基于遗传算法的隐马尔可夫模型在名词短语识别中的应用研究

为了进一步提高名词短语的识别精度,针对遗传算法和隐马尔可夫模型各自的特点,提出一种基于遗传算法的隐马尔可夫模型识别方法。该方法是在高准确率词性标注的基础上实现的。在训练阶段,用遗传算法获取HMM参数;识别阶段先用一种改进的Viterbi算法进行动态规划,识别同层名词短语,然后用逐层扫描算法和改进Viterbi算法相结合来识别嵌套名词短语。实验结果表明,此联合算法达到了94.78%的准确率和94.29%的召回率,充分融合了遗传算法和隐马尔可夫模型的优点,证明它较单一的隐马尔可夫模型识别法具有更好的识别效果。     

基于Stacking集成结构的钓鱼网站识别

快速且高效地识别钓鱼网站是非常有必要的，可以帮助人们有效避免钓鱼网站引起的网络安全威胁。提出一种基于Stacking集成模型对钓鱼网站进行识别的模型。首先对数据预处理，再利用XGBoost算法进行最优特征集筛选，建立单一模型和Stacking集成模型，同时使用分层交叉验证和网格搜索对算法参数进行调节。实验结果表明，基于Stacking集成结构对钓鱼网站的识别准确率达到了97.96%,AUC值为0.9801，该方法相比其他单一分类器具有更高的识别能力。     

基于ReliefF和蚁群算法的特征基因选择方法

针对高维小样本的DNA微阵列数据多分类问题,提出一种基于ReliefF和蚁群算法的特征基因选择方法(ReliefF and Ant Colony Optimization, ReFACO)。该方法首先采用ReliefF算法评估特征权重,根据阈值筛选出无关基因;然后引入改进的蚁群算法,在迭代改进的过程中寻找最优基因子集;最后利用经典分类算法对维数约简后的数据分类识别。经实验证明,该方法可以有效地剔除无关和冗余基因,并利用较少特征基因达到较高多分类效果。     

基于双空闲因子的RFID防碰撞算法研究

为进一步提高标签的识别速度,在研究了几种典型的DFSA算法基础上,提出了一种双空闲因子参数的RFID防碰撞算法—DIFP,详细阐述了算法的思想、运算流程和关键参数的确定方法。DIFP算法不仅可以通过时隙预览、检测和消除空闲时隙,最大限度减少空闲时隙的开销,同时根据空闲率,对帧中的碰撞时隙立即进行相应处理,避免读写器对标签的多次操作,提高标签的识别速度。仿真结果表明,与标准QA算法相比,DIFP算法识别时延缩短了19%,识别速度提高了10%。     

一种新的非线性回归模型参数估计算法

提出一种新的基于混合基因算法（HGA）的非线性回归模型参数估计算法,新算法通过对问题的解空间交替进行全局和局部搜索,达到快速收敛至全局最优解,较好地解决了传统算法通用性差、易陷入局部极小的问题,实验验证了算法的通用性和有效性。     

基于改进的PSO优化SVM火灾火焰识别算法研究

针对室内复杂环境下火灾识别准确率会降低的问题,提出了一种改进的粒子群算法优化支持向量机参数进行火灾火焰识别的方法;首先在YCrCb颜色空间进行火焰图像分割,对获得的火焰图像进行预处理并提取相关特征量;其次采用PSO算法搜索SVM的最优核参数和惩罚因子,并在PSO算法中加入变异操作和非线性动态调整惯性权值的方法,加快了搜索SVM最优参数的精度和速度;然后将提取的火焰各个特征量作为训练样本输入SVM模型进行训练,并建立参数优化后的SVM分类器模型;最后将待测试样本输入SVM模型进行分类识别;算法的火灾识别准确率达到94.09%,分类效果明显优于其他分类算法;仿真结果表明,改进的PSO优化SVM算法提高了火焰识别的准确率和实时性,算法的自适应性更强,误判率更低。     

基于YOLO v3深度学习算法的视觉导航技术研究与实践

针对传统的目标检测算法实时性低的问题，利用深度学习YOLO v3算法进行视觉识别研究，并将基于YOLO v3算法的视觉识别程序应用于视觉导航小车，实现小车对路标的实时识别和自主导航。在深入理解YOLO v3算法原理和框架的基础上，提出基于YOLO v3算法的视觉导航小车自动驾驶程序框架。通过在视觉导航小车的控制系统中嵌入python语言编写的YOLO v3算法，实现小车在沙盘上进行路标识别和自动驾驶。实际运行效果表明，训练阶段，YOLO v3算法视觉识别对路标的平均识别率达到了93.5%，小车在沙盘上运行过程中对路标的平均识别率达到了99.5%。基于YOLO v3算法的视觉识别表现出较高的路标识别率，可以满足小车自主导航的需要。     

