基于高维多目标优化的多车场车辆路径问题

车辆路径问题是运筹学中著名的NP问题,在运输领域中具有重要的现实意义。多车场车辆路径问题是其中的一个重要分支,作为单目标优化问题和低维多目标优化问题被广泛研究。然而,多车场车辆路径问题本质上是一个高维多目标优化问题。因此,论文针对问题的本质,从物流企业和客户两个不同的角度考察四个优化目标,提出了基于高维多目标优化的多车场车辆路径问题,构造了相应的框架MO-MDVRP,并运用NSGA-III和I-DBEA得到了两个算法实例MD-VRP-NSGAIII和MDVRP-IDBEA。在六个Cordeau数据集上进行仿真实验,实验表明,运用MDVRP-NSGAIII和MDVRP-ID-BEA求解MO-MDVRP是可行的,MDVRP-NSGAIII的效果显著优于MDVRP-IDBEA。

医学院校信息管理专业人才培养探讨

医疗信息化是国家信息化建设的重要组成部分。针对当前医疗卫生信息化的人才需求和医学院校信息管理专业的人才培养情况,从课程设置和实施方案两个方面提出了医学院校信息管理专业人才培养建议。该建议强调信息管理专业的跨学科本质和实践能力培养,对专业建设具有一定的借鉴意义。

基于多目标模拟退火的带容量限制车辆路径问题

车辆路径问题是运筹学中著名的NP问题。带容量限制的车辆路径问题作为最基本的车辆路径问题,其研究对其它类型的车辆路径问题具有重要的借鉴作用。论文首先从物流企业和客户两个不同的角度考察4个优化目标,将带容量限制的车辆路径问题推广到高维多目标领域。然后运用基于Pareto支配接受准则的多目标模拟退火算法在单数组和多数组两种不同的编码方式下进行求解,并通过实验分析对比两种编码方式的优劣。在9个Augerat数据集上的实验结果表明,单数组编码方式在IGD和HV指标下不如多数组编码方式。单数组编码方式得到的Pareto解集具有更好的多样性,而多数组编码方式得到的Pareto解集具有更好的收敛性。

基于多目标优化的快递管理系统

高效的配送是快递企业生存和发展的前提。为了有效管理快递和规划路径,首先,采用用例图进行了需求分析。接着,采用Struts2、Spring和Hibernate框架进行了系统架构设计。然后,采用序列图和类图对展示了路径规划功能的用例实现。最后,实现了一个基于多目标优化的快递管理系统。本系统提供快递管理、配送中心管理和路径规划等功能,能产生多套路径方案,供业务管理员根据实际情况进行选择。通过实验,本系统运行良好,系统的设计和实现是可行有效的。

基于BLSTM-CRF中文领域命名实体识别框架设计

为在不依赖特征工程的情况下提高中文领域命名实体识别性能,构建了BLSTM-CRF神经网络模型。首先利用CBOW模型对1998年1月至6月人民日报语料进行负采样递归训练,生成低维度稠密字向量表,以供查询需要;然后基于Boson命名实体语料,查询字向量表形成字向量,并利用Jieba分词获取语料中字的信息特征向量;最后组合字向量和字信息特征向量,输入到BLSTM-CRF深层神经网络中。实验结果证明,该模型面向中文领域命名实体能够较好的进行识别,F1值达到91.86%。

心电三维RR间期散点图的构建及其与临床疾病的关联

目的:绘制和分析不同疾病的心电三维RR间期散点图,寻找图形特征与疾病的关联。方法:使用PhysioBank网站提供的心电数据,以正常窦性心律、心律失常、心房颤动、心脏性猝死、慢性心力衰竭为例,使用MATLAB平台编程和Kmeans聚类算法,绘制和分析三维RR间期散点图。结果:正常窦性心律、心律失常、心房颤动、心脏性猝死、慢性心力衰竭的三维RR间期散点图都收敛成若干个分类,均具有终极、稳定和吸引的特性。但不同的病例在聚类个数、每类的聚集程度、分布范围等方面均有显著差异。结论:不同疾病的三维RR间期散点图均呈现多分布,可以划分出多个类,有着不同的分布特点。三维RR间期散点图可以清晰地看到二维散点图重叠的部分,能更准确地区分不同的疾病,有着丰富的参数待研究。

