基于Bootstrapping的因特网流量分类方法

针对因特网流量分类面临的流量类别标记瓶颈和类别样本数分布不平衡,提出基于Bootstrapping的流量分类方法,使用少量有标记样本训练初始分类器,迭代利用无标记样本扩展样本集并更新分类器. 在构建扩展样本集过程中,将无标记样本在某后验概率分布下的正确分类行为视为一个概率事件,建立新的置信度计算方法,以减少扩展样本集中的噪声样本;基于概率近似正确学习理论建立启发式规则,注重选择小类样本加入扩展样本集,缓解类别样本数分布的不平衡. 实验结果表明,与初始分类器相比,基于Bootstrapping的流量分类器总体分类准确率可提高9.46%;与现有半监督学习方法相比,小类分类准确率提高2.22%.     

基于多代种群进化信息改进的差分进化算法研究

差分进化算法是进化算法中一种性能较为优良的全局数值优化算法,已在人工智能、信号处理等方面取得广泛应用,但当前研究往往仅考虑进化过程中某一代种群的分布信息,而忽略进化过程中多代种群累积的分布信息,造成信息利用不充分。借助自适应协方差矩阵进化策略的思想,充分利用进化过程中累积的种群分布信息,同时,由于自适应协方差矩阵存在收敛早熟、易陷入局部最优的缺点,先后对变异和交叉操作进行相应改进,以平衡算法的全局搜索能力和局部搜索能力。首先,根据种群中个体适应度值进行排序,由余弦函数改进的概率模型计算个体参与变异操作的概率,基向量和差分向量中末端向量根据概率值降序选择,差分向量中起始向量升序选择,从而提高种群的搜索范围;然后,对协方差矩阵进行特征分解,并在由特征向量构建的坐标系中执行交叉操作,该种方式生成的实验向量更接近全局最优解。针对上述改进操作,采用IEEE CEC2014作为评估函数,实验结果表明,相比现有的差分进化改进算法,本改进算法的实验性能提升更为明显。     

微细粒煤泥水沉降特性及机理研究

以山西某选煤厂的微细煤泥水为试验对象，对煤泥进行了粒度组成和矿物组成分析，煤泥粒度较细，90%分布在49.5μm以下，含有大量的高岭石等粘土矿物，导致煤泥沉降困难。研究不同药剂类型和用量条件下凝聚剂、絮凝剂以及联合作用时对煤泥水沉降效果的影响，及絮团粒径、分形维数和絮凝效果之间的关系。煤泥沉降试验表明，阴离子型聚丙烯酰胺(APAM)单独使用时，随着APAM分子量的增加，初始沉降速度逐渐增大，上清液浊度降低。APAM和凝聚剂聚合氯化铝(PAC)联合使用时，沉降效果显著提高。当APAM的添加量为80 g/t, PAC添加量为200 g/t时，煤泥沉降效果最好，此时初始沉降速度为6.8 mm/s,上清液浊度为226.4 NTU,分形维数为1.79。在试验研究的范围内，随着分形维数的增加，上清液浊度逐渐降低，初始沉降速度增加。     

《信息系统分析与设计》课程线上线下混合教学模式设计

《信息系统分析与设计》是信息管理与信息系统专业的必修课程。针对该课程线下教学中存在的教学内容枯燥、教材缺少系统性的实践教学内容、课堂互动较少等问题，提出了线上线下混合教学模式教学方案设计。该教学方案设计包括线上教学设计、线下课堂教学设计和实践设计。实施结果表明，该教学模式能有效提高《信息系统分析与设计》课程的教学效果。