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.     

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。     

基于不同受益者的莫莫格湿地生态系统服务权重分析

为了明确不同区域和不同社会身份受益者对湿地生态系统服务的关注程度,为今后湿地生态系统服务的管理和政策制定提供依据,以吉林省莫莫格国家级自然保护区为研究对象,运用层次分析法从当地受益者、省域受益者、全国受益者和全球受益者四个层次以及年龄、收入、职业和教育背景等社会属性对莫莫格湿地的物质生产、调蓄洪水、固碳、气候调节、大气调节、水质净化、科研教育和休闲旅游等8项服务进行比较并打分,得出权重结果。结果表明:当地受益者和省域受益者最关注湿地的调蓄洪水服务,其权重值分别为0.276 1和0.266 7;全国受益者最关注湿地的气候调节服务,其权重值为0.223 8;全球受益者最关注湿地的固碳服务,其权重值为0.203 0。年龄越高的受益者更为关注水质净化和调蓄洪水等服务;文化程度越高的受益者对于湿地的科研教育的关注程度相对较高;生态相关职业的受益者更为关注生态相关的调蓄洪水、固碳、气候调节和科研教育服务。     

基于Monte Carlo随机模拟的综合交通网络布局评价与决策方法

针对综合交通网络评价指标权重及属性值具有主观性和随机性的特点,提出了基于模拟运算的布局规划方案排序选优的群体随机决策方法.仿真生成满足集结的多个专家对指标重要性偏好排序统计分布的权重,同时考虑交通需求的不确定性对指标值的影响,结合客观熵权计算方案的综合评价值,由多次模拟得到的排序优势度确定方案的优劣差异.根据设计的仿真流程通过算例说明了方法应用的有效性,评价中考虑了主客观因素及随机性特征,可以为网络布局提供科学决策依据.     

基于权重的云推理算法

虽然正态云模型具有普适性,但它在描述论域内单调上升或下降的概念时存在一些局限性,同时由于现有的云推理算法存在多条件下人为主观因素影响大、运算量大等问题,为此提出一种新的指数云模型来描述单调概念,并基于此提出一种基于权重的云推理算法。该算法将多条件发生器拆分为多个一维发生器,先通过层次分析法确定各个条件的属性权重,再采取加权平均法将单条件单规则发生器输出的结果精确化为一个具体的输出值。将基于权重的云推理算法用于鱼雷规避仿真系统中,并与模糊推理结果进行比较,验证了该算法的有效性和实用性。     

用于文本分类的特征项权重算法改进

TF-IDF算法是文本分类中一种常用的权重计算方法,但是TF-IDF仅仅考虑了特征项在文本中出现的次数以及该特征项在训练集中的出现频率,没有考虑特征项在各个类间的分布情况及特征项的语义信息。因此针对TF-IDF的不足提出了一种改进的TF-IDF算法,此算法既考虑了特征项在类内的分布情况又考虑了特征项的位置及长度等语义因素,能更好地反映特征项的重要性。用朴素贝叶斯分类器验证其有效性,实验结果表明该算法优于TF-IDF算法,能较好地提高文本分类的准确率。