基于后悔理论的具有期望水平的直觉语言多准则决策方法

针对准则具有期望水平的直觉语言多准则决策问题, 考虑决策者后悔规避的心理行为特征, 提出一种基于后悔理论的决策方法. 该方法利用期望效用函数构建各准则值的效用值矩阵; 利用后悔-欣喜函数构建各准则值相对于准则期望水平的后悔-欣喜值矩阵; 在此基础上, 依据后悔理论构建各准则值相对于准则期望水平的感知价值矩阵; 进一步, 利用线性加权法计算各方案的综合感知价值, 并确定方案排序. 最后通过实例分析表明了所提出方法的可行性和有效性.

     

字符分布特征对带有通配符串匹配问题的影响

近年来,字符串匹配问题被不断扩展。其中,具有代表性的是在模式中引入可变长度的通配符,本文称之为PMWL问题。针对此问题,已有工作分析了在不同的模式特征下,匹配数Ω随文本长度增加呈指数级增长。本文同时考虑文本分布特征和模式特征,建立了期望模型E(Ω)＝n*D*π(P),其中n为文本长度,D为模式中各通配符跨度的乘积,π(P)为基于字符分布的模式出现概率。实验部分,在人工随机数据和DNA真实数据上验证了E(Ω)的准确性,得到预测误差率分别为1.8%~3.2%和4.7%~7.8%;在不同字符分布中,分析了模式模长和通配符跨度对匹配数Ω的影响。E(Ω)模型揭示了Ω的增长趋势不一定呈指数级,而取决于π(P)和D的共同影响。此外,E(Ω)模型能够在线性时间内得到近似完备解。     

位置信息记录中基于期望最大化的名称消重算法

在包含位置信息的签到记录中,每条记录仅包含名称和位置(经纬度)两个属性。传统的名称消重算法通过匹配实体的属性值或者计算实体间的名称相似性进行消重,忽略了位置信息的特殊性。为了提高位置信息记录中名称消重的质量,提出了一种基于期望最大化的位置名称消重算法。首先,提出了一种包含核心单词和背景单词的文本名称模型,并给出了计算模型参数值的期望最大化算法。其次,在文本名称模型中引入位置信息,将整个地图划分为若干个网格,分别计算每个网格中核心单词和背景单词的分布情况,并提出了一种考虑位置的文本名称模型。最后,将位置文本名称模型用于位置信息记录中的名称消重,并给出了相应的名称消重算法。实验表明, 与传统的名称消重模型相比,提出的位置名称消重模型可以更好地识别出名称中包含的核心词汇,因而在名称消重时具有更好的性能。     

能耗自选演进机制的延迟容忍网络路由算法

为了提高延迟容忍网络中数据投递过程节点能耗管理效率、改善数据在网络中的转发效率等,本文引入节点间能耗博弈模型,进而提出了一种基于能耗自选演进机制的延迟容忍网络路由算法（Efficient Routing Mechanism for Delay Tolerant Network based on Energy Consumption Strategy）,根据泛洪路由策略设计数据投递机制,数据在网络中转发时,节点依据自身能量剩余状态制定相应的投递操作,对首先将数据投递至目的节点的中间节点予以一个单位的奖励,利用节点策略博弈模型选取合理的数据投递操作,以此改善节点转发数据能量消耗,从而提高数据投递能量管理效率,并提高数据转发效率.仿真验证表明：所提算法与对照算法相比在数据投递率、传输时延、网络开销等性能指标上表现出较好效果.     

不变结构半弹道式再入飞行器的建模与多模型方法估计

以配平攻角状态再入的不变结构半弹道式再入飞行器(Semi-ballistic reentry vehicle, SBRV)不同于传统的弹道式再入飞行器(Ballistic reentry vehicle, BRV)和机动再入飞行器(Maneuvering reentry vehicle, MaRV), 本文分析了该飞行器再入特征, 提出了新的模型并分析了该模型与传统再入模型间的关系. 对该再入问题的多模型混合状态估计器引入了F-均匀模型集与期望模式补偿(Expected-mode augmentation, EMA)集. 根据SBRV的圆柱体状模式空间的需求, 文中扩展了现有的方法以设计F-均匀模型集, 进而提出一种EMA集的实现形式. 前者在分布最小失配意义下使估计器最优; 后者相比于前者具有更高的估计精度. 仿真结果表明, 相比于传统Monte-Carlo法生成的模型集, 在模型集势相当的情况下这两种模型集对不变结构SBRV再入的初始阶段有更高的模式估计的精度, 在该飞行器状态变化剧烈时有更高的混合状态估计精度.     

在矩阵里遨游的鱼

在传统的平衡式矩阵组织中,一个好项目经理要想大显身手,很可能要受到众多限制因素的掣肘。如何在坚持原则的前提下对各方的利益和期望进行平衡,对项目经理提出了更高的要求。     

基于用户查询的多关系群体挖掘改进算法

多关系群体挖掘是近年来快速发展的重要的数据挖掘领域之一.传统的群体挖掘方法是假定网络中只有一种关系,并且挖掘结果与用户需求无关.但现实中的社会网络中存在着多种关系.基于用户查询,不同的关系表现出不同的重要性.分析了多关系群体挖掘中关系提取的问题,提出一种新算法对满足用户期望的关系进行最优线性合并.利用获得的合并关系提高群体挖掘的精准性.     

基于改进期望最大化算法的分布式视频编码

目前,分布式视频编码（DVC）由于具有低复杂编码特性而成为视频编码领域的研究热点。DVC中,边信息性能对系统性能影响很大,一般而言,边信息性能越好,则整个系统压缩性能越好。本文研究了一种基于贝叶斯准则的期望最大化（Expectation Maximization,EM）边信息产生方法,并从运动搜索模板和初始概率模型两方面对EM算法提出了改进。实验表明,在几乎相同的率失真性能下,两种改进算法的学习时间分别缩短了30%和16%。     

Kriging代理模型在对地观测卫星系统优化中的应用

结构优化是对地观测卫星系统(Earth observation satellite system,EOSS)性能提高的关键,但其覆盖性能难以解析计算.为实现EOSS优化,提出了仿真优化的求解思路:构建Kriging代理模型对仿真数据进行拟合,采用代理模型最优和最大化期望提高相结合的机制选择更新点,并定义单位距离的函数改进对更新点进行过滤;提出了改进广义模式搜索算法求解代理模型,搜索步采用遗传算法和序列二次规划算法实现,筛选步采用不完全动态筛选.最后,通过仿真实例和对比实验验证了本文方法的有效性.     

基于极大似然准则和最大期望算法的自适应UKF 算法

针对噪声先验统计特性未知情况下的非线性系统状态估计问题,提出了基于极大似然准则和 最大期望算法的自适应无迹卡尔曼滤波(Unscented Kalman filter, UKF) 算法.利用极大似然准则构造含有噪声统计特性的对数似然函数,通 过最大期望算法将噪声估计问题转化为对数似然函数数学期望极大化问题,最终得到带次优递 推噪声统计估计器的自适应UKF算法.仿真分析表明,与传统UKF算法相比,提出的自适应UKF算法 有效克服了传统UKF算法在系统噪声统计特性未知情况下滤波精度下降的问题,并实现了系统噪 声统计特性的在线估计.