结合Bi-2DPCA与CNN的美式手语识别

针对现有美式手语（ASL）识别算法准确率低和模型训练时间长的问题,提出一种结合双向二维主成分分析（Bi-2DPCA）与卷积神经网络（CNN）并基于贝叶斯优化的识别算法。利用Bi-2DPCA算法对原始图像做数据降维处理,提取行、列方向的特征图,使用卷积神经网络对特征图进行训练分类,同时采用贝叶斯优化算法对模型超参数进行自动调参。在24分类ASL数据集上的实验结果表明,该算法的识别准确率达到99.15%,训练时间相比传统CNN算法减少90.3%。     

双层规划下考虑环境侵害的垃圾分拣中心选址研究

针对含有害垃圾分拣任务的垃圾分拣中心选址主从博弈问题,提出具有上层奖励机制的双层规划选址方案。首先,将收集点与有害垃圾处理企业作为回收物流发起方构建上层模型,将分拣中心与回收点作为接收方构建下层模型;其次,上下层均引入因有害垃圾存在而带来的环境侵害成本,考虑奖励等级为决策方案使上下层成本相互制约。最后以遗传算法求解算例,通过与单层双目标模型比较,讨论该双层成本模型的设计机制在成本控制上的优势与不足。     

基于遗传算法的误差因子粗糙集模型

粗糙集方法是数据挖掘的重要方法之一.针对当前粗糙集属性约简启发式方法的不足,本文提出了一个基于遗传算法的误差因子粗糙集模型.通过融合遗传算法,消除属性简约中约简属性相对集中的问题.通过引入误差因子,消除噪声数据的影响.利用关系型数据库的关系演算实现了算法,克服了基于文本方法的不足.通过一个舍有噪声的决策表实验,表明该模型是一个有效的算法改进.     

基于多代理的个性化推荐学习系统

针对现有学习系统存在信息过载、缺乏个性化服务能力、不能提供检索服务的问题,提出基于多代理构建个性化推荐学习系统。该系统利用JADE设计学习者Agent与推荐Agent,采用Lucene设计带有个性化能力的搜索引擎支持推荐,并融合3种推荐方法发挥多Agent间协商与协作的优势。实验结果表明,相比单一推荐方法,该系统具有较好的推荐效果和效率。     

数据挖掘技术在教学中的应用研究

论文基于数据挖掘的理论背景,着重阐述了其中关联规则和决策树两种方法,并将其应用到教学工作中。通过研究分析,使用关联规则方法,能更好地进行教学情况预测和教学效果评估;决策树方法能在毕业论文、课程选择等方面进行分析指导。最后,指出数据挖掘方法在教学中应用的发展前景。     

装配生产线平衡问题DNA遗传算法研究

讨论了装配生产线平衡问题研究现况,建立了生产线平衡数学模型,并运用DNA遗传算'法求解.基于遗传算法思想及DNA编码方法,DNA遗传算法设计了相应的交叉和变异等操作算子,用Matlab编程实现,并通过实例仿真验证了该算法解决此类问题的和可行性.     

变批量车间调度文化进化算法研究及应用

针对JIT环境下柔性生产的要求,多品种小批量生产使车间调度规划更加困难,许多生产调度优化问题属于NP-hard问题,其求解通常采用智能启发式算法。文化进化算法基于文化算法、文化进化思想及超群进化思想,通过上层文化空间的经验知识指导下层个体进化搜索的方向及步长,通过模拟人类社会文化进化的机制实现文化空间的进化与更新,最后将算法应用到变批量Flowshop问题的求解,用Matlab编程仿真测试,结果表明用此算法进行批量分割,解决生产调度优化问题是可行的,而且其搜索性能优于AGA算法。     

半导体黄光区调度问题研究

对半导体黄光区调度问题进行了研究,建立了半导体黄光区调度的数学模型,分别提出了用于求解该问题的启发式方法和粒子群算法方案,阐明了两种算法方案的具体实现过程。通过对仿真实例进行计算和结果比较,表明了粒子群算法优于启发式方法,取得了不错的优化效果。     

用QPSO算法求解模糊交货期Flow-shop调度问题

针对模糊交货期Flow-shop调度问题的特点,运用一种收敛速度快、全局性能好、不易陷入局部最优的智能迭代算法-量子粒子群算法,对其进行求解。通过仿真实例对该算法进行了验证,结果表明,在求解模糊交货期的Flow-shop问题时,量子粒子群算法要优于遗传算法和基本粒子群算法。     

基于文化进化的并行粒子群算法

为了改善粒子群算法对大规模问题求解的性能,提出一种基于文化进化的并行粒子群算法,阐述了该算法的原理和具体实施方案。选取背包问题作为算法的应用对象,通过对仿真实例进行计算和结果比较,表明该算法在最优值、求解速度、稳定性等方面具有较好的 效果。