改进的组合优化决策树谣言判别方法研究

随着互联网承载的信息量逐步增长,如何对网络中的谣言做出准确的识别变得越来越重要,现有谣言判别方法都建立在实验样本和训练样本的数据结构相同的前提下,而现实中谣言数据的属性结构并不完全一致会导致谣言判别模型的准确率受数据属性结构的影响较大。针对这个问题,对组合优化决策树算法(CODT)的建树算法做出了相应改进并提出一种E-CODT算法,实验结果表明,在实验样本与训练样本集数据结构不同时,改进后的算法表现出对谣言的判别更高的准确率、普适性以及突出的现实应用价值。

改进BP神经网络在机票销售量预测中的应用

为解决BP神经网络易陷入局部最优、收敛速度慢等问题,使其能够更加准确地预测机票销售量,提出一种自适应和声算法(HS)与遗传算法(GA)的混合优化算法(GA_HS)。调整和声算法中的微调概率(PAR)和音调微调带宽(bw),使其具有自适应性,在更新和声种群过程中引入遗传算法的交叉、变异操作,利用GA_HS算法优化BP神经网络权值和阈值,提升BP神经网络的性能。建立4种模型完成机票销售量的预测对比实验,实验结果表明,GA_HS算法优化的BP神经网络对机票销售量预测具有更好的准确性。

三维编织复合材料横向冲击变形与细观结构关系

采用改进分离式霍普金森压杆(SHPB)对三维四向(3D4D)和三维五向(3D5D)编织复合材料进行横向冲击试验。利用高速摄影记录冲击变形和损伤扩展情况,探究细观结构对三维编织复合材料横向冲击变形的影响。研究结果表明:与3D4D编织复合材料相比,3D5D编织复合材料冲击载荷峰值较大且冲击变形较小,其失效模式主要是基体脆裂;3D4D编织复合材料主要失效模式为纤维束断裂;3D5D编织复合材料中轴纱的存在使应力沿轴向传播,有效抵抗横向冲击变形。

基于用户偏好的权重搜索及告警选择方法

用户在现有交互方式下选择最为严重的告警时完全依据其个人偏好,而未考虑处理不同告警所需成本的差异性问题.为此,提出一种基于用户偏好的权重搜索及告警选择方法.挖掘用户对不同严重程度告警的偏好值,针对问题的复杂性建立评估函数,并给出偏好权重的选择策略.对不同告警及其对应的用户偏好权重建立效用函数,确定需优先解决的告警,并在成本约束下完成基于用户偏好的告警选择,提高告警处理效率.实验结果表明,该方法能够合理有效地做出告警选择,与基于背包式和设定阈值的方法相比,其告警选择的表现更优.

新形势下中职机电专业教学的创新思考

随着信息时代的发展以及国民教育技术水平的日益提升,社会各界对素质教育发展目标也提出了更高需求。在新形势背景下,为有效提升中职机电课程教学的整体品质,教师们根据现状对传统教学模式作出了创新性的改革,进一步活跃了中职机电专业的课堂气氛,从而实现了课程革新的基本目的。就在中职机电专业课程中怎样进行课程革新做了研究分析,并期待给今后的机电教育工作者带来一定帮助。