基于机器学习的自适应预测式外呼算法研究

预测式外呼是一种高效的触达客户的方式.但如何在尽可能提高坐席利用率的目标下又同时要控制住呼损率,一直是企业亟待解决的问题,尤其是在话务接通率波动较大的情况下.设计了一种基于机器学习技术的预测和自适应控制算法,能够精确地预测给定拨打速度下的坐席利用率和呼损率,能够自适应各类话务接通率来实时调整拨打速度.基于数值分析发现,...     

基于思维进化的MEBML算法的收敛性研究

针对基于思维进化的机器学习（ＭＥＢＭＬ）的马尔可夫链的分析,证明了离散状态下趋同操作的群体信概率１收敛到全局最优状态,但由于趋同操作的局部性,从局部最优状态转移到全局最优状态的概率非常小,要增加这种转移概率,需要引进异化操作,通过Ｐ－最优状态和吸引域的概念,分析了趋同操作、异化操作的理论和实际意义。     

基于IBL算法的CRB系统中索引与检索机制研究

文章介绍了基于示例学习算法IBL的概况,并对其加以改进,提出了一个新的算法IBL－Cluster。它主要由概念描述形成算法和概念描述修改算法构成,在此基础上建立了应用在基于事例的推理系统CBR中的基于IBL算法的索引与检索机制。实验表明新算法IBL－Cluster在存储空间及测试正确率方面均有改善。     

进化算法的选择机制分析

一、引言进化算法(EA)是受自然进化所启发的搜索和优化技术,它包括:遗传算法(GA),进化规划(EP),进化策略(ES),和遗传编程(GP)。 GA是John Holland〔,]等人于1975年在美国密歇根大学应用自然选择过程来解决机器学习问题时提出的,它在于搜索有高的适应值的基因结构;ES在于搜索与适应值函     

容忍噪音的特征子集选择算法研究

特征子集选择问题一直是人工智能领域研究的重要内容，特别是近几年来，特征子集选择算法研究已经成为机器学习和数据挖掘等领域的研究热点，提出了一个新的特征子集选择算法－容忍噪音的特征子集选择算法（NFS），该算法将聚类的思想引入到噪音的处理，并将Gini系数和墨西哥帽函数应用于特征选取，实现对偏吸噪音数据集的特征子集选择，实际领域的实验结果表明，NFS算法具有噪音容忍度高，选择特征代表性强和求解速度快的优点，因此能够有效地应用于实际领域。     

多专家决策算法

多专家决策问题是在多个专家提出决策的基础上提出一个综合的决策,并根据实例调整策略,使得到的决策达到“最佳”,文中介绍的算法将整个决策早分成若干个子决策域,并在各子决策域为每个专家权值,从而个子决策域确定最佳决策,文中提出了两种决策算法,并证最了它们的有效性,算法１得到的决策可在各个子决策域都接近最佳决策,算法２则力图在各专家决策都偏离实际值的情况下,提出比最佳专家决策更接近实际值的决策。     

基于分形理论的风电功率预测算法研究

近些年,风能成为世界上装机容量较大的可再生能源之一,风力发电的并网容量不断增加,给电网稳定运行带来不小挑战,风力输出功率预测精度的提升能够有效地减轻风电并网时对电网的冲击,同时为电网的调度和安全运营提供保障.为进一步提升的风电功率预测精度,借鉴分形理论并将其融合到风电功率预测模型中,同时结合自定义K最近邻算法(K-ne...     

基于代理辅助多目标萤火虫算法的软件缺陷预测方法研究

针对软件缺陷预测中数据维度的复杂化和类不平衡问题,提出一种基于代理辅助模型的多目标萤火虫算法(SMO-MSFFA)的软件缺陷预测方法。该方法采用了多组策略萤火虫算法(MSFFA),以最小化数据的特征选择比率和最大化模型评测AUC值为多目标目标函数,分别以随机森林(RF)、支持向量机(SVM)和K近邻分类算法(KNN)为分类器构建软件缺陷预测模型。考虑到进化算法自身的迭代特点,嵌入代理模型离线完成部分个体评价函数的计算,以缩短计算耗时。在公开数据集NASA中的PC1、KC1和MC1项目上进行实验验证,与NSGA-II方法相比,在项目PC1、KC1和MC1上模型AUC均值分别提升0.17、降低0.01和提升0.09,平均特征选择比率分别降低0.08,0.17和0.05,平均耗时分别增加131 s,降低了199 s和降低了431 s。实验结果表明,提出的方法在提高模型性能、降低特征选择比率和缩短计算耗时方面具有明显的优势。     

递归逻辑程序的强构造分层学习算法及其实现

本文提出了一种逻辑程序的强构造分层学习算法用该算法解决了一类递归逻辑程序的强构造二层学问题，为强的构造学习研究提供了一个新的思路，并就有关问题进行了详细的讨论。     

土壤墒情预测自适应遗传神经网络算法研究

针对传统遗传神经网络算法易出现的早熟收敛及锯齿等现象,提出一种新型算法应用于土壤墒情预测。该算法提出了衡量种群基因多样性的遗传多样性函数的概念,自适应调节交叉和变异策略,在全局范围内寻找最优初始网络权值和阈值,从而降低算法迭代次数,提高神经网络预测的精度和效率。仿真结果表明,与其他遗传神经网络算法相比较,该算法平均绝对误差从2%降低到1%,平均相对误差从5%降低到3%,最大相对误差从15%降低到8%,即新型算法可有效提高墒情的预测质量。     

