一种基于惩罚系数的BP神经网络预测能力

为提高BP神经网络训练的预测能力,采用有助于提高BP神经网络逼近精度的Metropolis准则来克服BP神经网络训练学习过程中容易陷入局部极小值的问题;考虑到两类误分的代价不同,利用两个惩罚系数C1和C2,对两类误分给予不同程度的惩罚;采用轮换法的策略来避免因样本不均衡分布带来的负面影响.研究结果表明:所构建的神经网络模型效果令人满意,是行之有效的做法.

给水管网遗传优化设计中惩罚系数的确定

针对应用遗传算法进行给水管网优化设计中惩罚系数难以确定的问题,提出了一种应用给水管网技术经济参数来计算惩罚系数的新方法。数值模拟结果表明,采用该方法计算惩罚系数是可行的,能以较高的概率搜索到最优解,减小了确定惩罚系数的随意性和盲目性,提高了遗传算法的进化效率和收敛性,对于工程优化设计具有一定的参考价值。

无惩罚系数SVM高光谱影像分类算法研究

惩罚系数是支持向量机(SVM)机器学习中的一个重要参数,它的设置对分类结果有很大影响。但它没有规律可循,高光谱影像数据量大、数据复杂,为其选择合适的惩罚系数非常困难。提出无惩罚系数的SVM算法,利用最近点算法(NPA)计算二分类,对错分数据不设惩罚系数,而是对其重新构造凸集,计算最优超平面,迭代循环直到错分率达到所设的阈值为止。此算法简化了计算过程,降低了误分率。最后用AVIRIS高光谱影像进行实验,实验效果显示,本算法的分类精度和速度都得到很大提高。

证券市场违法违规之原因分析与违规惩罚系数公式

通过使用博弈论法对我国证券市场中违法违规案例进行分析 :探索为规范我国证券市场、强化监管而建立起市场参与者的违规惩罚系数公式。公式试图揭示惩罚系数与监管层检查概率之间的关系 。

一类车辆路径问题建模及其时间惩罚系数研究

车辆路径问题(VRP)在数学及物流领域具有重要的理论价值与实践意义,属于典型的NP-Hard难题。在深人分析VRP的基础上,考虑实际企业运作车辆路径规划中存在的相吸、排斥以及时间约束现象,构建了更符合企业实际运作的VRP数学模型。借助蚁群算法探讨了时间惩罚系数与模型求解效果之间的关系,并用MATLAB编程仿真。算例实验结果表明:模型的求解效果与惩罚系数正相关,当时间惩罚系数大于1时,模型的求解效果基本保持不变,并且模型的求解结果随着惩罚系数的增大而趋于稳定。

可变惩罚系数比例的分类SVM模型

为了解决常规分类SVM模型在样本比例相差较大情况下的不适用问题,提出了可变惩罚系数比例的分类SVM模型。在所提出的模型中,惩罚系数的比例以其对应样本数的反比来确定。最后,在90¨10样本比例下,分别用常规SVM模型和所提出的SVM模型得到相应的分割线,并将其进行比较,实验结果验证了本模型的有效性。虽然本研究所采用的核函数是最简单的向量内积,但所提出的模型对于所有的核函数都是适用的。

基于惩罚系数的人脸和声音融合识别方法

不同的生物特征采集装置采集的样本品质各不相同,样本品质高的识别可靠性较高,同时对于同一个样本,采用不同的识别方法,好的识别方法识别可靠性也较高,因而本文提出一种利用生物特征的样本品质和识别专家可靠性的融合识别(QSVM)方法。首先根据样本品质和识别专家可靠性得到样本惩罚系数和可靠性惩罚系数,进而得到总体惩罚系数,最后利用总体惩罚系数对支持向量机识别算法进行修改。本文采用XM2VTS数据库,分别将QSVM方法与贝叶斯分类法、Fisher线性判别函数分类法、多层感知器分类法和平均融合方法、SVM方法的半和误差率(HTER)进行比较,实验结果表明QSVM方法的半和误差率较小。

基于不同惩罚系数的SMO改进算法

为了解决Keerthi改进的序贯最小优化(SMO)算法在处理非平衡数据集时,整体分类性能较低、稳定性差等问题,对两个类别施加不同的惩罚系数的方法对算法作进一步改进,同时给出计算公式及算法步骤。实验结果表明,该算法不但提高了处理非平衡数据集的能力,也进一步提高了其稳定性。

真实诱导报酬方案惩罚系数影响的实验研究

通过在实际企业生产过程中的实验证实,真实诱导报酬方案中惩罚系数对于预算下级的预算申报数和实际完成数确有影响。惩罚系数越大,预算下级的预算申报数越低,而实际完成数基本不变,从而为进一步设计科学合理的预算管理报酬方案提供了依据。

关于惩罚函数中惩罚系数的讨论

对惩罚函数法中的惩罚系数进行了系统分析和讨论.首先,针对Deb基于可行性规则对约束违反相同情况下的比较没有具体说明的现状,提出一种改进的Deb基于可行性规则.在此基础上,证明了惩罚系数过大或者过小均不会影响排序的结论,并给出了惩罚系数影响排序的上下边界.实例分析表明了所得结论的有效性,为基于惩罚系数的算法设计提供了依据.

