带隐变量的回归模型EM算法

带有隐变量的回归模型具有非常广泛的应用场合,隐回归模型的参数求解问题依赖于自变量的分布假设。基于自变量的beta分布的假设条件,给出了隐回归模型的EM算法,详细地推导了模型中的参数求解过程,给出了使用牛顿法求解beta分布参数的算法,并提出一个合适的初值选择算法。在模拟数据和真实数据的基础上进行了详细的比较性试验,结果表明,对具有不同分布特征的因变量观察值,EM算法能够有效地求解隐回归模型的参数。     

基于AdaBoost.MH的Reyes渲染架构时间预估算法

在大规模真实感渲染系统中,需要对渲染任务进行分解和调度,将其优化后分配给不同的可用计算资源,实现快速集群渲染。为了实现渲染任务的有效分解和调度,提高并行效率,高精度的时间预估算法是不可欠缺的。通过深入研究使用RenderMan规范的渲染器常用的Reyes渲染架构中对渲染时间产生影响的各种因素,分析提取出影响渲染时间的7大要素特征,提出了基于AdaBoost.MH的渲染时间预估算法。通过在基于Reyes渲染架构的渲染引擎中的实验与测试表明,训练集和测试集的准确率分别达到79%和78%,为渲染任务的并行调度奠定了基础,同时也为渲染费用预估提供了依据。     

一种应用干扰消除进行冲突消解的分布式无线MAC协议

媒介接入控制(MAC)用以协调无线节点对公共信道的共享,对无线网络性能有至关重要的影响。传统的MAC协议只能抑制冲突,不能根除及处理冲突。提出了一种基于已知干扰消除技术的新型消解冲突方法,并以此为基础设计了一个全新的MAC协议——CR-MAC。在CR-MAC协议中,无线接入点(AP)通过将部分报文传输与已知干扰消除相结合来解码冲突所包含的所有报文。因此发生冲突的报文传输过程能够被充分利用,且所需的报文重传减少了。实验结果表明,在网络吞吐率及预期报文时延指标上,CR-MAC协议较普遍采用的IEEE 802.11DCF协议均有明显优势。     

地震数据作业处理模型优化的研究

论文针对海量地震数据并行处理平台中运行作业效率低,作业运行过程中各个模块需要互相等待的现状,提出对现有的作业串行处理的运算方式进行改变和优化.在分析了当前的作业处理机制,经过多种用例测试后,发现串行的各个模块由于互相等待,没能发挥集群节点多核的优点,CPU利用率极低.于是建立海量地震数据的作业并行处理模型,即输入模块,处理模块及输出模块分别建立独立的进程,各自独立完成相应的任务,以提高计算机CPU、内存、磁盘输入输出的利用率,各个模块不必互相等待对方而使集群节点的性能得到充分利用.     

改进的细菌觅食优化算法

细菌觅食优化算法是一种受大肠杆菌觅食现象启发产生的一种群体进化算法,该算法具有良好的全局优化能力,鲁棒性强,算法简单等优点,但其也存在易早熟,收敛速度慢等缺点. 根据其缺点,提出了一种改进的细菌觅食优化算法,改进后的算法收敛速度加快,在一定程度上避免了易早熟的缺点. 将原算法和改进算法应用于PID参数的在线自整定,通过matlab仿真实验证明了算法改进后的优越性.     

基于计算智能的电站锅炉燃烧优化控制

燃烧优化是提升电站锅炉效率降低污染物排放的有效途径;计算智能是目前实现燃烧过程建模及优化的重要手段.本文综述了各种计算智能算法在电站锅炉燃烧优化控制中研究成果,分别对其技术特点和不足进行了分析,并提出了燃烧优化技术的发展方向和前景,对从事该方面的研究人员有一定参考价值.     

基于话题检测的自适应增量K-means算法

根据话题检测任务的定义和特点,本文分析了传统的增量聚类算法和K-means算法的优缺点,提出了基于话题检测的自适应增量K-means算法,设计了话题检测实验,实验结果证明了该算法提高了话题检测性能,具有良好的应用前景。     

基于灰色GM（1,1）模型的区域人才需求预测

区域人才预测是一个典型的灰色系统.本文采用灰色系统理论对区域人才需求量进行预测,通过对部分已知数据的生成、开发,提取有价值的数据信息,预测结果相对误差较小,预测精度较高.     

一种融合视觉决策理论预测用户选择的方法

为有效解决在眼动人机交互环境中由于难以判断用户决策而导致的米达斯接触问题, 结合视觉决策理论, 通过融合眼动指标与时间序列来预测用户行为。先记录用户浏览目标页面时的眼动数据及进行选择时的点击数据, 并对数据按时间轴进行采样, 得到注视序列; 然后根据注视序列拟合用户进行决策时的注视似然曲线, 确定相关参数与触发阈值。眼动实验结果表明, 单凭注视阈值预测准确率就可以达到78. 3%, 在人机交互环境中拟合的似然曲线与视觉决策理论耦合。方法的实施无须用户进行额外的配合, 不依赖预设的固定阈值; 相对于设置固定触发阈值, 或要用户进行眨眼、按键等操作的传统方法, 交互过程可更顺畅、自然。     

氟达拉宾的合成

以2-氨基-6-氯嘌呤和2,3,5-三-O-苄基-1-O-对硝基苯甲酰基-D-阿拉伯呋喃糖为原料,合成了氟达拉宾,经红外光谱、质谱、紫外光谱检测,原料价廉易得,反应步骤简短,操作简单,总收率高达19.6%,适合工业化生产.