结合柯西分布和蚁狮算法改进的模糊聚类算法

针对模糊聚类对初始聚类中心依赖性较强且易陷入局部最优解的问题,提出了一种结合柯西分布和蚁狮算法改进的模糊聚类算法(CALOFCM)。引入柯西分布函数变异蚁狮算法,使得个体受局部极值点的约束力下降,从而增加跳出局部最优解的概率。使用优化后的蚁狮算法生成的精英蚁狮作为模糊C均值(fuzzy C-means,FCM)算法的初始聚类中心。分别在人工数据集和UCI数据集上进行了实验验证,并与K-means、DBSCAN、FCM、ALOFCM算法以及提出的算法进行实验对比。结果表明改进的算法获得了较好的聚类结果且在准确率、调整兰德系数和标准化互信息等评价指标上具有良好的聚类性能。

一种结合随机森林和邻域粗糙集的特征选择方法

针对肿瘤基因数据具有高维小样本的特性,为了提高传统基因分类方法的正确率,提出一种结合随机森林和邻域粗糙集的特征基因选择方法(Random Forest and Neighborhood Rough Set,RFNRS).该方法首先利用Relief算法,对原始的肿瘤基因数据进行权重选择,去除权重较低的特征子集;接着引入基于随机森林的封装式特征选择算法(Random Forest Wrapper Feature Select,RFWFS),以模型准确率作为评判准则,筛选特征子集;然后引入邻域粗糙集针对连续性的特征子集进行寻优处理;最后利用多个经典分类算法处理特征子集.经实验结果表明,该方法不仅在肿瘤基因特征子集的选择上具有良好的性能,同时在算法的分类性能上也有所提高.

基于递归特征消除方法的随机森林算法

基于随机森林算法中的相关预测因子进行变量选择,在高维回归或分类框架中,变量选择是一项艰巨的任务,甚至在高度相关的预测中变得更加具有挑战性,文章提供了在回归模型上置换重要性测量的理论研究,这使我们能够描述相关性预测和排名的重要性之间的影响。相比于原始随机森林算法使用重要性排名做变量选择,研究结果使用了递归特征消除(RFE)方法做变量选择。通过实验证明了RFE-RF方法对机器学习算法的正确预测有很大的帮助。

一种改进的SVM算法在乳腺癌诊断方面的应用

针对计算机辅助诊断(CAD)技术在乳腺癌疾病诊断准确率的优化问题,提出了一种基于随机森林模型下Gini指标特征加权的支持向量机方法(RFG-SVM)。该方法利用了随机森林模型下的Gini指数衡量各个特征对分类结果的重要性,构造具有加权特征向量核函数的支持向量机,并在乳腺癌疾病诊断方面加以应用。经理论分析和实验数据验证,相比于传统的支持向量机(SVM),该方法提升了分类预测的性能,其结果与最新的方法相比也具有一定的竞争力,而且在医疗诊断应用方面更具优势。

基于NS2的TCP性能仿真研究

探讨了目前应用较为广泛的网络仿真软件NS2的结构、功能、仿真原理及仿真方法,在此基础上,深入分析研究了TCP两种吞吐量模型的特性,并运用NS2仿真平台在不同场景下对两种模型进行了仿真验证,最后给出了这两种吞吐量模型的适用范围.

信息熵特征加权核函数的SVM数据分类方法

核函数及其参数的选择和优化与所分析数据的分布情况密切相关,同一数据经不同核函数映射或者同一核函数映射数据的不同特征子集都会获得不同的数据类群分度.现针对单一核函数在同一数据的不同特征子集上具有不同的预测识别效果的问题,结合信息熵理论,提出一种基于信息熵特征加权核函数的SVM数据分类方法,以避免核函数设计的盲目性及局部最优等非线性优化问题的同时提高算法的分类精度.经实验验证,基于信息熵特征加权核函数的SVM算法的识别结果与同类判别算法的识别结果相比,其分类准确率较高,稳定性和泛化性相对更好.

铸造缺陷分析专家系统的设计与实现

本文应用Turbo Prolog语言设计和实现了分析各种铸造缺陷属性和形成原因,以及防止铸造缺陷产生的工艺措施的专家系统。系统由知识库、推理机、数据库、人机接口和解释机构等五个模块组成。知识由产生式规则表达。采用反向链推理机构和菜单驱动方式的人机接口,用户无需了解系统的结构即可和系统友善交流。

一种顺序响应的随机森林:变量预测和选择

利用随机森林法(RF)进行分类和回归,在过去被广泛地研究,然而在基于顺序响应的情况下并没有标准的方法.在随机森林(RF)的基础上通过广泛的研究,对条件推理树进行探索,以探讨结合顺序信息是否改善预测性能或提高变量选择的效果.本文提出的两种置换变量的重要性预测方法 RPS-VIM和MAE-VIM经过实验验证是优化的方法,它替代目前存在的内置变量重要性测量方法 ER-VIM和MSE-VIM.基于真实数据的结果表明在某些设置中,有序回归树中使用RPS-VIM和MAEVIM顺序响应的组合,预测的排名可以得到改善,并且预测精度优于原始的基于分类树的随机森林.

