近红外分析网络共享平台中复杂工作流实现算法

近红外分析共享平台中的采集工作流是一个以数据为中心的工作流。对系统中复杂采集工作流的跳转执行过程进行了详细分析,针对自由工作流跳转造成的数据和状态不一致性的问题,提出了一个任务执行优先关系算法,计算采集工作流中各个活动任务执行次序关系值,并构造一个执行次序关系树,记录各任务活动的状态信息;在流程回退、撤销、跳转时保证了数据和状态的一致性,较好地实现了跨任务活动的跳转。应用结果表明,此算法能够正确高效地实现复杂流程的跳转。     

一种混合的领域概念分类体系自动构建算法

领域概念分类体系自动构建在人工智能、自然语言处理和信息检索等领域具有重要作用,但现有研究较多关注通用知识,面向特定领域的研究较少,且存在领域概念间关系抽取准确率以及自动构建算法效率较低等问题。为此,提出一种混合的领域概念分类体系自动构建算法,该算法主要包括领域概念间关系抽取模块和分类体系构建模块。领域概念间关系抽取模块设计考虑中文自身的特点,采取句法树和基于规则相结合的方法,以提高抽取领域概念间关系的查准率和查全率;分类体系构建模块设计采取改进的BRT算法,从而在降低算法复杂度的同时,提高领域分类体系构建的查准率。在通信、金融和计算机领域的实验结果均表明,与BRT算法相比,该算法的构建效果较好,查准率最高可达到89.3%。     

基于先验知识的自适应多叉树防碰撞算法

为提高无线射频识别(RFID)系统快速识别大量标签的能力,提出一种基于先验知识的自适应多叉树防碰撞算法。利用标签访问的规律性和标签分布的随机性,在不同的搜索深度,根据已有的先验知识和碰撞比特信息估计待识别的标签数量,从而动态地自适应选择搜索叉树。通过有效减少碰撞和空闲时隙数,大幅提高读写器搜索和识别标签的能力。理论分析与仿真实验结果表明,该算法能克服传统自适应多叉树防碰撞算法的缺点,合理选择初始搜索叉树,尤其在待识别标签数量较多的场合,可有效提高RFID系统的吞吐率。     

一种改进的基于支持向量机的多类分类方法

针对现有支持向量机多类分类算法在分类精度上的不足,提出一种改进的支持向量机决策树多类分类算法。为了最大限度地减少误差积累的影响,该算法利用投影向量的思想作为衡量类分离性的标准,由此构建非平衡决策树,并且在决策树节点处对正负样本选取不同的惩罚因子来处理不平衡数据集的影响,最后引入KNN算法与SVM共同识别数据集。通过在手写体数字识别数据集上的仿真实验,分析比较各种方法,表明该方法能有效提高分类精度。     

基于“二叉决策树”模型的嵌入式软件调试

在嵌入式软件开发过程中,软件不可避免地会出现各种错误,因此调试是软件生命周期中一个非常重要的环节。针对嵌入式软件开发的流程和特点,对其调试部分进行较为深入具体的研究和探索,提出基于调试器的"二叉决策树"调试模型。该模型描述了嵌入式软件调试的一般过程、调试对象和常用方法。实践表明"二叉决策树"调试模型具有较好的实用性和扩展性。     

半参数广义线性模型惩罚似然估计的几个性质

本文在给出了半参数广义线性模型惩罚似然估计及惩罚准似然估计的基础上,得到了下面几个性质:(Ⅰ)极小惩罚似然估计及惩罚准似然估计等价于惩罚加权最小二乘估计;(Ⅱ)估计的收敛性及加速收敛法;(Ⅲ)估计的一种 Bayes 解释。     

图的Steiner最小树问题的降阶回溯算法

图的Steiner最小树问题是经典的组合优化问题,是一个NP难题,在不同的领域有着广泛的应用。研究该问题的部分数学性质,在此基础上给出了该问题的初步降阶方法和下界子方法,形成一个新的回溯算法。该算法具有较低的时间复杂度,还给出了应用实例及其分析。     

区间犹豫模糊熵应用于地方高等教育发展研究

构造了新的区间犹豫模糊熵、交叉熵公式,提出了一种新的区间犹豫模糊多属性群决策方法,并将其应用于地方高等教育发展研究的过程中。构建了一种新的区间犹豫模糊熵公式,并证明其满足区间犹豫模糊熵的公理化条件;给出了区间犹豫模糊距离测度的公理性定义,研究了区间犹豫模糊距离测度和区间犹豫模糊熵、交叉熵的关系,并构建了区间犹豫模糊加权交叉熵公式。在区间犹豫模糊环境下,基于区间犹豫模糊熵、交叉熵以及交叉熵贴近度,提出了一种新的属性权重未知的多属性决策方法,并将其应用于对地方高等教育发展研究的过程中,验证该方法的可行性和有效性。     

贝叶斯决策树在客户流失预测中的应用

针对电信企业客户流失问题,提出采用贝叶斯决策树算法的预测模型,将贝叶斯分类的先验信息方法与决策树分类的信息熵增益方法相结合,应用到电信行业客户流失分析中,分别将移动公司的客户数据以及UCI数据纳入到模型中得出相应的结果。加入贝叶斯节点弥补决策树不能处理缺失值以及二义性数据的缺点。检验结果表明,基于贝叶斯推理的决策树算法在牺牲了较小的训练时间与分类时间的情况下,得到了比仅基于决策树算法更高的覆盖率与命中率。     

Zernike矩结合Sigmoid曲线拟合边缘检测方法

为了改进Zernike矩边缘检测方法对非直线边缘检测精度低的弱点,提出了一种改进的基于Zernike矩方法和Sigmoid拟合法的边缘检测方法。用Zernike矩边缘检测方法检测边缘,然后用Sigmoid拟合方法检测边缘,根据边缘类型对两种方法检测的边缘结果进行加权求和,所得结果为边缘位置。分别利用理想图像和实际工业CT图像进行了实验验证,实验结果表明对非直线边缘的检测,该方法检测精度相对于Zernike矩方法提高了一个数量级。