智能决策支持系统的一种学习推理机

介绍几种软计算技术，并利用软计算融合技术，提出一种新的智能决策支持系统的学习推理系统。该学习推理系统可以用作智能决策支持系统的学习模块，由此可以生成智能决策支持系统的知识库。     

异维学习人工蜂群算法*

针对人工蜂群算法局部搜索能力弱及易陷入局部最优的缺点,提出了一种改进的人工蜂群算法。首先,雇佣蜂使用全局最优引导的搜索策略,且引导程度随个体试验次数()自适应减小,以此平衡算法的全局和局部搜索能力。其次,观察蜂采用变异的异维学习策略,使算法的搜索具有跳跃性,以提高跳出局部最优的概率。对8个经典基准测试函数和CEC2013中8个复合基准函数的测试结果表明,与多种最近提出的类似算法相比,新算法在收敛速度和解的精度均具有显著优势。     

一种融合AutoEncoder与CNN的混合算法用于图像特征提取*

深度学习方法表现出来了非常优异的特征提取能力,本文针对传统特征提取方法需要先验知识的不足,提出了一种 AutoEncoder与Convolutional Neural Networks(CNN)相结合的深度学习特征提取方法;给AutoEncoder加入一种快速稀疏性控制方法,用来训练出基本构件,并初始化CNN的卷积核;给CNN网络加入了滤波机制,使输出特征保持稀疏性。实验指出,在Minist手写数字库上,本文方法取得了误差率为5.07%的较好结果,实验进一步通过交叉验证t检验指出,加入滤波机制的特征提取模型优于没有加滤波机制的模型。     

一种BPEL结构演化算法研究*

针对BPEL并发同步引发的数据竞争、流程阻塞等问题,提出了一种BPEL结构演化算法。该算法的基本思想是利用BPEL基于XML编写的事实,使用XML 解析工具对BPEL的结构进行调整,达到规避失败的同步过程,删除冗余link结构的目的。利用自主开发的转换工具实现BPEL到形式化描述语言LOTOS的转换,通过对演化前后的BPEL流程做模型检测,来验证该演化方法的可行性。实验结果表明BPEL结构演化算法能够有效缓解BPEL并发同步带来的数据竞争、流程阻塞问题。     

一种分层自适应快速K-means算法*

现今如何在大数据库中找到有用的数据类型已成为一个研究热点,而对数据库中分类簇的识别是该领域广泛研究的一个问题。提出一种分层自适应快速k-means(Hierarchical Adaptive Fast K-means,HAFKM)算法对图像数据库分类聚簇。HAFKM根据提出的分层策略构建一棵非平衡聚类树,通过自适应的方法CEC(Cluster Evaluation Criterion)确定了除根节点外的每棵子树的分支数目,而在聚类树的每一层聚类中使用一种提出的判别函数(the cost-function)在颜色直方图上根据颜色等级直接聚类,从而可以在整棵树上快速聚类。实验表明,HAFKM通过在非平衡树上逐层聚类,并且通过CEC准确判断聚类数目,可以快速、高效的实现数据库的分类聚簇。     

一种网络日志属性挖掘与分析方法*

提出一种基于LDA模型(Latent Dirichlet Allocation Model)和主题知识库相结合的网络日志内容属性标注方法。IP知识库的建立首先需要对采集的网络日志进行数据预处理,然后基于统计学原理标注网络日志的时间类属性,利用IP地址库映射方法提取网络日志的地域类属性,最后采用一种基于LDA模型和主题知识库相结合的标注方法对网络日志的内容类属性进行挖掘。结果表明,该方法原理正确,对网络日志属性的挖掘具有较好的效果。     

基于子空间学习的图稀疏属性选择算法*

针对处理高维度属性的大数据的属性约减方法进行了研究。发现属性选择和子空间学习是属性约简的两种常见方法,其中属性选择具有很好的解释性,子空间学习的分类效果优于属性选择。而往往这两种方法是各自独立进行应用。为此,提出了综合这两种属性约简方法,设计出新的属性选择方法。即利用子空间学习的两种技术(即线性判别分析(LDA)和局部保持投影(LPP)),考虑数据的全局特性和局部特性,同时设置稀疏正则化因子实现属性选择。基于分类准确率、方差和变异系数等评价指标的实验结果比较,表明该算法相比其它对比算法,能更有效的选取判别属性,并能取得很好的分类效果。     