“教学评价”研究热点与主题可视化分析

教学评价作为现代教育科学研究三大领域之一,对其研究热点和主题分析十分必要。文章以中国知网数据库2014-2016年核心期刊、CSSCI期刊收录的840篇教学评价研究相关的学术论文为研究对象,利用可视化技术,结合词篇矩阵、共现矩阵、聚类分析、多尺度分析、社会网络化分析等技术探究我国教学评价领域近3年研究现状和发展趋势。结果显示,教学评价研究主要围绕九个主题展开研究,当前研究主要集中在教学模式改革、教学过程和要素、评价方式等;未来需要关注教学模式改革效果评价、有意义学习等领域。

基于词向量Doc2vec的双向LSTM情感分析

针对词嵌入技术Word2vec仅仅利用上下文环境生成词向量,对文档词序语义表达不足,提出Doc2vec词向量生成方式;LSTM按照历史顺序处理时间序列数据,没有考虑到下文信息,因此提出双向LSTM实现评教评语的情感分析。通过两组对比实验:Word2vec和Doc2vec词向量生成对比实验、LSTM和双向LSTM评教评语情感分析对比实验,验证了Doc2vec词向量技术对句子的表达优于Word2vec,双向LSTM在情感分析中具有更高的精准度。

大数据驱动下的评教系统优化设计

教育大数据的到来,为教育教学带来了春天,同时也提出了对教学管理评价的挑战。评教对象基数大、评价大数据存储等问题成为了当前高校必须面临的问题。面对评教大数据处理需求,结合本校大数据驱动下实际评教系统研发,抽取其中核心优化设计理念,阐述数据驱动下的评教系统优化设计。主要从数据库分块、分区和SOA异构系统集成两个方面进行详细介绍,并通过系统压力测试验证了其可行性、有效性。为其他高校在大数据驱动下评教系统建设提供借鉴方案。

基于差分演化算法的软子空间聚类

软子空间聚类算法的性能主要取决于其目标函数和搜索策略.文中提出了一种基于差分演化算法的软子空间聚类算法DESC.首先,设计了一个结合模糊加权类内相似性和界约束权值矩阵的新目标函数.然后,提出了新的隶属度计算方法.最后,引入了一种有效的全局搜索算法——复合差分演化算法,并运用该算法优化新目标函数和搜索子空间中的聚类.实验表明,新目标函数和复合差分演化算法的引入有效地提高了软子空间聚类算法的性能,新算法较已有软子空间聚类算法有明显优势.

多目标时间依赖团队定向问题

团队定向问题是车辆路径问题的一个重要衍生问题,被广泛应用于旅游路线规划等现实问题中。当前团队定向问题并没有同时考虑路况的时间依赖和不同的节点可能存在多种不同的收益。针对这个问题,首先提出多目标时间依赖团队定向问题,同时考虑时间对路况的影响和节点的多种不同收益。然后运用多目标模拟退火算法进行求解。最后,在现有多目标时间依赖定向问题标准数据集的基础上构造多目标时间依赖团队定向问题数据集并进行实验。实验结果表明多目标模拟退火算法能有效求解多目标时间依赖团队定向问题,所得的Pareto解集有较好的多样性和收敛性。

基于多目标模拟退火的团队定向问题

团队定向问题是车辆路径问题的一个重要衍生问题,是运筹学中著名的NP问题。然而,当前对于团队定向问题的研究主要集中在单目标优化,不利于体现代价和收益的折中取舍,也无法根据实际情况选择合适的方案。首先从代价和收益的角度,通过两个目标考察团队定向问题。然后运用基于Pareto支配接受准则的多目标模拟退火算法进行求解。在6个Chao数据集上的实验结果表明,基于Pareto支配接受准则的多目标模拟退火算法能有效求解团队定向问题,所得的极端解与单目标优化下的已知最优解相近,所得的Pareto前沿在各个目标函数上有较好的多样性和收敛性。

基于深度学习的ECG心拍数据分类设计

心脏疾病是威胁人类健康的最大病因,ECG信号的复杂性使得人工检测需要大量时间且容易误诊,因此基于心电图心拍数据实现计算机辅助ECG判断具有重要意义。提出基于QRS波群的心拍特征提取方法,以Pan-Tompkins算法实现QRS波群定位,设计心拍截取规则;构建一维卷积神经网络(CNN)模型,实现ECG四类心拍数据(正常搏动、左束支传导阻滞、右束支传导阻滞、室性早搏)的自动分类检测。为验证提出心拍截取方法的有效性,以MIT-BIH心率失常数据库45条数据进行验证,结果显示其灵敏度为99.1%、特异性为99.4%。采用截取的四类心拍数据验证一维CNN自动ECG分类检测模型的可用性,结果显示模型总体分类准确率为98.95%。