类簇数目和初始中心点自确定的K-means算法

K-means算法是经典的基于划分的聚类算法。针对K-means算法的类簇数目难以确定、对初始聚类中心敏感的缺陷,提出了改进的K-means算法,重新定义了计算样本对象密度的方法,并且运用残差分析的方法从决策图中自动获取初始聚类中心和类簇数目。实验结果表明该算法可获得更好的聚类效果。     

基于遗传算法的高维离群点检测算法的改进

离群点检测在欺诈检测、网络鲁棒性分析和入侵检测等领域有着重要的应用.Aggarwal和Yu提出的基于子空间投影和遗传算法(GA)的离群点检测方法是处理高维数据的一个有效方法.由于该算法的交叉重组过程采用贪心策略选择子串,并且随着变异概率的改变可能导致发现不了一些有意义的离群数据.文中对该算法的交叉过程和变异过程进行改进,提出一种改进的算法,提高了检测的精度并且不受变异概率改变的影响.     

Apriori算法的一种优化方法

介绍关联规则挖掘中的经典算法――Apriori算法的关键思想。针对传统Apriori算法效率上的不足,提出一种改进的Apriori算法――En-Apriori算法。该算法采用矩阵的方法,只须扫描一遍数据库,同时优化了连接操作,较好地提高了算法的效率。实验结果表明,En-Apriori算法优于Apriori算法,具有较好的实用性。     

基于覆盖算法的分类器的设计与应用

覆盖算法和支持向量机是两种重要的机器学习分类方法,但长期以来一直缺少基于覆盖算法的通用分类器,在一定程度上阻碍了覆盖算法的推广.论文设计和实现了基于覆盖算法的通用分类器J Cover,该分类器有友好的人机交互界面,能对数值型数据集进行有效分类,并给出详细的实验结果.通过与LIBSVM的对比实验表明J Cover在识别率、泛化能力和性能上具有优越性.     

虚拟企业伙伴选择的遗传粒子群混合算法

针对标准粒子群优化算法易陷入局部最优的缺点,提出了一种遗传粒子群混合算法。通过对算法中惰性粒子和局部最优粒子分别进行交叉变异,以及消除粒子速度对寻优的干扰,从而避免了粒子种群单一化和局部最优的问题。将该算法应用于虚拟企业伙伴选择实验,结果表明在进化代数和最优值方面是令人满意的。     

二维CWT方法在时间序列分析中的应用研究

利用二维连续小波变换(CWT),结合时间序列分析的特点,对时间序列数据进行分析。从对多频率信号、突变信号以及噪声数据的容错性三个方面的分析来对利用二维连续小波变换方法在时间序列分析中的应用进行了研究,主要分析方式以趋势分析为主,最后通过对实验结果的分析得到良好的效果。     

用遗传模拟退火算法挖掘特征项权重的研究

能否在范例库中检索和选择出最为相似的范例决定了范例推理系统性能。文中介绍了遗传算法和模拟退火算法，比较了两种算法的特性．提出一种混合遗传模拟退火算法。该算法不但具有强的局部搜索能力．还缩短了搜索时间。将该算法用于发掘范例库上特征权重，理论分析和实验结果表明了这种混合遗传模拟退火算法优于普通的遗传算法。     

基于禁忌搜索与遗传算法的案例检索技术

案例的检索和提取是案例推理系统的一个关键步骤，案例检索结果的优劣直接影响到案例重用、修改以及整个系统的性能。遗传算法是一种基于进化思想的全局优化方法，但是存在搜索速度慢以及早熟收敛等问题；禁忌搜索是一种局部优化技术，具有搜索速度快等优点。文中将禁忌算法和遗传算法结合在一起提出了一种新的聚类方法，并将该聚类方法引入大型案例推理系统的案例检索过程中。实验结果表明使用这种方法能够达到较理想的搜索效果。     

带佳点交叉算子的非均匀窗口蚁群算法

基本蚁群算法具有较强的鲁棒性,但收敛慢并容易陷入局部最优。针对这些缺陷,通过将蚂蚁的搜索空间缩减在非均匀的小窗口中,减少了蚂蚁的搜索时间。并将佳点集遗传算子引入到解的优化中来,提出了带佳点杂交算子的非均匀窗口蚁群算法,从本质上探索蚁群算法的寻优能力。实验结果表明:新提出的算法明显快于基本蚁群算法,佳点集杂交算子对解的优化有较好的作用。但需要继续探索避免陷入局部最优的方法,以及算法各部分所采用的方法的平衡问题。     

车流量测量仪串口通信的设计与实现

针对用于高速公路的车流量测量仪的实际要求，采用RS-232标准异步串行通信接口，设计并实现了车流量测量仪控制软件中的串口通信模块。该控制软件的串口通信模块主要完成车流量的数据接收存储，以及通过测量仪内置Modem传送数据文件和接收控制命令。模拟环境下的调测试结果表明，文中所提出的串口通信方案能较好地满足车流量测量仪控制软件的实际应用要求。