基于累积法和背景值优化的改进GOM（1，1）模型

针对影响GOM（1,1）模型预测精度的背景值和模型参数辨识值两个因素,基于一次反向累加序列的指数特性和背景值的几何意义,对GOM（1,1）模型的背景值进行了重新优化并给出了相应的计算方法,同时,运用累积法对模型进行参数辨识．在此基础上,提出了一种改进GOM（1,1）模型,并给出了改进模型时间响应函数的直接预测公式,给出...     

基于灰预测的PID主动队列管理算法

提出一种基于灰色预测的智能 PID(GI-PID)主动队列管理(AQM)算法,该算法采用 GM(1,1)模型在线预测路由器队列长度,补偿滞后以解决网络状况反馈不及时的问题;同时根据队列误差的变化趋势,应用专家经验动态改变 PID 控制器的参数,使参数实时地随着网络环境变化而调整,实现智能控制.仿真试验表明,GI-PID 算法相比传统 PID 算法大幅度地抑制了队列长度的振荡,路由器队列收敛于期望值,同时具有较小的分组丢弃概率.     

蜂花粉可溶性膳食纤维酶法提取工艺优化及其理化分析

采用纤维素酶法提取蜂花粉可溶性膳食纤维,分析其理化特性,并与酸提、碱提产品进行对比。结果表明,酶法提取蜂花粉可溶性膳食纤维最优工艺条件为:酶解温度50℃,酶解时间2h,酶用量2.5%,pH 4。在该条件下,可溶性膳食纤维得率为4.11%,产品呈乳白色、粉体,荷花蜂花粉特有气味浓郁,膨胀力2.03 mL/g、持水力1.01 g/g、水溶性91.26%,含有甘露糖、鼠李糖、葡萄糖醛酸、半乳糖醛酸、葡萄糖、半乳糖、阿拉伯糖7种单糖组分,具有多糖特征吸收峰。与碱提、酸提工艺相比,酶提产品具有较好水溶性和感官品质,更易于应用在饮料类食品的开发中。     

基于灰色神经网络的入侵检测系统研究

将灰色预测和神经网络有机的结合起来,构造出了新的灰色神经网络GNNM,并用于入侵检测系统(IDS)中,仿真结果表明,GNNM算法在较低误报率的基础上达到了理想的检测率,与传统的神经网络算法相比,不但提高了系统的并行计算能力和系统的可用信息的利用率,还提高了系统的建模效率与模型精度.     

基于邻域多核学习的后融合多视图聚类算法

基于图谱理论的多视图聚类是该领域的代表性方法之一.然而,现有模型尚存在3个问题.1)这类方法大多没有考虑不同视图之间的聚类性能差异,强制要求所有视图共享一个公共相似图;2)部分模型将相似图构建和聚类分步进行,导致所构建的相似图对于聚类任务并非最优;3)虽已有若干模型采用核学习处理数据间的非线性关系,但大多基于全局模型计算数据在核空间中的自表达关系,不利于充分挖掘局部非线性信息,且易带来沉重的计算负荷.为了应对以上问题,提出一种基于邻域多核学习的后融合多视图聚类算法,在类划分空间而不是数据相似图的层次进行信息融合,采用邻域多核学习方案在充分保留局部非线性关系的同时减轻计算负荷,并提出一种交替优化方案将相似图构建、多核组合、类指示矩阵生成等子任务在统一的框架下进行协同优化.多个数据集上的实验表明:该算法具有良好的多视图聚类效果.