一种提高Vicsek模型收敛效率的新方法

针对Vicsek模型收敛速度较慢和一致程度较低的问题,利用动态网络的拓扑结构并结合复杂网络中度的概念,提出一种以度为权重提高Viesek模型收敛效率的新方法.进一步以动态网络的度的幂指数得到模型的推广形式,该指数的范围为[0,∞).仿真实验结果表明,改进后模型的收敛效率优于原模型,且收敛效率随着指数的增加而增大.     

分布式虚拟环境的可扩充性研究

讨论了与分布式虚拟环境系统扩充性相关的两类技术,一类是通过简单的硬件并行来实现系统扩容,典型的例子是多服务器并行分区技术。这类技术能够支持大规模的分布式虚拟环境(DVE)系统,缺点是费用太高;另一类技术试图通过减少服务器通信负载来实现系统容量的增加,主要包括感兴趣区域（AOI）技术,DR算法和组播技术。此外,还讨论了一些复合方法：如基于AOI的组播技术等。网络负载的减少意味着相同的硬件条件可以支持更大规模的客户,从而有助于解决大规模DVE系统的扩充性问题。     

基于支持向量机集成的故障诊断

为提高故障诊断的准确性,提出了一种基于遗传算法的支持向量机集成学习方法,定义了相应的遗传操作算子,并探讨了集成下的分类器的构造策略。对汽轮机转子不平衡故障诊断的仿真实验结果表明,集成学习方法的性能通常优于单个支持向量机,而所提方法性能则优于Bagging与Boosting等传统集成学习方法,获得的集成所包括的分类器数目更少,而且结合多种分类器构造策略可提高分类器的多样性。该方法能容易地推广到神经网络、决策树等其他学习算法。     

模糊粗糙数据模型:一种数据分析的新方法

提出了一种数据分析的新方法——模糊粗糙数据模型（Fuzzy Rough Data Model,FRDM）.该方法采用动态自适应模糊聚类技术,将Kowalczyk方法中的粗糙数据模型（Rough Data Model,RDM）对输入数据空间的网格状“硬划分”转化为模糊划分,辨识输入数据空间中的模糊模式类,并通过定义各模糊模式类与决策类别之间的类型映射关系ftype：Ci→y,以及输入数据对各模式类分类规则的匹配度（Degree of Fulfillment,DoF（x））概念,建立起相应的FRDM模型.不同数据集的实验测试结果表明,与Kowalczyk的RDM方法相比,文中方法具有更好的数据概括能力、更强的噪声数据处理能力和更高的搜索效率.     

基于属性约简及支持向量机的医疗诊断决策研究

把基于粗集的属性约简方法与支持向量机分类器的基本理论相结合,以提高决策分类的综合性能。将所提方法应用于医疗诊断决策,并对属性约简前后的决策性能进行了比较分析。试验结果表明,利用约简后的数据集,计算复杂性降低,内存需求减少,同时仍能保持较高的决策准确率。     

DVE architecture based on message category

By importing the idea of P2P,and transmitting messages among clients directly into the client-server architecture,a new hybrid architecture was presented with the help of AOI technology and message category.Theoretical analysis of this architecture was presented in detail.A series of simulation experiments was carried out to verify its effectiveness.Results indicate that the new architecture produces less server message workload than traditional architectures,which can improve the scalability of DVE systems.     

国内外能源预测模型和能源安全评价体系研究综述

本文综述了国内外构建能源预测模型和能源安全评价体系的现状,分析了现有研究成果的主要特点以及目前存在的不足和缺陷,并在此基础上对针对创新能源预测建模的关键问题进行了分析,以及应注重研究城市能源安全评价指标体系的学术主张。     

分类分析中基于信息论准则的特征选取

Feature selection aims to reduce the dimensionality of patterns for classificatory analysis by selecting the most informative instead of irrelevant and/or redundant features. In this study, two novel information-theoretic measures for feature ranking are presented: one is an improved formula to estimate the conditional mutual information between the candidate feature fi and the target class C given the subset of selected features S, i.e., I(C;fi|S), under the assumption that information of features is distributed uniformly; the other is a mutual information (MI) based constructive criterion that is able to capture both irrelevant and redundant input features under arbitrary distributions of information of features. With these two measures, two new feature selection algorithms, called the quadratic MI-based feature selection (QMIFS) approach and the MI-based constructive criterion (MICC) approach, respectively, are proposed, in which no parameters like β in Battiti's MIFS and (Kwak and Choi)'s MIFS-U methods need to be preset. Thus, the intractable problem of how to choose an appropriate value for β to do the tradeoff between the relevance to the target classes and the redundancy with the already-selected features is avoided completely. Experimental results demonstrate the good performances of QMIFS and MICC on both synthetic and benchmark data sets.     

化工多变量时滞过程的频域解耦控制设计的研究进展

化工多变量时滞过程的频域解耦控制设计方法在工程实践中被广泛采用，是过程控制领域中的一个重要研究方向。本文根据近些年来这一研究方向上的主要研究成果，简要地概述了具有主导影响的几种频域解耦控制结构及其整定方法的研究进展，分析和讨论了它们各自的主要优缺点，然后指出了一些当前化工实践中具有迫切要求的相关研究课题。     

基于判别改进局部切空间排列特征融合的人脸识别方法

改进型局部切空间排列(ILTSA)是最近提出的一种流形学习方法。基于对ILTSA的线性逼近和判别拓展,该文提出一种新的称为判别改进局部切空间排列(DILTSA)的特征提取方法,并给出了理论证明和算法分析。基于最大邻域间隔准则和ILTSA, DILTSA能够同时保持类内与类间局部判别几何结构。此外,提出一种增强型Gabor-like复数小波变换以缓解照明和表情变化对人脸识别的影响。通过融合Gabor-like复数小波变换和原始图像特征,能够进一步提高人脸识别的准确率。在Yale 和PIE人脸数据库上的实验结果证明了所提方法的有效性。