微粒群并行聚类在客户细分中的应用

提出了基于自适应微粒群优化的并行聚类算法 ,采用了任务分布方案和部分异步并行通信 ,降低了计算时间。这种并行自适应微粒群算法结合了并行微粒群算法的快速寻优能力和自适应参数动态优化特性 ,保持了群体多样性从而避免了种群退化。最后将该算法应用于电信客户细分中。实验证明 ,该算法在并行机群上具有了较好的准确性、加速性和可扩展性。     

非线性量化小脑模型神经网络在溶出循环母液配比模型中的应用

采用自适应算法对小脑模型神经网络的概念映射进行设计,提出了非线性量化小脑模型神经网络算 法,提高小脑模型神经网络的计算速度和精度以满足复杂动态环境下的非线性实时控制的需要．提出了基于非线性 量化小脑模型神经网络的溶出预脱硅系统时间序列预测模型,用于准确实时地预测循环母液加入量,在此基础上进 行循环母液投放措施优化．试验说明了该模型在对化工软计算的预测精度和快速性上具有明显的优越性,本模型已 应用于某氧化铝厂工艺优化系统中,动态调节循环母液投放量以节省原料．     

基于信息素模型的交通异常预测研究

针对准确收集交通堵塞数据难以及交通事故数据少、信息弱的特点,提出一种基于信息技术的交通预测方法,该方法不需要过去的数据及对数据的分析处理,而采用了传感技术和昆虫传递信息的机理.仿真实验结果表明其预测准确度高于时间序列中的滑动平均法.     

故障诊断自适应策略研究

大多数故障诊断系统不能适应环境的变化,即不具备自适应性。针对这种情况,论文提出了故障诊断自适应策略,该自适应策略由状态空间和策略空间构成,状态空间用来描述环境状态,策略空间用来描述采用的策略。对于状态空间中的某一具体的环境状态,在策略空间存在唯一的策略与之对应。实验结果表明,论文提出的故障诊断自适应策略是比较有效的。     

半边人脸识别方法

针对光线变化对人脸的正确识别的影响,提出一种半边人脸识别方法。该方法把训练集的人脸图片分为左右两个部分,经过亮度补偿后分别训练左右脸的特征提取器,提取训练集中左右半边脸的特征。计算待识别图片左右半边脸的熵,选取熵较大的半边脸及对应的特征提取器,经过亮度补偿后提取该半边脸的特征,并根据提取的特征进行归类。实验结果表明,对光线有变化的人脸,该方法比用全脸识别具有更好的识别率和识别速度。     

叠层递归径向基网络在客户流失分析中的应用

将叠层递归径向基(RBF)网络应用于客户流失研究,给出了客户流失研究中涉及的主要问题的解决方案,包括客户描述、属性规约、流失原因分析以及流失预测与控制策略等,解决了流失预测模型的建立问题,并采用单元叠层输入技术实现了神经网络的动态存储,这使网络具有了动态地处理数据的能力, 提出自适应距离优化核函数的中心半径参数,对混沌时序数据的仿真实验证明算法的有效性。最后利用训练后的模型对每个客户的流失可能性进行预测以及生成可能流失的客户列表,通过对实际案例的应用,对模型的有效性和可操作性进行了验证,证明其具有实际意义。     

基于并行核径向基神经网络的软测量与控制模型

转炉提钒过程中存在大量多元非线性因素,难以从统计学和机理上建立各操作参数与生产目标的优化控制模型,为优化转炉的操作参数,建立了基于径向基神经网络的半钢钒含量软测量和控制模型.径向基神经网络常用于非线性回归预测和控制,但是高维的核函数矩阵运算需要花费巨大计算资源.为了缩短计算时间,本文设计了并行算法用于计算径向基网络核函数矩阵,并将它用于转炉提钒软测量和控制模型,在以MPI构建的工作站机群上执行该算法,利用实际数据验证了该算法的加速性和准确性.     

建构主义在高级C#应用开发教学改革中的应用

针对目前高级C#应用开发教学中存在的问题,在建构主义学习理论的倡导下,文章论述高级C#应用开发课程的教学改革思路:组织开展互动教学、案例教学、实训教学来促进和完善学生对C#知识体系的意义建构。这对高级C#应用开发教学模式改革极具指导意义。     

基于关联规则的决策树挖掘读者信息服务分析

通过决策树对读者借阅量的潜在因素及影响程度强弱的分析，为读者差异性信息服务提供决策指导。