基于改进AdaBoost算法的复杂网络链路预测

链路预测是复杂网络的重要研究方向,当前的链路预测算法因可利用的网络信息有限,导致预测算法的精确度受限。为了提高预测算法的性能,采用改进的AdaBoost算法进行链路预测。首先根据复杂网络样本建立邻接矩阵,完成样本的矩阵化处理;然后采用AdaBoost算法进行分类训练,通过权重投票获取预测结果;最后,考虑到复杂网络弱分类器预测正负误差分布的不均衡问题,设置权重调整因子η及其调整范围[η1,η2],并根据η值动态调整AdaBoost算法的多个弱分类器分类结果的权重,从而获得准确的链路预测结果。实验结果证明,相比其他常用网络链路预测算法及传统AdaBoost算法,改进的AdaBoost算法的预测准确率优势明显,且在节点数量较多时,其预测时间性能和其他算法的差距较小。     

基于侧重点聚类的数学表达式相似度计算方法

数学表达式相似度计算在信息检索中起着重要的作用,但现有的计算方法较少考虑数学表达式侧重点对相似度计算准确度的影响。为解决该问题,提出一种基于侧重点聚类的数学表达式相似度计算方法。针对侧重点主观性强的特点,定义表达式元素映射规则,使用[K]-means++算法对数学表达式聚类,从而归纳出数学表达式所属侧重点簇;以侧重点簇为依据,使用遗传算法对相似度计算方法中相关参数进行优化调节,以加强侧重点对相似度结果的影响。对比实验表明,该方法的相似度计算性能有所提高,得到的表达式结果列表更为理想。     

Consensus reaching for group decision making with multi-granular unbalanced linguistic information: A bounded confidence and minimum adjustment-based approach

In group decision making problems, there exist the situations that decision makers may use unbalanced linguistic term sets that are not uniformly and symmetrically distributed to provide their linguistic assessments over alternatives. Moreover, due to the difference in knowledge and culture backgrounds, it is also possible that multi-granular linguistic term sets may also be used by decision makers. How to manage multi-granular unbalanced linguistic information in consensus-based group decision making has becoming an important topic in linguistic decision making. In this paper, we first revise Herrera’s unbalanced linguistic term sets and propose a simplified linguistic computational model to fuse multi-granular unbalanced linguistic terms. Afterwards, for multi-criteria group decision making problems with multi-granular unbalanced linguistic information, we develop two optimization models to generate adjustment advice for decision makers who have to change his/her opinions in consensus reaching process, which consider both the bounded confidence levels and minimum adjustment of decision makers’ linguistic assessments. Moreover, an algorithm is further proposed to help decision makers reach consensus in group decision making. Eventually, an application example for ERP system supplier selection and some simulation results are presented to illustrate and justify the consensus reaching algorithm.     

INFORMATION DESIGN OF UNIVERSAL ADJUSTMENT PROGRAM OF PLANE CONTROL NETWORKS

ＩＮＦＯＲＭＡＴＩＯＮＤＥＳＩＧＮＯＦＵＮＩＶＥＲＳＡＬＡＤＪＵＳＴＭＥＮＴＰＲＯＧＲＡＭＯＦＰＬＡＮＥＣＯＮＴＲＯＬＮＥＴＷＯＲＫＳＩＮＦＯＲＭＡＴＩＯＮＤＥＳＩＧＮＯＦＵＮＩＶＥＲＳＡＬＡＤＪＵＳＴＭＥＮＴＰＲＯＧＲＡＭＯＦＰＬＡＮＥＣＯＮＴＲＯ...     

软起动器和变频器的时分多机复用技术及其应用

本文提出了时分多机复用的概念，并对其技术和应用加以具体说明，展现了该技术良好的应用前景。     

水电站大坝安全等级评定中边坡因素的影响剖析

基于我国水电站大坝安全定期检查的长期实践经验,分析了运行水电站边坡失稳对大坝运行安全的主要影响后果,归纳了边坡稳定状况评价的主要工作和原则,提出了边坡安全级别确定的原则。     

闸坝水力学特性的三维数值模拟

本文采用标准k-ε双方程紊流模型及基于水气两相流的VOF方法,运用FLOW3 D软件对闸坝进行数值模拟,得出不同水位下的闸坝泄流能力,以及不同部位的闸室及消力池水面线、流速、压力等重要水力学要素。结果表明数值计算在一定程度上可以达到模型试验的效果。     

基于参数方差调节萤火虫算法的三维路径规划

为了提高萤火虫算法大范围搜索时的速度和精度,提出了一种参数方差调节萤火虫算法。首先分析基本萤火虫算法,在此基础上提出了参数方差调节萤火虫算法的核心思想：计算种群亮度的方差评估种群的敛散性,根据进程调节参数,进而达到改进萤火虫算法的目的,并给出了算法的实现步骤和流程;然后在四个优化测试函数中将参数方差调节萤火虫算法与基本萤火虫算法、遗传算法、粒子群算法进行比较和分析,发现参数方差调节萤火虫算法在测试中能迅速的找到符合精度要求的解,且成功率是100%,具有较好的稳定性,较之其他算法优势明显;最后通过构建计算能量消耗的目标函数在有实际背景和地理参数的自主式水下潜器三维路径规划的仿真实验中应用参数方差调节萤火虫算法,在三维海底环境中规划出符合要求的路,从而证明了参数方差调节萤火虫算法在三维路径规划中的实用性。     

混合总体最小二乘的迭代解算算法

总体最小二乘估计能够同时顾及线性模型中系数矩阵[WTHX]A和观测向量L的 误差,平差理论相对更为严密。如果系数矩阵[WTHX]A[WTBZ]的部分元素没有误差,这种总体最小二乘模 型为混合总体最小二乘模型。针对混合总体最小二乘(Least squares total least squares, LS TLS)解算问题,应用测量平差中 的 原理和方法,推导了混合总体最小二乘的迭代逼近解算公式,通过与奇异值分解法分析比较 ,分析了两种解算方法具有等价性,最后通过实验数据分析得出迭代算法的有效性 和合理性。     

层状淤沙对混凝土重力坝地震响应的影响分析

本文研究了不同厚度淤沙对混凝土重力坝地震响应的影响以及一定厚度层状淤沙的不同分布形式对混凝土重力坝的地震响应的影响。基于饱和多孔液固两相介质的压力波动方程,设层状淤沙各层厚度不同,将层状淤沙分为三种不同分布形式,在每种分布形式每层的物理参数相同和物理参数不同两种情况下,确定了淤沙对混凝土重力坝地震响应的影响大小。通过算例分析表明,相同物理性质不同的分布形式对地震响应的影响不显著,而不同的分布形式对坝体的地震响应影响较大。