基于内容的图像检索中SVM和Boosting方法集成应用

提出一种适用于图像内容检索的AdaBoostSVM算法。算法思想是采用支持向量机(SVM)作为AdaBoost算法的分量分类器;基于相关反馈检索机制,通过增加重要样本来模拟AdaBoost算法的权重调整方法。在包含2000幅图像的数据库中进行了检索实验,结果表明AdaBoostSVM算法能有效提高系统的检索性能。     

粒子群优化算法的发展趋势

分析优化算法的发展历程,指出粒子群优化算法(PSO)是基于群体智能的一种算法,简单易行,可调参数少,研究广泛且发展迅速.结合图形给出算法的个体极值和整体极值的搜优运动过程.研究总结算法的研究现状及特点,认为PSO还需要完善和继续研究.提出将算法应用于复杂的约束优化、随机优化与最优控制问题是算法应用研究的方向,并指出对该算法完整的收敛性分析是算法成熟的标志.     

基于折半运算的快速双基数标量乘算法

为了提高椭圆曲线标量乘法效率,对二元域上椭圆曲线的基于双基数的标量乘法进行改进。在底层域推导出直接计算3^kP的快速算法,该算法只需一次求逆;新设计的以1/2和3为基的双基数编码可结合高效的直接计算3^kP和折半运算,基于该双基数编码的标量乘算法只涉及到点加运算、折半运算、三倍点和直接计算3^kP,底层域运算复杂性得到降低,在NIST推荐的椭圆曲线上比Dimitrov算法效率提高70%以上,比Wong方法提高10%以上。     

基于并行组合模拟退火算法的过程挖掘

首先给出了过程挖掘问题的形式化描述,然后提出了一种适合过程挖掘的并行组合模拟退火算法。该算法采用因果关系矩阵作为过程模型的编码,与同类算法相比,对适应度函数、交叉和变异算子进行了改进,并利用模拟退火算法的特性提高了算法的收敛速度。仿真实验表明该算法能较有效地处理日志噪声问题。     

高维数据环境下网络异常检测的改进否定选择算法

人工免疫中的否定选择算法目前已成功地应用于异常检测的低维数据集上,但在高维数据集上的效果不大理想。为了改善算法的性能,分析了现有否定选择算法在网络异常检测中的不足,对带变长检测器的否定选择算法进行了修改,提出了一种改进的否定选择算法,新算法中通过移动检测器控制检测器覆盖情况。仿真实验结果表明了改进算法在网络异常检测中高维数据集上的有效性,可以取得较高的检测率和较低的误报率。     

基于相对距离的改进粗K-means方法

对现有的两种基于绝对距离的粗K-means方法进行了讨论,指出了各自的不足之处。在此基础之上,讨论了用相对距离替代绝对距离的合理性,从而给出了基于相对距离的粗K-means方法。通过对随机数据、Iris数据和文本数据进行聚类效果比较,验证了基于相对距离的粗K-means方法的可行性和有效性。     

基于缓冲和预选的网格资源调度优化

资源发现是影响调度效率的关键,针对网格资源发现中复杂的查询过程,通过资源代理,将用户任务发生过调度的资源在本地进行缓存,构成黑白资源名单。同时,在网格资源代理空闲时,按照最近调度的QoS参数为参考值,进行资源的预选择,存放在本地记录,由此构成了本地记录优先的资源发现。针对该方法,设计了支撑该方法的优化代理体系结构,讨论了记录管理问题,给出了优化资源调度过程的算法。实验表明,该方法缩短了任务的平均调度时间,从而缩短了任务平均完成时间,提高了吞吐量,达到了优化的目的。     

四腿机器人步态参数自动进化研究与实现

采用进化算法和基于自主视觉的适应度评估方法,实现了四腿机器人在RoboCup机器人足球比赛现场的行走步态在线自动进化．我们引入内推法作为交叉方法,利用PC基站进行进化算法计算和流程主控,并采用了一些学习时间缩减策略．实现了进化学习的连续性和可扩展性,使得学习过程可以在4060min内完成,这样就能在比赛现场对ERS-7四足机器人进行行走再学习,提高了行走控制的适应性．算法最终结果使ERS-7型四足机器人的行走速度从27cm/s提升到43cm/s．     

主题图融合技术研究综述

主题图在信息资源上层构建了一个结构化的语义网,提供了一个良好的语义模型,可以弥补web 2.0在应用上存在的语义缺陷,而主题图融合作为主题图的重要研究内容,是将分布式环境下同一领域内分散的局部主题图合并为一个全局主题图,实现Web信息的有效组织和管理以及信息的集成与共享.归纳总结了主题图融合的处理过程,分析评价了主题图融合中的难点--主题图的相似性算法,并对融合的原则和算法进行了分析总结,明确了高相似度主题融合的过程.此外,在分析主题图融合冲突的基础上,提出了主题图融合冲突检测与消除的整体设计方案,并将主题图的动态更新进行了阶段划分,最后指出了主题图融合未来的研究方向.     

基于人工免疫的多维关联规则挖掘及其应用研究

关联规则挖掘是一个重要的数据挖掘问题.目前,关于单维关联规则的成果已经比较成熟,但是对于多维关联规则问题因为存在显著的组合爆炸问题,至今尚未完美解决.提出了一种基于人工免疫的多维关联规则挖掘算法.算法充分利用了人工免疫的记忆特性,把挖掘的关联规则存入记忆库,加快了多维关联规则的挖掘速度.结果表明,该算法应用于煤与瓦斯突出预测中,具有较好的鲁棒性,能快速、有效地进行全局优化搜索,在多维关联规则的挖掘中具有可行性和高效性.