基于卷积网络的帧率提升算法研究*

基于运动补偿的帧率提升算法是目前主要的帧率提升方法。为减小内插帧中的块效应、孔洞和遮挡问题,提高插值帧质量,本文提出一种基于卷积神经网络（convolutional neural network）的自学习帧率提升（frame rate up-conversion）方法。卷积神经网络用于利用两相邻帧预测待插值帧。在卷积神经网络的训练阶段,我们假设高帧率视频是存在的,网络参数由高帧率视频与低帧率视频训练而来。最后视频数据以低帧率视频加网络参数的形式传输,在接收端就可以利用卷积神经网络重建高帧率视频。实质上,我们这样做是通过增加视频发布者的负担以提供给视频接受者更多便利。对于视频点播网站来说,这是提升用户体验的重要因素。实验表明,我们的方案相对于传统的基于运动补偿的帧率提升算法,平均PSNR提升至少0.6 DB,取得较大程度提升。并且,我们的方法是基于全局的帧预测方法,可以有效避免快效应、孔洞和遮挡问题。     

基于用户潜在时效偏好的推荐算法*

针对推荐系统中用户兴趣的潜在性以及高时效性业务场景下用户兴趣的不稳定性和时间迁移性进行研究,提出一种基于用户潜在时效偏好的推荐方法。通过深入分析用户的历史行为与用户潜在兴趣的关系,提出基于概率主题模型的用户兴趣挖掘方法,避免了传统推荐方式对用户兴趣潜在性的忽略;同时,基于高时效业务对时间敏感性的考虑,结合隐马尔科夫模型对用户兴趣进行实时捕获,发现用户的兴趣迁移序列,并以此提出基于用户时效偏好的推荐方法。最后通过相关实验验证了所提出方法的可行性。     

人工蜂群算法研究综述*

人工蜂群算法自提出以来,受到很多学者的关注,并涌现出大量的研究文献。本文介绍了2013年以来国内外蜂群算法的研究成果,包括加快收敛、提高开采能力、提高算法性能方面的改进;针对约束优化、平行化运行、多目标寻优等多方面的研究;以及人工蜂群算法在神经网络、无线传感网、决策调度、图像信号处理等多个领域的研究现状,并指出人工蜂群算法有待进一步解决的问题及未来的研究方向。     

基于卷积的时态CBR快速检索算法及应用

探讨了如何增强CBR对一种常见的时态信息,即时间序列数据的检索能力;分析了已有的基于傅里叶频谱分析的时间序列检索算法应用于CBR时遇到的问题,并根据时态CBR检索的需要,提出了一种新的基于循环卷积和傅里叶变换时间序列检索算法.理论分析和数值实验结果都证明,提出的算法在检索效率上有一定的优势.将采取这种检索方法的时态CBR应用于时间序列的预测问题中,取得了较好的预测效果且具有较高的预测效率.     

基于CBR的信息化装备故障案例推理复用技术研究

针对信息化装备技术保障要求,在对信息化装备故障案例特点进行分析的基础上,运用CBR理论解决信息化装备故障诊断的实际问题,提出了信息化装备故障案例推理复用策略,为构造实用的信息化装备故障诊断专家系统提供支持,对加强信息化装备技术保障具有积极的意义.     

