基于改进随机森林的电力通信网脆弱性诊断分析

通信网脆弱性的识别对电力系统的稳定运行至关重要.利用大数据和机器学习算法识别电力通信网中节点的脆弱性,可为降低网络风险提供动态的技术支持和智能的辅助决策.对随机森林算法的简单投票机制进行改进,引入表征决策树对最佳决策树辅助决策效果的加成因子,提出了一种电力通信网节点脆弱性诊断方法,并结合某市的电力通信网数据进行实验.结果表明,在诊断贴近度、ROC曲线积分等指标下,改进算法比传统随机森林、支持向量机、逻辑回归等算法具有更优越的诊断性能,有助于推动电力通信网规划的辅助决策.     

基于局部概率抽样的标签噪声过滤方法

分类学习任务中,在获取数据的过程中会不可避免地产生噪声,特别是标签噪声的存在不仅使得学习模型更复杂,而且容易造成过拟合并导致分类器泛化能力的下降。标签噪声过滤算法虽然在一定程度上可以解决上述问题,但是仍然存在噪声识别能力较差、分类效果不够理想以及过滤效率低等问题。针对这些问题,提出一种基于标签置信度分布的局部概率抽样方法来进行标签噪声过滤。首先利用随机森林分类器对样本的标签进行投票,从而获取每个样本的标签置信度;然后根据标签置信度的大小,将样本划分为易识别样本和难识别样本;最后分别采用不同的过滤策略对样本进行过滤。实验结果表明,在标签噪声存在的情况下,所提方法在大多数案例上能够保持较高的噪声识别能力,并且在分类泛化性能上也具有明显优势。     

保证全局收敛的随机粒子群新算法

针对粒子群算法未成熟收敛的弱点进行了改进。给出了保证算法全局收敛的充分条件,即全局性假设条件和单调性假设条件,进而依据提出的全局收敛的充分条件,设计了具有柯西随机和高斯随机性质的粒子群算法。实验结果表明,本文提出的具有全局收敛性的粒子群算法能够有效地求解全局优化问题。     

基于产出的我国区域研发创新效率及环境评价

以发明专利授权量和技术市场成交额为产出变量,采用随机前沿分析模型对我国区域研发创新效率进行评价,结果显示:发明专利授权量产出效率偏低,研发创新成果的市场化水平不高,两种产出的环境因素致使增长动力不足;发明专利授权量的增长以研发经费推动,技术市场成交额的增长以研发人员推动;我国区域研发创新主体是要素驱动型;省际和区际之间的效率差距仍然存在。     

空间数据不确定性研究进展

为促进空间信息科学的发展和理论的完善,推动GIS理论的深入研究,需要对当前空间数据不确定性的研究状况进行分析和归纳。纵观国内外有关文献的研究成果可知:空间数据随机不确定性主要侧重于基本理论和种类方面的研究;空间数据模糊性主要从空间数据模糊性来源和性质、表示和处理方法等3个方面进行研究。空间数据不确定性急需解决的问题和研究方向,主要包括随机不确定性的基础理论的进一步完善、属性数据不确定性的研究、位置数据和属性数据的模糊性研究等方面。     

基于随机森林与支持向量机的水库长期径流预报

水库长期径流预报对于研判水文情势变化和指导水库调度管理具有重要意义。针对云南龙江水库年、汛期和枯水期平均入库径流,利用随机森林从环流指数、海温、气压和前期月径流中选取关键预报因子,基于粒子群与交叉验证相结合的算法优选参数,建立随机森林与支持向量机模型,开展龙江水库入库径流预报研究。结果表明:太平洋中北部与西部气候因子对径流预报的影响较大,前期月径流对年、汛期径流的重要性偏低,但对枯水期的影响程度与部分气候因子相当。随机森林与支持向量机模型总体精度较高,模拟与预报的合格率均达到85%以上,平均绝对百分比误差均低于15%,支持向量机的泛化能力强于随机森林,但二者在局部极值流量处的预报精度尚有待提升。     

基于多权重相似度的随机漫步推荐算法

在传统个性化推荐算法的基础上,提出了一种基于多权重相似度的随机漫步推荐算法。为了解决传统协同过滤算法中忽略了社交网络、热门项目以及共同评分项目之间影响等问题,通过引入万有引力公式计算社交网络中的用户相似度,并对传统协同过滤算法中的相似度进行改进,采用权重因子结合这两者相似度,最后开拓性地结合随机漫步算法进行商品推荐。实验结果表明,提出的算法具有比其他推荐算法更好的推荐性能。     

基于Filter Wrapper模式的特征选择算法*

特征选择是数据挖掘、机器学习和模式识别中始终面临的一个重要问题。针对类和特征分布不均时,传统信息增益在特征选择中存在的选择偏好问题,本文提出了一种基于信息增益率与随机森林的特征选择算法。该算法结合Filter和Wrapper模式的优点,首先从信息相关性和分类能力两个方面对特征进行综合度量,然后采用序列前向选择（Sequential Forward Selection, SFS）策略对特征进行选择,并以分类精度作为评价指标对特征子集进行度量,从而获取最优特征子集。实验结果表明,本文算法不仅能够达到特征空间降维的效果,而且能够有效提高分类算法的分类性能和查全率。     

打车软件混合随机均衡模型时间可靠性研究*

为了探究打车软件出现后对乘客打车行为的影响,揭示是否使用打车软件对乘客候车时间长短的变化规律,基于路网混合随机均衡模型理论,在考虑打车软件对出租车司机搜索行为影响和随机变化的OD对需求条件下,构建基于弹性需求的打车软件随机用户均衡模型;然后结合乘客等车、司机空驶时间和可靠性计算模型,引入连续平均（MSA）算法和随机路径流量分配（Dial）算法进行求解;最后通过算例验证了所建模型和算法的有效性。研究结果表明不同需求弹性下、是否使用打车软件对会乘客候车时间及候车时间可靠性产生明显的差异。     

基于图像分层树的图像语义分割方法

针对传统语义分割模型缺乏空间结构信息,无法准确地描述对象轮廓的问题,提出了一种基于图像分层树的图像语义分割方法。分层树模型采用结构森林方法生成轮廓模型,为防止过度分割,运用超度量轮廓图算法得到多尺度轮廓图,然后利用支持向量机训练多尺度轮廓图生成图像分层树,通过随机森林精炼分层树,最终输出图像语义分割结果。在测试实验中,像素精确度达到82.1%,相比区域选择方法(Selecting Regions)提升了2.7%。并在较难区分的树和山脉的预测精确度上,相比层次标记方法(Stacked Labeling)分别提升了16%,25%,具有更高的稳定性。实验结果表明,在复杂的室外环境下,对图像语义分割的精确度、稳定性和速率均有明显改善。