基于多模型变权重组合的软件可靠性仿真研究

研究提高软件可靠性预测精度问题,对软件可靠性研究已成为当前软件工程的一个研究热点,传统的单一软件可靠性模型由于使用的技术及提取的信息有限,软件可靠性预测精度不高。为提高软件可靠性预测精度,在建立多种单一软件可靠性预测模型的基础上,提出一种样本点的多模型变权重组合模型。将多种预测技术有效地聚合在一起,取长补短,在样本数据有限的情况下,不仅改善了样本内学习能力也增强了样本外的泛化能力,提高了综合预测精度。仿真验证模型无论在样本内还是样本外都较优于经过模拟退火算法优化的BP神经网络(SA-BP)及经过遗传算法优化的最小二乘支持向量机(GA-LSVM),说明变权重组合模型是一种精度更高的软件可靠性失效数据预测模型,具有较好的应用推广价值。     

基于用户兴趣偏好的网络文档检索

本文提出了一种基于用户兴趣偏好的网络文档检索策略。用户长期浏览网页的过程中搜集用户的兴趣偏好特征值,并将表达用户偏好的关键词按序排列,以语义关联度为标准对每次搜索引擎的网页排序结果进行重排,并在此过程中充分考虑用户偏好信息的保护。用户兴趣偏好特征值通过用户的浏览反馈行为对自身进行动态修改,使其不断捕获变化着的用户兴趣热点。实验表明,基于用户兴趣偏好的网络文档检索策略较传统的文档检索在召回率、准确率等性能指标上有所提高。     

基于文化鲸鱼优化算法的特征权重优化分配方法

为了解决基于数据的预测模型中特征权重分配不合理的问题,将鲸鱼优化算法(whale optimization algorithm,WOA)纳入文化算法的种群空间中,获得了一种文化鲸鱼优化算法(cultural whale optimization algorithm,CWOA)以用于特征权重的优化分配.首先,将预测模型的均方根误差作为适应度函数;然后,采用WOA在种群空间中对特征权重进行迭代寻优;接着,通过接受函数将种群空间中的最优权重置于信仰空间中进行性能评价与双变异演化,以此形成形势知识和规范知识;最后,通过影响函数对种群空间中的权重进行更新指导,如此循环,从而得到特征权重的优化分配结果.以基于案例推理的预测模型为例,使用加州大学欧文分校(University of California Irvine,UCI)标准数据集对特征权重的不同分配方法进行了对比实验,结果表明该方法分配权重后的预测精度最优,在涉及特征权重分配的机器学习领域具有一定应用价值.     

求解最优化问题的改进蜘蛛猴算法

最优化问题不仅存在于人类生产、生活的方方面面,其解决还关系着工程应用、科学研究的发展.因为优化问题的繁琐与多变,人们在求解时时常会遇到不少的困难和阻碍.针对算法的运行机制设计了非线性惯性权重调整的蜘蛛猴算法(S-SMO)来解决最优化问题,利用matlab软件,选择标准测试函数来检测S-SMO算法对优化问题的求解效果,实验发现改进算法和原始算法及线性递减权重的WSMO算法相比,在求解精度、速度、鲁棒性和可靠性等角度均有明显的改进与提高.     

城市道路混合路由算法研究

针对城市道路中车辆密度突变而导致车联网系统的信息冗余和数据丢失等问题,提出了一种基于贪婪转发（GPSR）和距离矢量转发（AODV）的自适应限制性混合路由算法（ARHP）,以适应网络环境的高速变化。ARHP将通信网络分为贪婪转发、贪婪-距离矢量转发、距离矢量转发3种模式。通过对有效节点密度和网络状态进行实时评估,可实现转发模式间的切换;通过考察链路质量和端到端的时延性能择优选取邻域节点。采用交通模拟器和离散事件模拟器比较ARHP、AODV和GPSR在改变节点密度或车辆速度时的性能表现,结果表明ARHP在数据包的投递率和端到端的时延性能等方面均优于AODV和GPSR。     

人工神经网络在组织网络化发展评价中的应用*

通过对给定样本模式的学习,构建的三层神经网络模型能够获取评价专家的经验、知识、主观判断以及对目标重要性的权重协调能力,较好地保证评价结果的客观性.实例证明,人工神经网络方法应用于组织网络化发展评价是可行和有效的.     

一种新的动态权重更新相关反馈方法*

提出了正负相关图像所占比例与特征值的标准方差相结合来调整对应权值的方法.为了避免相关反馈的权值调整陷入局部最优状态,引入一个干扰因子,使权值跳出局部最优区域.结果表明了该方法的优越性.     

加权平均量的自收敛性与权的确定

在多因素综合评价决策中,合理确定各因素权重系数是评价决策的关键。文章引入了加权平均量的自收敛性来描绘被评价分数的随机变量的稳定性,以概率论理论为基础,得到了一般情况下权重系数确定的优化模型和协方差矩阵为正定矩阵的一系列的确定权的方法,建立了一套较完整的确定权重系数的理论。     

考虑外部环境信息的电网故障识别与原因分析方法

为提高电网故障诊断方法对于外部环境信息的利用率,并在故障识别的基础上实现对故障原因的分析,设计了一种考虑外部环境信息的电网故障识别与原因分析方法。首先,针对各故障判别依据权重固化的问题,分析了断路器和保护告警信息的差异性与可信度,利用层次分析法(analytic hierarchy process,AHP)权重分析方法赋予可信度较高的信息较大的权重,从而降低误报、漏报信息的影响,提高故障诊断的准确度。其次,针对现有故障诊断方法缺乏故障原因分析功能的缺陷,引入了外部环境信息(计及信息类型及其告警等级)作为故障原因分析的判据,应用模糊综合评判(fuzzy comprehensive evaluation, FCE)法进行环境因素对电网的危害评估,判断该故障是否由外部因素导致,继而实现故障原因的辨识。最后,建立保护动作告警信息漏报、误报以及断路器据动、误动故障场景下的故障算例进行仿真验证。研究结果表明,所提方法能够有效利用多种故障相关信息,提高故障识别结果的准确性,并能够进一步分析出故障原因。所提方法可有效提高电网故障诊断工作效率,保障供电可靠性。     

基于关联分析的变电站附属设备差异化运维

针对变电站附属设施缺陷分析手段欠缺、运维策略粗放、简单周期化的问题,研究基于关联分析的变电站附属设备差异化运维技术,基于现有的变电站附属设备管理系统搜集的缺陷历史数据,从变电站、附属设备类型、厂家、型号和投运年限、季节等维度对变电站附属设备进行关联分析,实现附属设备的状态评估,提出附属设备差异化运维方案,从而提升运维人员决策的预见性和全局性.