基于时间阈值丢包率估计的网络断层扫描技术

基于现有单播测量技术研究,提出一种改进的单播测量方法——增加时间阈值的测量法,对网络链路丢包率进行测量。该方法通过为探测包的发送方式设定阈值,即设定同一数据包对间的时间阈值与不同数据包对间的时间阈值,并通过对收集到的数据使用伪似然估计方法PMLE计算得到网络链路丢包率。实验结果表明,采用该方法可以获得更多的有效测量数据,测量结果更接近链路性能的真实情况。

一种新的基于NT技术的链路时延估计算法研究

基于NT技术的链路时延估计研究通常使用极大似然估计方法,EM算法是极大似然估计的有效算法,特别适合非完全数据的参数估计,但是EM算法的计算量会随着网络规模的增长变得相对复杂,而导致收敛速度慢和容易局部最大化等问题,从而影响在网络中的应用.对此提出了一种将网络拓扑进行2步骤划分的方法,对2步划分出的局部拓扑分别进行EM算法的极大似然估计,降低原有方法的计算复杂度.最后利用NS2仿真实验验证了该算法的可行性和准确性.

一种双参数拓扑推测方法

针对采用单一性能参数推测网络拓扑结构算法的问题,如有效性与网络负载有关以及测量节点性能参数时大多需要节点间时钟的同步等,在现有的测量方法基础上,提出了一种不需要节点间时钟同步可以测量端到端时延抖动和丢包相关性的紧接分组对序列测量方法,同时设计了一种综合端到端时延抖动和丢包相关性的双参数拓扑推测算法,该算法能够适应不同的网络负载环境。最后通过NS-2仿真实验验证了该算法的有效性和准确性。

冲天炉熔炼过程自适应控制系统

分析了冲天炉熔炼效果的特点、熔炼中各参数变化趋势及其检测方法;提出了一种冲天炉熔炼过程自适应控制法(以网形图为依据,用自寻优、动态寻优及自校正的控制方法).应用表明,该法首先找出熔炼初期的最优工作点,转而用动态寻优加自校正法控制冲天炉,从而获得了较好的效果.

基于ReliefF和蚁群算法的特征基因选择方法

针对高维小样本的DNA微阵列数据多分类问题,提出一种基于ReliefF和蚁群算法的特征基因选择方法(ReliefF and ant colony optimization,Re FACO)。该方法首先采用ReliefF算法评估特征权重,根据阈值筛选出无关基因;然后引入改进的蚁群算法,在迭代改进的过程中寻找最优基因子集;最后利用经典分类算法对维数约简后的数据分类识别。经实验证明,该方法可有效地剔除无关和冗余基因,并利用较少特征基因达到较高多分类效果。

基于丢包率的多播网络拓扑推断算法

在已有的网络拓扑推断算法的基础上,提出一种改进的基于丢包率的多播网络拓扑推断算法。依据各层次节点及接收节点的层次信息,利用海明距离和节点接收的探测包数目,能够同时推断网络拓扑结构和链路丢包率,并且在计算链路丢包率的估计值时动态地调整拓扑推断的判决门限值,从而提高了推断的准确性。仿真实验证明,与现有算法相比,该算法具有更好的性能。

医疗数据的清洗以及知识挖掘

数据挖掘或数据分析在生物医学中与其他调查领域不同,因为在生物医学领域这些数据很复杂,他们资源不同,且每一个医师对同一个诊断记录都有他们自己的解释.分析医疗数据的特征,研究数据的清洗,目的是为了挖掘有价值的知识.实验显示,所提出的方法比朴素贝叶斯网络模式更有效.

一种基于三角模糊数的VANETs机会路由算法

分析了现有车用自组织网络(VANETs)的路由算法,提出一种新的基于三角模糊数的机会路由算法。新算法将转发节点与目标节点的距离、到达目标节点的方向、行驶速度向量、重传次数、车流状况等因素作为目标函数进行分析计算,采用熵权系数法确定各因素权重。路由过程中,贪婪选择向量值最大的节点转发数据包;遇到网络不连续时,将采用存储—携带—转发的机会路由策略。仿真结果表明,该算法能够较好地适用于VANETs各种场景。

基于NS-2的Ad hoc网络QoS仿真与研究

Ad hoc网络在军事和民用领域具有广阔的应用前景。但由于Ad Hoc网络复杂的动态特性,对Ad Hoc网络的QoS研究成为一个核心问题。在对Ad hoc网络性能、QoS和NS-2仿真原理分析的基础上,实现了基于NS-2的Ad hoc网络仿真平台,借助此仿真平台对丢包率、吞吐量、端到端延迟、延迟抖动等进行了仿真分析。通过综合评价得知,在Ad hoc网络节点同时移动的情况下,各项参数受移动切换、节点移动速度及通信范围的影响较大。文中指出Ad hoc网络的QoS尚存在诸多不足,有待于进一步的提高。

实时串行通信的设计及实现

支章讨论在工业控制过程中现场控制计算机与远程调度计算机利用串行通信口进行数据通信的方法，探讨了在数据传输过程中影响数据传输正确性的因素。

车联网架构与关键技术研究

车联网是物联网技术在智能交通系统中的应用,已经引起了国内外相关研究机构的高度重视。通过介绍车联网的基本概念,结合车联网的具体应用场景和实际特点,对车联网的服务类型、结点以及网络体系结构进行了分析探讨。进而研究分析了车联网发展过程中存在的一些技术难题,主要有RFID、中间件技术、新协议研发、智能技术以及安全可靠性,并对车联网能够提供的应用服务进行了归纳总结。车联网技术涉及众多学科领域,有待于展开更深一步的研究探讨。

基于NS2无线传感网路由协议模型的设计与研究

建立了一个以数据为中心的路由协议模型,在NS2仿真平台上对其进行了验证分析,并将其性能与传统端对端路由机制进行了比较.通过数学分析和仿真方法得知,在大规模高密度无线传感器网络中以数据为中心的路由协议能更有效地节约能量,延长网络的生命周期.