多种字符串相似度算法的比较研究

对计算字符串相似度的编辑距离算法、最长公共子串算法、贪心字符串匹配算法、RKR-GST等多种算法,根据匹配过程是否有序,对这些算法进行了分类。然后对每种算法的实现原理进行了描述,并给出每个算法的运行步骤,结合一个实际的例子列出了算法运行的结果,最后给出每种算法计算相似度的计算公式和算法时间复杂度及应用领域。由于字符串相似度具有广泛的应用领域,对其中经典的几种算法进行总结对比是一件十分有意义的研究工作。     

智能家居产品综述

以国内外各种智能家居产品为基础,主要介绍了智能家居产品的概念,国内外相关产品,智能家居相关技术的研究,最后通过对用户的调查,总结得出了当前用户的需求,并且对智能家居的未来发展做了展望。     

基于复合通讯方式的远程智能家居系统

介绍了一种远程智能家居系统。该系统以PIC16F877单片机为核心,以因特网、移动通信网和电话网为复合通讯方式,可以满足普通家庭的家居安防、远程监视和远程家电控制的需要。在廉价的单片机上设计了嵌入式的TCP/IP协议,实现了Web服务器功能,将短消息和电话功能集成在一起是系统的主要特点。     

用DSP实现单边带调制解调的算法实现及性能比较

本文介绍了单边带调制的三种模拟方法以及硬件实现平台,并比较了它们性能。     

模糊预测控制算法

模糊预测控制(FPC)是近年来发展起来的新型控制算法，是模糊控制与预测控制相结合的产物。章在预测控制的模型预测、滚动优化、反馈校正机理下，对模糊预测控制模型及其优化控制算法作了归纳，并对模糊预测控制今后的发展进行了展望。     

采用预测策略的Earley算法

在自然语言处理中,句法分析主要有基于统计的方法和基于规则的方法。Earley算法是一种基于规则的方法,可以分析任意上下文无关文法(CFG),而不需要对文法进行修改。详细分析了Earley算法的特点。在通常的Earley算法中增加了多种预测机制,这些预测机制借鉴了LL,LR以及SLR等确定性分析算法的一些思想,并对这几种不同的预测机制及其组合在相同条件下进行了中文句法分析实验。结果显示,引入这些预测机制通常可以减少产生项目的数量,从而节省存储空间,减少运行时间。     

星系分组算法的并行设计与优化:SGI系统与分布式集群对比

Halo-based Galaxy Group Finder (HGGF) 是一种有效的星系分组算法,它根据星系的空间位置、红移、质量等多种属性将星系分组,从而为星系组的形成与演化研究提供重要依据。但是,算法当前的OpenMP实现版本仅能利用单节点提供的资源,在大规模星系分组问题上的应用受到限制。一种优化思路是采用多机并行,使其可以利用更多资源来解决更大规模的星系分组问题,并缩短执行时间。因此,有必要对算法重新进行设计与实现。实现此目标的一大挑战是程序中存在大量半随机性远端内存访问,其在多机并行环境下会对性能造成重大影响。为克服这一难题,设计中提出了邻接星系链表思想,并采用Unified Parallel C (UPC)进行程序实现。对于核代码部分,使用4,8,16节点时,可分别取得2.25,2.78,5.07倍的加速比;同时,对单个节点的内存需求也显著减少。OpenMP版本在SGI UV 2000上的实验结果显示,受限于程序的访存特性与机器体系架构的特点,类似HGGF算法这种具有随机数据访问特征的程序,很难有效利用NUMA结构的共享内存系统中提供的大规模线程与内存资源来直接取得高加速比。在分布式内存集群上采用两级并行设计,以更好地利用局部性原理,可能是更好的解决方案。     

基于不相似性的软件缺陷预测算法

软件缺陷预测是典型的类不均衡学习问题,其中有缺陷的样本数量远少于无缺陷的样本数量,但有缺陷的样本通常是预测的重点。现有的软件预测模型大多建立在基于静态度量元的软件缺陷数据集上,重点关注如何平衡类分布,而忽略了数据集中属性特征对软件缺陷的判别能力。当软件缺陷数据集中的属性特征对类目标概念缺乏判别能力时,传统机器学习算法难以构建有效的软件缺陷预测模型,从而无法获得有效的预测性能。为此,提出了一种基于不相似性的软件缺陷预测算法,通过改善软件缺陷数据集中属性的判别能力,进而提升软件缺陷预测性能。实验证明：基于不相似性的软件缺陷预测算法能够有效地改善传统机器学习算法在软件缺陷数据集上的预测性能。     

一种快速帧内预测算法

为进一步提高帧内预测的编码性能,提出一种新的帧内预测算法。该算法对用于预测的参考像素进行相似度检测,当参考像素相似度高时,直接使用平均模式预测,省去了用于编码预测模式的比特,节省了码率,并降低了计算复杂度。实验结果表明,该算法在同样的峰值信噪比(PSNR)下,平均码率降低了1.42%,编码速度提高了32.1%。     

梯度均值预测滤波算法及其应用

测量误差不可避免的存在于各种测量系统之中.针对缓慢变化的测量数据中存在的随机误差,结合传统滤波方法的优点,提出了梯度均值预测滤波算法,阐述了算法的基本思想和流程,并结合桥梁挠度连续测量系统的测量数据进行了滤波实验,结果表明,该算法能够有效去除缓慢变化的测量数据中的干扰信号,滤波效果明显.