改进免疫遗传算法及其应用研究

在传统遗传算法基础上提出一种改进遗传算法——免疫遗传算法（IGA）,该算法将生物系统免疫思想引入遗传算法中,通过计算抗体之间的亲和度来促进和抑制抗体,既保留了群体中较优抗体又保证了抗体多样性,避免搜索进化的过早收敛,得到全局最优解。文中采用此改进算法来控制无源光中光分支器和光网络单元中位置分配选择,通过浓度因子控制解空间的搜索方向,帮助逃离局部极值。利用Visual C＋＋6．0对改进的免疫遗传算法和传统遗传算法进行比较,证明IGA的有效性和优越性。     

一种基于粗糙集的加权聚类算法

在聚类分析过程中,属性特征在聚类过程中并不是同等重要的,有些特征甚至是冗余的,如果特征选取不适当,会使很多分类方法的效果变差.因此正确选择对于聚类重要性大的特征.对于提高聚类效果是非常重要的.基于此,该文提出了一种新的基于粗糙集相似模型的加权聚类算法.试验结果证明,该算法可以达到比传统算法更优的分类结果.     

蚁群神经网络在中小企业信用评价中的应用

为了进一步提高BP神经网络的性能,实现准确、快速预测中小企业信用的目的,在分析信用评价重要性的基础上,根据中小企业信用评价指标体系,提出了一种基于蚁群神经网络的评价模型.利用蚁群算法对神经网络进行训练,再将此网络模型应用到中小企业信用评价系统中,最后通过训练样本和测试样本来检测该蚁群神经网络.结果表明蚁群神经网络的预测方法与传统的BP冲经网络预测方法相比,具有较强的泛化能力,应用在中小企业信用评价系统中具有很高的评价准确率.     

复杂网络维的测量

近几年来,科学领域内许多不同学科学者对复杂网络中的维产生了关注和研究,维在复杂网络的研究中起着越来越重要的作用,从而成为国际科学研究前沿领域内的一个新热点。介绍了关于复杂网络中的维的三种定义,例如黎曼Zeta函数、容量维数等,然后说明了维数的一些性质并介绍了捷径模型,最后将这些理论应用在Ising模型中并对未来的发展进行了展望。通过对复杂网络中的维的测量,可以更加深入地了解复杂网络并将其更好的应用。     

基于改进遗传算法的分形图像编码

为解决传统分形图像编码方案中块匹配时间过长的问题,提出一种结合图像块平均偏差的改进遗传算法,利用改进遗传算法的最优解搜索能力替代分形图像编码中复杂的块匹配过程,结合对比度因子的约束,限定遗传算法的搜索空间,缩短编码时间。实验结果表明,该方法与结合遗传算法的同类改进算法相比,能在缩短编码时间的同时,有效提高解压图像质量。     

数据挖掘技术与网上购物推荐系统

本文简单介绍了数据挖掘与网上购物推荐系统的概念,介绍了关联规则挖掘及聚类分析的定义,典型方法及其在网上购物推荐系统中的应用.     

一种基于ACIS平台的创新进化设计方法

随着智能计算机辅助设计技术的发展,进化设计方法已经成为最重要的创新设计技术之一.众多的造型平台又为CAD系统的开发提供强大的支持.将遗传算法应用于创新设计时,容易受到造型工具和设计者自身创新能力的限制.文中提出一种将遗传算法和特定的造型技术相结合的创新设计方法.该方法充分利用遗传算法的进化功能和ACIS平台强大的造型优势,通过进化产生更具创意的产品造型,为设计者的创新设计提供更强大的支持.实验表明,该方法在创新进化系统中有很好的应用前景.     

TWCT-Stream:数据流上的频繁模式挖掘算法

提出一种结合倾斜时间窗的TWCT树结构,可以保存不同时间粒度下频繁模式的完全集,并设计了其顺序更新和删除算法,使其能够存储在外存,从而有效地降低算法的内存空间需求。结合TWCT树结构特点,提出了数据流上的频繁模式挖掘算法TWCT-Stream,其模式生长的TWCT-Growth算法按字典顺序生成频繁模式,以配合TWCT结构的顺序更新。实验证实算法的内存需求低于FP-Stream等同类算法。     

改进图聚类算法及其应用

第四方物流企业联盟建立问题是研究如何将区域内物流企业以一种高效、低联系代价的方式建立合作联盟的问题。针对该问题提出一种基于离散粒子群优化算法的改进图聚类算法,有助于降低合作联盟之间的联系代价。通过离散粒子群算法优化基本图聚类算法得到的初期聚类结果,利用扰动策略对优化结果进行再拓展。对于实验中的100家虚拟企业进行了聚类,使得联盟企业内部总联系代价从初始时的39991降低到最后的24800。实验结果表明,基于离散粒子群算法的改进图聚类算法能以较低的花费解决物流企业联盟建立问题。     

对传过程神经元网络及其应用研究

基于传统对传神经元网络在时域上推广,构造出对传过程神经元网络模型,并对对传过程神经元网络模型及其学习算法进行研究。最后将对传过程神经元网络模型应用到油层水淹识别实例上,模拟仿真结果表明了模型和算法的有效性。