一种改进Viterbi算法的应用研究

为降低现代汉语句法分析的难度,以北大和哈工大语料为基础,利用改进的Viterbi算法对汉语真实文本进行了短语识别研究.提出了在隐马尔可夫模型(HMM)框架下,训练阶段依据统计概率信息,以极大似然法获取HMM参数,识别阶段用一种改进的Viterbi算法进行动态规划,识别同层短语;在此基础上,运用逐层扫描算法和改进Viterbi算法相结合的方法来识别汉语嵌套短语.实验结果表明,识别正确率在封闭测试中可达93.52%,在开放测试中达到77.529%,证明该算法对短语识别问题具有良好的适应性和实用性.     

模拟退火算法在蓄电池内部参数识别中的应用

针对蓄电池由于封闭特性而无法直接测量内部参数的特性,提出基于模璎和模拟退火算法的间接识别方法;建立了蓄电池RC等效电路模型,采用Metropolis准则接受新的参数状态,以阻抗数据测量值和模型值两者之间距离的数学期望和标准方差作为模拟退火算法的能量函数;在三种不同测量噪音水平下对模型中的串联电阻、两个RC网络中的电阻、电容5个内部参数进行识别,最大参数识别误差都小于4%,结果表明该算法具有很好的识别精度和抗干扰性.     

一种基于共坐标上升算法的人名识别方法

共坐标上升算法(coordinate ascent algorithm)是一种迭代优化技术,可以用来指导特征权值的训练。提出一种基于该算法的中国人名识别方法,避免了已有的一些方法中人为指定特征权值的问题,更好地体现特征之间存在的隐含关系。该方法从基础语料中获取特征库及成名概率词典,在训练语料上提取相应特征后,采用共坐标上升学习算法训练得到特征权重以及成名阈值参数,运用学习得到的各参数对普通文本中的中国人名进行识别。提出的方法无需对训练语料进行人工标注,在人名识别时也无需进行分词和词性标注处理,代价低、性能优良、有较好的实用性,在开放测试集上F1值达到93.02%。     

评估网络整体连通概率的算法

提出了一种评估网络整体连通概率的新方法.该方法提出了如何化简网络状态空间,并将状态空间进行多级分解,以缩减状态向量的规模.对分解所得的每一个网络状态向量,提出一种构造子网的方法来判断此向量的是否能保持原网络的连通性,通过迭代运算用网络整体连通概率的上下界来估计其真实值.与传统算法相比,该方法具有计算速度快、收敛性好、通用性较强,适合大规模网络近似计算的特点.     

基于混合二阶隐马尔可夫模型的基因结构预测

在基因预测时,待研究的生物序列中的残基(氨基酸或核甘酸)具有高度的相关性,因此,观测噪声和马尔可夫链不相互独立的条件下的混合隐马尔可夫模型比普通隐马尔可夫模型更适用于基因预测功能.介绍了一种基于混合二阶隐马尔可夫模型(HMM2)的基因识别系统,该系统的预测精度在在核苷酸和外显子水平上均与国外同类研究水平相当.     

A New Probabilistic Robust Control Approach for System with Uncertain Parameters

This paper addresses the issues of conservativeness and computational complexity of robust control. A new probabilistic robust control method is proposed to design a high performance controller. The key of the new method is that the uncertainty set is divided into two parts: r‐subset and the complementary set of r‐subset. The contributions of the new method are as follows: (i) a deterministic robust controller is designed for r‐subset, so it has less conservative than those designed by using deterministic robust control method for the full set; and (ii) the probabilistic robustness of the designed controller is evaluated just for the complementary set of r‐subset but not for the full set, so the computational complexity of the new method is reduced. Given expected probability robustness, a pertinent probabilistic robust controller can be designed by adjusting the norm boundary of r‐subset. The effectiveness of the proposed method is verified by the simulation example.     