基于惩罚系数的改进协同过滤算法研究

随着大数据时代的到来,信息超载的问题日益凸显.个性化推荐技术可以帮助用户从数量繁多的信息中快速找到适合项目.协同过滤算法在推荐系统中广泛应用,但由于项目体系庞大,传统协同过滤方法的性能在稀疏的用户项目矩阵中表现不佳.针对传统算法受稀疏矩阵影响造成用户相似度计算不准确以及冷启动问题的存在,本文将用户共同评分项目所占比例和评分取值的影响纳入惩罚系数,与聚类分析法得到的用户画像相结合,提出了一种基于惩罚系数的协同过滤算法,以提升推荐系统的质量.实验表明,该算法降低了用户活跃度的影响,在推荐准确性方面有显著提升.

基于PPO算法的CIES低碳优化调度方法

阶梯式碳交易机制以及优化调度模型求解算法是进行园区综合能源系统(community integrated energy system,CIES)优化调度的重要因素,现有文献对这两个因素的考虑不够全面。为此,文中在考虑阶梯式碳交易机制的基础上,提出采用近端策略优化(proximal policy optimization,PPO)算法求解CIES低碳优化调度问题。该方法基于低碳优化调度模型搭建强化学习交互环境,利用设备状态参数及运行参数定义智能体的状态、动作空间及奖励函数,再通过离线训练获取可生成最优策略的智能体。算例分析结果表明,采用PPO算法得到的CIES低碳优化调度方法能够充分发挥阶梯式碳交易机制减少碳排放量和提高能源利用率方面的优势。

考虑主轴疲劳载荷的虚拟同步双馈风电场有功功率分布式优化方法

为降低风电场内各台基于虚拟同步发电机控制策略的双馈风电机组在响应电网功率指令值变化时所承受的主轴疲劳载荷,提出一种基于改进惩罚系数的交替方向乘子法的考虑主轴疲劳载荷的有功功率分布式优化方法。在推导可量化表征机组有功功率指令值与其主轴力矩之间关系的离散化模型基础上,以各台机组的主轴力矩波动总和最小作为目标函数,并根据机组运行状态设定目标函数的约束条件。为分担风电场中央控制器的计算压力,基于改进惩罚系数的交替方向乘子法将目标函数拆解为主函数(中央控制器)和多个子函数(本地控制器)的分布式优化结构,各本地控制器通过在线优化各台机组有功功率指令值以实现主轴疲劳载荷的降低。最后,仿真结果验证了所提优化方法的优越性。

计及风电出力惩罚成本的电力系统经济调度

风电出力具有随机性和间歇性的特点,如何在经济调度模型中处理大型并网风电场模型是长期以来关注的热点。为此,引入高估出力期望、低估出力期望以及惩罚成本系数的概念,在此基础上,提出了计及风电出力惩罚成本的电力系统经济调度模型。通过在目标函数中引入惩罚成本,使优化结果兼顾了风能的利用率和总经济成本。算例结果验证了该方法的有效性。

双目视觉图像边缘区域处理的精确立体匹配

立体匹配是双目视觉系统最关键一步,其处理图像的速度和精度直接影响系统结果。针对传统SAD(Sum of absolutedifferences)算法存在较多冗余计算问题,引入线性插值法降低算法复杂度;针对光照对算法干扰,提出一种融合算法策略避免光照影响;为了提高融合算法处理图像精度,引入Sobel边缘检测算子及自适应惩罚系数约束和保护图像边缘区域;为了获取边缘信息且抵御光照变化影响,采用基于结构森林快速边缘检测及大律法(OTSU)进行图像边缘和非边缘区域的分割;针对图像边缘出现的遮挡,采用左右一致性检测(Left-rightchecking)算法,并采用引导滤波器实现边缘优化。将该算法与传统SGM(Semi-global matching)算法在Middlebury测试集进行对比实验,平均误匹配率降到7.55%以下,平均运算时间较SGM算法缩短3.5s。

