基于改进蚁群算法的聚类分析方法研究

数据聚类在数据挖掘、机器学习以及统计学等多个领域中被广泛应用,蚁群算法是一种新型仿生类智能优化算法,具有很强的通用性和鲁棒性,但该算法在收敛性和搜索范围上受到算法本身约束。为进一步提高蚁群算法收敛性和搜索能力,论文结合遗传算法中变异因子来改进蚁群算法,使蚁群算法在每次迭代过程中产生遗传算法初始数据,来提高物种多样性,扩大解的搜索范围,避免陷入局部最优解困境。经过实验数据证明带有遗传因子改进的蚁群算法在搜索范围和收敛性上比一般蚁群算法都有所提高。

基于灾变因子的量子遗传算法研究

论文先介绍智能寻优算法的理论概念,然后着重通过对量子遗传算法原理的了解,从数学的角度对量子遗传算法进行合理的描述和过程的定义,并对量子遗传算法中加入了灾变算子,来解决不成熟收敛问题。最后编写该算法的Matlab代码实现对3个峰值函数进行仿真测试。通过测试结果比较基于灾变因子的量子遗传算法和标准遗传算法分别在对峰值函数寻优结果的精确度。对结果进行分析,可以根据测试结果发现,基于灾变因子的量子遗传算法在对峰值函数的寻优结果的精确度优于遗传算法。这表明了基于灾变因子的量子遗传算法在连续空间优化的可行性和有效性,同时也表明了基于灾变因子的量子遗传算法具有良好的应用前景。

基于ERNIE-IDCNN-CRF模型的电网调度领域命名实体识别方法

电力调度运行系统存在大量复杂数据,构建电网调度领域知识图谱是解决数据关联性缺失、附加值低的重要手段,而电网调度领域命名实体识别是构建领域知识图谱的基础任务之一。针对通用领域命名实体识别方法在电网调控领域适用性差、模型训练速度慢的问题,文章提出基于知识增强的预训练语义表示模型–膨胀卷积神经网络–条件随机场模型(enhanced representation through knowledge integration-iterated dilated convolutional neural network-conditional random field,ERNIE-IDCNN-CRF)的电网调度领域命名实体识别方法,该方法对字、短语、实体等信息进行统一建模,引入多源异构数据知识生成语义向量,实现模型语义表现能力的明显增强。实验结果表明,针对电力调度语料库,该方法的训练速度得到明显提升,电网调度领域实体的F1值达到85.09%,可有效识别出电网调度领域实体。

救救儿子

上世纪初,鲁迅先生曾大声呼吁:“救救孩子!”而今十岁顽童,大胆效颦,仿鲁迅爷爷,为我小字辈疾呼:“救救儿子”。为什么呢?不妨听我慢慢道来儿子小胖的酸、甜、苦、辣。小胖,男,12岁,1992年出生,得了一种怪病:一见爸妈便发怵。据医生说,这叫“家庭恐惧症”。怎么回事?