一种实数编码多目标贝叶斯优化算法

提出了一种采用基于决策树概率模型表示各变量之间条件相关性的分布估算算法:实数编码多目标贝叶斯优化算法(RCMBOA)。通过构建这样的概率模型,继而对模型进行抽样以产生新个体。再对生成的新个体进行变异操作,以提高算法的搜索能力,增加种群的多样性。这种生成新个体的方法结合非劣分层与截断选择机制,可以很好地逼近多目标问题的Pareto前沿。同时,在进行截断选择时,每次只删除一个排挤距离小的个体,之后重新估算个体的排挤距离,以获得分布均匀的非劣解集。对于约束多目标优化问题,算法采用带约束支配关系判别个体的优劣。用该算法对8个较难的测试问题进行了优化计算,获得的非劣解集与NSGA-II算法得到的相比,非劣解集的质量更高,分布更为均匀。计算结果说明RCMBOA是一种有效、鲁棒的多目标优化算法。     

Dynamic neural network method-based improved PSO and BR algorithms for transient probabilistic analysis of flexible mechanism

To improve the computing efficiency and precision of transient probabilistic analysis of flexible mechanism, dynamic neural network method (DNNM)-based improved particle swarm optimization (PSO)/Bayesian regularization (BR) (called as PSO/BR-DNNM) is proposed based on the developed DNNM with the integration of extremum response surface method (ERSM) and artificial neural network (ANN). The mathematical model of DNNM is established based on ANN on the foundation of investigating ERSM. Aiming at the high nonlinearity and strong coupling characteristics of limit state function of flexible mechanism, accurate weights and thresholds of PSO/BR-DNNM function are discussed by searching initial weights and thresholds based on the improved PSO and training final weights and thresholds by the BR-based training performance function. The probabilistic analysis of two-link flexible robot manipulator (TFRM) was investigated with the proposed method. Reliability degree, distribution characteristics and major factors (section sizes of link-2) of TFRM are obtained, which provides a useful reference for a more effective TFRM design. Through the comparison of three methods (Monte Carlo method, DNNM, PSO/BR-DNNM), it is demonstrated that PSO/BR-DNNM reshapes the probability of flexible mechanism probabilistic analysis and improves the computing efficiency while keeping acceptable computational precision. Moreover, the proposed method offers a useful insight for reliability-based design optimization of flexible mechanism and thereby also enriches the theory and method of mechanical reliability design.     

Probabilistic output admissible set for systems with time-varying uncertainties

This paper considers time-varying uncertain constrained systems, and develops a method for computing a probabilistic output admissible (POA) set. This set consists of the initial states probabilistically assured to satisfy the constraint. The time-invariant counterpart has already been investigated in Hatanaka and Takaba [Computations of probabilistic output admissible set for uncertain constrained systems, Automatica 44 (2) (2008), to appear]. We first define the POA set for time-varying uncertainties with finite dimensional probability space. Then, we show that an algorithm similar to Hatanaka and Takaba [Computations of probabilistic output admissible set for uncertain constrained systems, Automatica 44 (2) (2008), to appear] provides the POA set also in the time-varying case, as long as an upper bound of a what we call future output admissibility (FOA) index is available. We moreover present two methods for computing the upper bound of the FOA index: probabilistic and deterministic methods. A numerical simulation demonstrates the effectiveness of our algorithm.     

基于蚁群算法的XML概率查询策略与算法优化

针对XML数据半结构化的特点及概率查询理论,结合蚁群算法,提出添加杂交算子和更新信息素的方法,该方法不仅能动态选择数据查询方向,而且能避免无效查询,扩大数据查询范围,提高收缩效率。模拟测试证明了该方法能优化XML查询。     

一种新的混合量子进化算法

量子进化算法(QEA)用于多峰函数优化时,容易陷入局部最优.本文提出一种新的混合量子进化算法,通过双编码机制(经典二进制编码和量子概率编码),以及经典交叉和量子概率编码更新策略,实现了经典遗传算法与量子进化算法的有机结合,在发挥经典遗传算法全局优化能力的同时,利用量子概率搜索提高了算法的局部搜索能力.通过一组典型函数优化实验对该算法的性能进行了考察,并与QEA进行了比较.结果表明,本文算法在解的质量和收敛速度上都要优于QEA.     

Information filtering using a probabilistic model

We propose an information filtering system based on a probabilistic model. We make an assumption that a document consists of words which occur according to a probability distribution, and regard a document as a sample drawn according to that distribution. In this article, we adopt a multinomial distribution and represent a document as probability which has random values as the words in the document. When an information filtering system selects information, it uses the similarity between the user's interests (a user profile) and a document. Since our proposed system is constructed under the probabilistic model, the similarity is defined using the Kullback Leibler divergence. To create the user profile, we must optimize the Kullback Leibler divergence. Since the Kullback Leibler divergence is a nonlinear function, we use a genetic algorithm to optimize it. We carry out experiments and confirm effectiveness of the proposed method. This work was presented in part at the 10th International Symposium on Artificial Life and Robotics, Oita, Japan, February 4–6, 2005     

概率逻辑类超树结构分解计算模型的完备性

针对Nilsson概率逻辑推理在计算规模方面存在的问题,本文给出了公式集按类超树结构分解的计算模型,并证明了分解算法的完备性.