基于违约惩罚与资产折现的企业投资套牢风险分析

本文针对资产投资的专用性、项目合同条款的不完备性所导致的投资套牢现象,建立一个理论模型,利用违约赔付惩罚系数、交易双方的资产折现系数等变量,对套牢风险进行数理分析,为企业防范套牢风险提供了理论指导。

基于改进灰狼算法与最小二乘支持向量机耦合的电力变压器故障诊断方法

电力变压器运行故障的准确诊断有利于提高变电设备状态检修和电网安全运行水平,为实现故障的准确分类,文章以油中溶解的5种典型气体作为故障诊断的特征量,提出一种基于改进灰狼算法与最小二乘支持向量机耦合的电力变压器故障诊断方法。该方法通过改进灰狼算法寻求最小二乘支持向量机中的最优惩罚系数C和核函数参数g,用以提高故障诊断的准确率。首先阐明最小二乘支持向量机和灰狼算法的改进点并将二者耦合,将其代入413组电力变压器的油中溶解气体检测数据来诊断故障类型,与其他诊断方法进行对比;其次研究惩罚系数C和核函数参数g对电力变压器故障类型识别准确率的影响规律;最后借助训练后的改进灰狼算法与最小二乘支持向量机耦合方法,通过两台不同电压等级的变压器故障实例分析,验证了故障诊断方法的有效性。研究结果表明:相较于单一使用最小二乘支持向量机和传统灰狼算法与最小二乘支持向量机耦合,改进灰狼算法与最小二乘支持向量机耦合方法对电力变压器故障诊断的准确率分别提高了14%和7%。此外,惩罚系数C和核函数参数g对电力变压器故障类型识别准确率的影响呈现非线性规律,凸显了通过智能算法找到最优解的便捷性、必要性、有效性。

基于最优指标组合的代价敏感违约预测模型——以A股中小企业为例

企业违约预测是在当下时刻推断企业未来时刻发生违约事件的概率,与经济和社会息息相关。本研究的贡献在于:一是构造了兼顾指标组合违约预测精度和指标个数的多目标函数,通过sigmoid函数将蜉蝣算法转化为二进制蜉蝣算法,将其引入金融风险领域进行最优指标组合的遴选。二是在逻辑回归模型的对数似然函数中,给违约企业添加一个惩罚系数,以违约预测精度F-measure最大,反推最优的惩罚系数值,在保证总体判别精度的前提下,提高模型对违约企业的识别精度;同时使得逻辑回归求解的目标函数更贴合实际情况,确保了估计的权重向量更准确地反映指标数据与其违约状态间的函数关系。中小企业的实证研究表明:“高管年薪披露方式”“前十大股东是否存在关联”和“监事会持股比例”等企业内部非财务因素,以及“人均地区生产总值”“中长期贷款基准利率”和“货币和准货币供应量同比增长率”等宏观经济因素对中小企业违约预测的影响不容忽视。该方法可以提升对企业信用风险的识别能力,降低商业银行的不良贷款率。

CNN算法的损失函数优化及在低信噪比资料中的应用

深度学习CNN算法的核心之一是其利用损失函数完成反传机制达到各层网络之间的优化,因此,不同的损失函数及反传机制带来训练阶段人工神经网络模型不同的网络优化效果,其影响了机器学习算法的泛化能力及预测效果。基于此,文中提出了一种改进的带惩罚系数的损失函数,解决了在断层识别问题中因正负样本的数量高度不均衡导致的网络朝着错误方向收敛的问题。将其用于网络中指导训练,通过不同损失函数下的网络模型对理论数据和实际数据的识别结果,证明了这种方法的有效性和适用性。在低信噪比资料中的断层识别中,这种改进的优化网络,能够得到更稳定和更可靠的断层识别结果,为研究区潜山内幕小断层及断缝系统识别提供一种高效可靠的方法技术。

基于双链量子遗传算法的柔性作业车间调度

针对模糊交货期的柔性作业车间调度问题,以最小化完工时间、最小化总成本和最小化惩罚值为目标,建立问题的数学模型,提出改进的双链量子遗传算法。通过对实际生产交货期的模糊特点进行分析,设计了随交货时间变化的提前/拖期双惩罚系数;针对柔性作业调度问题的特点,提出基于机器分配链和工序链的双链结构编码方法和Hadamard变异策略,并在模糊集合理论的基础上引入对非支配解的优化排序策略和拥挤距离选择策略。将方法应用于Kacem算例和某机械模具车间调度,并与其他经典算法进行比较,验证了所提方法的有效性。