基于神经网络和模式匹配的股票预测研究

BP神经网络是分析股票数据最流行的工具之一.近期对模式匹配算法的研究表明模式匹配简化了股票趋势预测的复杂度并为股票市场预测提供了一种简单有效的方法.文中分别阐述了BP神经网络和模式匹配识别的原理,并提出将两种算法相结合,建立一个基于BP神经网络和模式匹配识别的股票市场分析和预测系统.这个系统克服了神经网络预测系统目标函数存在局部最小和模式匹配识别预测系统缺少股票价格自身变化特性的缺点,具有两种算法在股票预测应用方面的优势.通过对泰山石油的股价进行分析来测试这个系统.实验结果表明此方法不仅收敛速度快、预测精度高,而且易于操作,具有一定应用价值.     

混合装配线平衡排产协同优化新算法

装配线平衡和产品排序是紧密相关而且对目标值存在交互影响作用的两个NP-hard问题.文中基于这两个问题的交互影响以及贪婪随机白适应算法(GRASP)比较好的收敛速度和全局满意度,设计了协同优化贪婪随机自适应算法(OOGRASP),并行协同地优化混合装配线,并用实例对此算法进行了仿真研究.此外,文中还考虑了可能存在的瓶颈工序对协同优化效果的影响,将一种基于OPT思想的关键资源调度方法融人原来的COGRASP中,通过相应实例验证,取得的效果也非常好.     

MESHJOIN*:实时数据仓库环境下的数据流更新算法

提出了一种新的实时数据仓库环境下的数据流更新算法——MESHJOIN*算法。算法的特性有:(1)关系R采用了分块和散列的组织形式,尽可能避免对当前连接无效元组的读取,减少连接操作所涉及元组的数量,从而提高连接算法的效率;(2)采用了多线程并发连接技术,并根据工程学原理,实现了连接操作和关系R读取操作的最佳调度,保证了连接算法效率的最大化;(3)根据当前系统的服务率和数据流元组的到达率之间的关系,合理调度实时元组和准实时元组的执行,保证了系统对实时元组的处理要求。实验结果表明,MESHJOIN*算法可以取得比MESHJOIN算法更好的性能。     

路网数据流的预测聚集查询新方法研究

时空数据流的聚集查询技术已经成为数据库领域的研究热点。到目前为止,还没有一种有效的全时态聚集索引适用于非欧氏空间的路网数据流聚集查询。实现路网数据流的全时态聚集查询,必须解决:(1)路网的非欧氏空间特性问题;(2)路网上移动对象的重复计数、非均匀分布以及预测聚集问题。Sketch RR-tree解决了非欧氏空间特性和重复计数问题;为解决非均匀分布问题,借鉴草图划分思想,提出动态草图索引结构DynSketch:采用AMH智能划分Sketch RR-tree,使每个划分区域内车辆均匀分布,以提高聚集查询质量;同时,基于DynSketch,结合ES预测模型,提出了路网数据流的预测聚集查询算法。     

一种基于聚类的核向量机参数C选择算法

核向量机可以高效学习大样本数据集,却有泛化能力低的缺陷.针对已有参数C选择算法缺乏启发性以及选取困难的不足,本文在分析了核聚类算法和距离比较算法的基础之上,提出基于核聚类的相对距离比较方法,该算法利用核聚类算法在特征空间对样本点进行聚类分簇,然后根据样本点到簇心相对距离的比值,得到参数C.本文在理论和实验两个方面,证明该算法有效地选择参数C,从而提高核支持向量机算法的泛化能力.     

基于Snake模型和射线法的颅面重建方法

MC颅面重构方法复原的面皮和颅骨三角片数量大且存在杂质。针对该问题,基于断层轮廓序列,利用改进的Snake模型提取闭合颅骨轮廓线,通过射线法对该轮廓线进行二次处理得到最外层轮廓线,从而实现颅面三维重构。实验结果表明,该方法在颅面数据量较小的情况下,可以准确表达人的面部和颅骨的形态信息。     

WiMAXMesh网络路由与调度算法研究

WiMAX Mesh网络引入多跳的方式实现远距离通信,取得覆盖范围和吞吐量的性能优化.在集中式Mesh网络中,路由与调度算法对网络性能有重要影响.针对Mesh模式提出一个新的方案,在基于冲突感知与负载平衡路由的基础上,利用多信道单收发机模式,采用联合调度和信道分配算法提高系统性能.仿真结果表明,该算法在调度长度和归一化...     

基于动态阈值启发式图搜索的SLAM算法

针对当前多数SLAM数据关联算法存在不能在线修正的问题,提出一种使用动态阈值的启发式图搜索数据关联算法.该方法使用回溯机制实现对错误数据的修正,在搜索过程中使用动态阈值进行门限过滤,减少可能的数据关联的数目,在不降低数据关联正确率的情况下,提高数据关联效率.仿真实验结果表明,该算法可有效地降低运算时间.     

基于动态混沌扰动的粒子群优化及其应用

针对混沌粒子群算法中存在的盲目搜索问题,提出基于动态混沌扰动的粒子群优化算法。对标准粒子群优化引入动态混沌扰动,在最优值改变时进行较小扰动,在多次不变时进行动态扰动范围的混沌扰动,减少混沌粒子群算法中存在的盲目搜索,提高搜索速度和效率,使有限的时间用在最有效的搜索上。将该算法应用到K均值算法中,可以克服K均值算法的局部最优和对初值和孤立点敏感的缺点,使K均值算法得到全局最优解。通过仿真实验证实该算法的高效性和稳定性。     

基于关键帧相似性的仿人机器人步态规划

为解决传统步态规划方法运算量大、运行时间长的问题,提出一种基于关键帧相似性的仿人机器人步态规划方法,通过对步态关键帧的相似性度量、髋关节的规划、零力矩点(ZMP)的实时校正,实现仿人机器人曲线行走步态的在线调整,调整后的步态能够较好地逼近实际ZMP曲线。实践结果表明,该方法在降低运算量的同时较好解决了仿人机器人的步态稳定及快速规划问题,并且可以减少步态选择不理想时的时间消耗。