两种模糊密度确定方法的实验比较

信息融合方法是减少决策不确定性的有效途径和热点问题.本文研究模糊积分信息融合方法中的重要问题-模糊密度的确定方法,对其中两种典型的确定方法进行了细致的比较研究.基于公开而有效的13个UCI标准数据集,进行了成员分类器选择实验、不同融合方法比较实验等,并采用了描述分析、秩次分析、探测性显著性分析,最后与文献[4]中最优单分类器、文献[5]中Bagging,Boosting and random forests的最优融合结果进行了对比.结果显示,基于可能度的模糊积分方法优于基于可信度的模糊积分方法、优于文献[5]中最优融合结果;基于可信度的模糊积分方法与文献[5]中最优融合结果总体相当,优于简单平均融合方法,也优于文献[4]中最优单分类器.

多分类器融合框架下的模糊积分方法

随着信息融合技术的发展,多分类器融合技术逐渐由基于数据的融合向基于知识的融合发展。在基于知识的多分类器融合研究中,模糊积分方法是三大发展方向之一,它相对于其他两种方法具有独特的优势。本文对多分类器融合现状进行了分析,指出了模糊积分方法的进展和发展方向。

基于改进遗传算法的车辆路径优化研究

车辆路径优化研究是一个既有理论和实践意义又富有挑战性的课题。针对该NP难问题,提出了一种改进遗传算法。该算法采用了一种新的编码方式,使得染色体中的每一个基因能代表三层含义;采用了一种与爬山法相结合的混合进化策略。通过性能比较可以看出,在同等计算量情况下,改进遗传算法的优势明显。

分类器融合中模糊积分理论研究进展

将模糊积分理论与多分类器融合方法中其他两种研究热点方法进行了比较.介绍模糊积分的基本模型及通用求解过程.讨论目前分类器融合领域模糊积分理论的几个研究方向的发展现状和面临的问题,分析模糊积分理论基本模型和几种扩展模型的求解算法.提出了分类器融合领域模糊积分理论未来理论和应用研究中的开放课题.

基于模糊积分的客户分类不确定性优化研究

数据挖掘技术为高效的客户分类提供了强大的支持,然而仅依靠这门技术并不能很好地完成这项任务。因为分类方法的局限性,现实数据存在信息的不确定、不完整、先验知识缺乏,研究对象的复杂性等困难导致的分类不确定性。从这个角度出发,将模糊积分融合方法与数据挖掘技术结合来减小客户分类的不确定性,提出了一种模糊密度修正方法,它利用了训练样本先验静态信息和各分类器识别结果包含的动态信息对模糊密度进行自适应动态赋值。仿真结果表明了它的有效性。

运用模糊积分融合挖掘技术减小客户分类的不确定性

数据挖掘技术为高效的客户分类提供了强大的支持,然而仅依靠这门技术并不能很好地完成这项任务。本文将模糊积分融合方法与数据挖掘技术结合来进行减小客户分类的不确定性,提出了一种利用训练样本先验静态信息,结合各分类器识别结果包含的动态信息对模糊密度进行自适应动态赋值的方法。仿真结果表明了它的有效性。

基于改进遗传算法的物流配送中心选址研究

物流配送优化研究是一个既有理论和实践意义又富有挑战性的课题。对配送中心选址问题,文章提出了单点PMX交叉方法及有针对性变异的思想,并对传统精英个体保留策略进行了改进。通过性能比较可以看出,改进遗传算法的优势明显。

网格服务本体匹配算法研究

由于网格具有动态异构等特点,传统的基于属性的精确匹配方法不够灵活,并且扩展性差.将本体论的思想和方法引入到网格服务集成环境中,建立了基于本体的网格服务匹配系统结构,分析了基于语义上下文的领域匹配算法和领域内的服务匹配算法,从而实现了一种应用本体、基于语义的服务匹配机制.实验结果表明,提出的算法具有可接受的服务匹配时间、较高的匹配成功率和较强的获取网格服务的能力.

移动微云任务迁移与调度

为了解决移动微云中时间期限约束下的任务能效调度问题,提出一种基于自适应概率的分布式任务调度算法。算法分为两个阶段:资源发现阶段和自适应概率调度阶段。第一阶段主要通过修正的QoS OLSR协议,使发送任务执行请求的源节点周期性地收集邻近处理节点的资源信息;第二阶段主要根据源节点的任务到达率,以概率计算方式选择最优的处理节点执行任务,在满足时间约束的同时,达到最优的能效。经过大量仿真场景的验证,结果表明该算法在维持较高的任务完成率的同时,还可以降低任务完成的平均能耗。

一种基于推荐证据理论的仿真网格信任模型

在仿真网格环境中,信任机制是解决网格服务安全问题的一种有效方法.参考社会学的人际关系信任模型,建立了仿真网格节点信任推荐机制,并利用推荐证据推理理论,提出了将推荐证据组合为间接信任的一种线形时间递归算法。将直接信任和间接信任组合为综合信任,从而构建了一个计算仿真网格节点信任度的信任模型,并分析了模型中的几个关键问题。仿真试验和结果分析表明,提出的信任模型具有合理性、有效性及工程可行性。

一种基于网格技术的HLA分布仿真实现方法

网格为仿真应用、资源共享和执行提供了一个理想服务平台,但只应用网格服务开发分布交互仿真,开发者必须自己创建通信机制来协调仿真执行。基于HLA开发的分布交互仿真存在缺乏动态发现和资源利用率不高等问题。为克服两者存在的问题并发挥各自的优点,提出了一种基于网格技术的HLA分布仿真实现方法。详细阐述了框架构成及网格服务构件和时序流程的设计,实现了仿真资源的动态分配、动态状态监控及任务动态迁移,并通过实验进行了验证。

ERP、CRM、SCM 3大系统的整合

ERP(企业资源计划)系统、CRM(客户关系管理)系统、SCM(供应链管理)系统是随信息化发展起来的3大信息系统,它们各有特点。随着企业全面信息化,ERP、CRM、SCM3大系统的整合必将是发展的趋势。3大系统的整合是一个复杂而艰难的工程,确定需要整合的部分与方法将是其中的重点和难点。

数据挖掘在销售预测中的应用

数据挖掘技术在经济中的应用是信息决策、经济管理等领域的前沿研究方向之一。企业决策离不开销售预测,传统的预测系统已远远不能满足要求。针对传统预测系统存在的问题,详细探讨了应用数据挖掘技术的相关内容,并设计了面向销售预测的数据挖掘一般结构框架。

基于统计证据的半监督多分类器融合方法

针对半监督学习中未标记示例导致性能下降的问题,提出一种新的协同训练算法LDL-tri-training.首先通过最小显著性差异(LSD)假设检验方法使得3个成员分类器两两之间具有显著性差异;然后采用D-S证据理论提高标注的稳定性;最后利用局部异常因子检测算法剔除误标记的噪声样本.实验表明,与其他方法相比,LDL-tri-training算法具有较高的分类精度和稳定性.

分组选择聚类融合算法

针对聚类融合算法可能出现信息失真等问题,提出一种新的聚类融合算法.该算法兼顾聚类质量与成员多样性,采用一种新的相似性度量,并依据度量结果先对聚类成员进行剪辑操作,再分组、选择,最后根据每个聚类成员对于各类别的贡献设计了一种新的加权函数.与其他方法相比,该方法具有较好的稳定性和精确性.