改进的分拣作业机械臂基于范例推理信念期望意图推理机制

针对以案例推理机制为推理核心的分拣作业机械臂系统不能用于物体信息较多的复杂场景的问题,提出一种改进的基于范例推理-信念期望意图(CBR-BDI)推理机制。首先,将输入的信息作为信念(Belief),通过分词与检索得到案例属性,将其作为期望(Desire);然后,加入地图匹配、期望分析和引导三个部分以完善期望;最后,完整的期望生成解决方案作为意图(Intention)。在多物体多信息的场景中,用户可通过对话指挥系统进行分拣作业。实验结果表明,与传统的案例推理(CBR)机制相比,改进的CBR-BDI推理机制具有分析和引导能力,能用于多物体复杂场景。     

基于本体的案例推理模型研究*

提出了基于本体的案例检索及相似性评估方法和基于本体的案例适配模型,使得CBR(case-based reasoning)系统的开发可在语义层次上进行相似性评估和案例适配,这样得到的结果更能反映用户的真实需求;并且CBR所需要的领域知识可从本体中获取,大大降低了传统CBR系统中知识获取的瓶颈。最后在此基础上,提出了基于本体的CBR系统模型框架,从软件复用的角度提高了CBR系统的开发效率。     

基于实例推理的电机模具设计

结合某企业电动机典型零件的模具设计,将实例设计的设计思想用于电机模具设计,同时通过对基于实例推理的分析,成功实现了基于相似实例的模具CAD系统,经实际应用,效果显著。     

实例推理和规则推理在实例修改中的应用

在CBR系统中实例修改是一个关键环节,该文通过分析几种实例修改的方法,提出了将实例推理和规则推理进行整合后引入到实例修改过程中,建立修改规则库来完成实例修改,并就如何建立修改规则库进行了说明,为建立智能化的实例修改提供一种思路。     

基于CBR的通信对抗指挥IDSS设计

研究了基于案例推理的通信对抗指挥智能决策支持系统开发技术。在分析通信对抗指挥决策流程的基础上,基于案例推理的设计思想,提出了一个通信对抗指挥智能决策支持系统的技术框架。该框架划分为应用层、处理层、管理层、信息层和通信层,同时讨论了各层的功能及详细内容。该系统克服了传统的基于规则推理系统的军事知识难于获取、表示和推理的脆弱性等缺陷,能有效地处理通信对抗指挥中面临的半结构化或非结构化问题,提高了制定通信对抗方案的时效性和科学性。     

智能教学系统中基于案例推理的教学策略研究

把基于案例推理(CBR)技术引入智能教学系统中教学策略的推理和控制中,提出了在全局教学策略和局部教学策略控制中CBR应用模型,并提出了在这种模式下,案例库的初始化、案例的学习与修正方法.该模型应用以前学生学习的经验作为以后学生学习的引导,从而实现教学策略的自动组织、自动规划,实现学生的自主选择,自由学习.最后进行了总结,提出了下一步研究的方向.     

基于案例推理的网络舆情辅助决策系统研究

为了实现网络舆情监测与辅助决策,提出一种基于案例推理的网络舆情辅助决策系统框架。首先综述网络舆情研究现状,提出基于案例推理的网络舆情辅助决策系统的意义;其次,研究基于案例推理的网络舆情辅助决策系统的工作流程,并提出基于案例推理的网络舆情辅助决策系统的框架;接着研究基于案例推理的网络舆情辅助决策系统中的关键内容,即案例表示与检索,并给出详细实现方法;最后,在以上研究基础上实现原型系统,结果表明该系统可以有效实现舆情辅助决策。     

Feed-rate control using fuzzy reasoning for NC machine tools

In this article, a 3D design and machining system based on an NC machine tool with a rotary unit is first introduced to effectively produce attractive paint rollers. A post-processor is proposed to transform a base tool path called cutter location data (CL data) to NC data, mapping the y-directional pick feed to the rotational angle of the rotary unit. The 3D machining system with the postprocessor allows us easily to transcribe a relief design on a flat model surface to a cylindrical model surface. The postprocessor has another function that systematically adjusts the feed-rate according to the curvature of each design to prevent the machined surface from being chipped. The post-processor generates suitable feed-rate codes by using a simple fuzzy reasoning method while checking the edges in relief designs. Experimental results show that wooden paint rollers with attractive relief designs can be successfully machined without undesirable edge chipping. Next, the proposed fuzzy feed-rate generator is further applied to a mold-polishing robot, so that the polishing time can be reduced by about 30% compared with the case without the generator. This work was presented in part at the 12th International Symposium on Artificial Life and Robotics, Oita, Japan, January 25–27, 2007