样本数据.在一个真实航空网络数据集和典型的复杂网络模型上对提出的模型进行了验证,实验结果表明基于RankNet排序学习算法的模型能够在一定程度上降低计算时间复杂度,而且保持了较高的近似准确性,所提出的模型排序效果明显优于采用回归学习的基准模型.     

基于比较的非数值排序神经网络模型

本文利用阈值前馈神经网络建立了一个基于比较的非数值排序模型。网络仅需5层即可完成非数值排序,权值的选择限制在输入参数的多项式级,而且这种前馈神经网络不需要学习,每一层的权是固定的。     

基于用户反馈的搜索引擎排名算法

以Web 2.0中用户行为作为研究对象,通过发掘用户反馈方式,提出用户反馈分值的概念,对用户反馈影响搜索结果排名的具体方法以及相应实现进行研究,提出了一种基于神经网络的网页排序算法。该算法引入BP神经网络模型,根据用户反馈分值选择样本训练神经网络。将传统搜索结果输入到经过训练的神经网络进行计算,根据计算出的结果所表示的网页相关性强弱判断后进行二次排序。该算法利用了神经网络具有的模式识别能力,有效地将用户反馈和搜索引擎结合起来,使得搜索结果更加符合用户的搜索要求。     

基于可分性判据排序的RBF神经网络属性选择方法

提出一种基于数据属性重要性排序的神经网络属性选择方法,该方法只需对部分属性进行洲练,即可进行降维,它克服了现有的神经网络降维方法必须对全部属性进行训练的弊端,大大提高了属性选择的效率。该方法先用本文提出的一种简单的可分性判据方法对数据属性进行重要性排序,然后按重要次序用RBF神经网络进行属性选择。仿真实例表明,该方法具有良好的效果。     

一种高效的基于排序的RBF神经网络属性选择方法

高维数据包含的大量冗余给数据挖掘带来了困难。因此，对高维数据进行数据挖掘时，必须先对原始数据进行降维处理。文中提出一种基于数据属性重要性排序的神经网络属性选择方法。该方法只需对部分属性进行训练，即可进行降维。它克服了现有的神经网络降维方法必须对全部属性进行训练的弊端，大大提高了属性选择的效率。该方法先用输入输出关联法对数据属性进行重要性排序，然后按重要次序用RBF神经网络进行属性选择。仿真结果表明效果良好。     

Fuzzy Critical Path Method Based on Signed-Distance Ranking and Statistical Confidence-Interval Estimates

Activity networks have proved very useful for certain types of project performance evaluations. The purpose of the critical path method (CPM) is to identify the critical activities in the critical path of an activity network. However, the unknowns or vagueness about the time duration for activities in network planning, has led to the development of fuzzy CPM. In this paper, we propose an approach that combines fuzzy mathematics with statistics to solve practical problems in unknown or vague situations. We introduce a fuzzy CPM based on statistical confidence-interval estimates and a signed-distance ranking for (1–) fuzzy number levels. We not only derive the level (1–) of fuzzy numbers from (1–)×100% statistical data confidence-interval estimates, but also use the signed-distance ranking method to define the ordering. The primary result obtained from this study, is a theorem through which the critical path in the fuzzy sense is obtained based on statistical confidence-interval estimates.     

基于BP神经网络的车牌自动定位方法

提出了基于BP神经网络的车牌自动定位方法。实验表明，由此建立的车牌自动定位模型适角于各类机动车辆，总定位率为99．5%，达到了业务使用的要求。     

基于拟牛顿法的前向神经元网络学习算法

针对前向神经网络现有BP学习算法的不足,结合非线性最优化方法,提出一种基于拟牛顿法的神经元网络学习算法。该算法有效地改进了神经元网络的学习收敛速度,取得了比常规BP算法更好的收敛性能和学习速度。     

一种基于扫描行的汽车车牌定位算法

汽车牌照的自动识别是一种重要的交通信息获取技术,在ITS中有广泛应用。该文在对收费站汽车牌照特征分析的基础上,提出了一种改进的基于扫描行的灰度跳变点特征的车牌定位算法。实验结果表明,该方法能有效定位车牌,车牌定位精度超过95%,并能有效地克服光线和天气条件等影响。     

基于CNN彩色图像边缘检测的车牌定位方法

针对现有车牌定位算法准确率不高、步骤多和速度慢等问题, 提出一种彩色图像车牌定位方法(License plate locating based on CNN color edge detection, LPLCCED). 首先利用细胞神经网络(Cell neural network, CNN)模型导出一种与车牌颜色特征相结合的车牌定位专用边缘检测算法, 将车牌的颜色对约束条件融合到边缘检测算法中, 本文专用边缘检测算法可以大大缩小车牌初步定位的范围. 接下来提出一种针对车牌特征的边缘滤波算法, 最后根据车牌结构和纹理特征对候选区域进行判别验证. 该流程的各个环节都可以通过硬件实现, 为面向智能交通领域的实时车牌识别系统的前期车牌定位处理提供了依据.     

Accumulative Time Based Ranking Method to Reputation Evaluation in Information Networks

Journal of Computer Science and Technology - Due to over-abundant information on the Web, information filtering becomes a key task for online users to obtain relevant suggestions and how to extract...     

基于在线评价信息的属性权重确定及方案排序方法

近年来，数据体量较大的多属性在线评价信息在一些网站中大量涌现，并且在线评价信息往往呈现离散随机分布的形式，如何基于在线评价信息确定属性权重并进行方案排序，这是一个新的值得关注的研究问题。本文提出了一种基于在线评价信息的属性权重确定及方案排序方法，在方法中，首先将每个属性的在线评价信息描述为离散型概率分布函数形式，并构建加权累积分布函数决策矩阵；然后依据该矩阵，通过定义理想累积分布向量和每个方案与其向量的距离，构建确定属性权重的优化模型；进一步地，通过求解优化模型可得到每个属性的权重，在此基础上，通过计算每个方案的排序值可确定方案的排序结果。最后，基于汽车之家网站中的汽车产品在线评价信息，给出了本文提出方法的应用的实例分析。