概率计算中数据思维的应用

概率计算是概率统计理论的重要组成部分.针对传统概率统计教学重知识传授轻数据思维引导现象,阐述了古典模型、全概率、独立和事件、小概率事件、条件概率和几何模型等概率计算中如何应用数据思维进行分析.教学实践表明,运用数据思维的整体性、量化性、互联性、价值性、动态性和图像化等特征来计算概率,可以降低概率计算的复杂度,有利于理解随机试验过程和发现概率潜藏价值,还能够促进学生数据思维意识形成和数据分析技能提升.

一种混合均值聚类算法的实现

从K-Means聚类算法和FCM算法混合运行的角度来探讨聚类问题,针对FCM算法初始化隶属度矩阵的随机性问题,提出了一种混合均值聚类算法。在混合算法运行过程中,利用前者的聚类结果信息来初始化后者的初始中心,依此来计算FCM算法初始隶属度矩阵,通过FCM算法的运行,最终实现数据集的聚类目的。实验结果表明该混合均值算法比单纯使用FCM算法效果好。

遗传聚类算法改进及其仿真

针对k-means算法与遗传聚类算法结合时,在其运行过程中算法易于早熟的现象,给出了一种改进的基于遗传进化的聚类算法,将k-means算法与遗传算法二者结合,并通过双种群混合方式构造初始种群,而两种群的不同来源于其各自个体构造方式的不同。适当设计遗传算子作用种群后,于进化群体中选择最优个体,以其对应各分量作为k-means算法的初始中心点,并由该个体执行k-means操作达到数据源的最终聚类之目的。仿真实验表明,该算法是一个有效的遗传聚类方法。

基于质心和自适应指数惯性权重改进的粒子群算法

针对粒子群优化(PSO)算法易出现早熟收敛及寻优精度低等问题,为提高粒子群优化算法寻优能力,提出了一种基于质心和自适应指数惯性权重改进的粒子群优化算法(CEPSO)。首先,使用各粒子的适应度计算权重系数;然后,分别使用各粒子当前位置和迄今为止最优位置构造了加权的种群质心和最优个体质心,使用平均粒距来度量群体状态,并依据群体状态设计了分段指数惯性权重;最后,结合使用分段指数惯性权重和双质心调整了粒子速度更新公式。仿真结果表明,CEPSO能增强寻优能力,并具有较强的稳定性。

基于Chebyshev映射的混沌粒子群融合FCM聚类算法

在PSO融合FCM实施聚类分析中,为克服PSO迭代后期易于发生早熟这一问题,选用Chebyshev映射产生混沌序列。在粒子群初始化时,使用该映射分别初始化各粒子位置和速度,同时,在粒子群算法各次迭代运行中,使用该映射计算惯性系数,并利用适应度方差判定粒子群算法是否发生早熟。若未发生早熟,则依基于混沌惯性系数粒子群搜索最优解,当发生早熟时,则按当前粒子群迄今为止搜索到的最优位置为起点进行混沌搜索,并用搜到的最优位置替换粒子群中最差粒子位置,进而将该混沌粒子群算法同FCM算法融合完成聚类分析任务。提出一种基于Chebyshev映射的混沌粒子群融合FCM均值聚类算法。实验结果显示该算法具有较好的寻优能力并提高了样本分类精度。

Matlab在蚁群聚类算法数据源产生中的应用

从蚁群聚类算法模拟实验出发,结合待聚类数据源应满足可分性、稳定性和可变性特点的需求,针对数据源的产生和存储问题,给出了一种以服从正态分布的随机向量组来模拟的方法。通过Matlab随机数的产生和数据库的存储与更新技术的阐述,使用不同分布特征下的向量组来抽象数据源的可分性、对向量组的存储及更改,使其满足稳定性和可变性的处理方式,达到了模拟蚁群聚类实验的目的,于.Net环境下用C#Windows应用程序加以实现。在LF算法对产生的随机向量组作用后,运行结果表明该方法产生的数据源是有效的。

基于面向对象思想KMeans算法实现

KMeans算法是聚类算法中的一种常用算法,在模式识别和聚类中经常被使用,属于无监督式分类的一个分支。其主要目的是对具有相同数据类型的样本数据按距离最短规则进行集合的划分,最终获取各等价类。在采用面向对象程序设计方法时,利用YangBen类实现各样本的相关运算,并采用LinkList类对象来存储各等价类中的元素,从而简化了实现的复杂度,并试图从初始化聚类中心点角度对KMeans算法提出了改进。

基于质心和自适应指数惯性权重改进的粒子群算法

针对标准粒子群优化算法易出现早熟收敛及寻优精度低等缺陷,提出一种基于双质心和自适应指数惯性权重的改进粒子群算法(DCAEPSO)。算法使用粒子搜到的最优解和当前解构造加权的种群质心和最优个体质心,结合使用自适应指数惯性权重调整了速度更新公式。通过几个典型测试函数仿真及Friedman和Holm检验,实验结果显示DCAEPSO比其他粒子群算法寻优能力强。

基于RBAC模型车辆管理系统权限管理设计与实现

从系统开发的角度提出了基于RBAC模型车辆管理系统权限管理的设计与实现关键技术。系统实现中,利用枚举类型实现用户权限编码,通过TreeView控件显示权限树,使用二进制位运算计算用户权限,并借助存储过程转换用户及角色操作规则。这既增强了车辆管理系统的安全性,又为RBAC模型的扩展与应用提供了参考。

遗传聚类算法及其改进

本文给出了一种改进的基于遗传算法的聚类算法。传统的KMeans算法具有较强的局部搜索能力,但是对初始化聚类中心很敏感,容易陷入局部收敛性。基本遗传算法具有全局优化性,但局部搜索能力较差,收敛速度慢。针对二者算法的优缺点,利用了面向对象程序设计思想,结合二者的优点,提出了一种改进的遗传聚类算法。数据实验表明,该方法有效地提高了基于遗传算法的聚类算法的局部搜索能力和收敛速度。

形式化表示UML顺序图的结构操作语义

采用三元组形式化定义了UML顺序图及其对应的结构操作语义规则,并采用该方法描述了身份验证过程对应的操作顺序.这为基于UML顺序图的测试用例的自动生成奠定了基础,也为UML顺序图的模型转换和模型验证提供了必要的前提条件.

递归策略求解数据结构中归并排序算法

在递归概念的分析基础上,对递归策略求解归并排序问题进行了探讨。通过递归定义归并排序问题,明确了递归策略求解该排序问题的边界条件和递归模式。利用二叉树构建过程模拟归并排序的递归求解步骤,并结合面向对象程序设计思想设计了MergeSort类以封装归并排序数据源和相关排序、合并操作。这为学生理解并掌握递归策略设计算法提供了参考。

论子函数在C语言数据格式输出中的应用

通过使用子函数封装数据格式输出功能,并使用图解方式对测试用例的输出结果进行解释,为正确地使用C语言数据格式输出进行编程提供了参考。

基于首次找准原则和相邻原则的LF蚁群聚类的改进算法

研究了LF蚁群聚类算法的改进问题。首次找准原则能够克服算法运行初期蚂蚁长时间遇不到待处理对象的现象,使得不同的蚂蚁一开始就能遇上不同对象。在LF算法中,当蚂蚁未负载且对当前对象试图执行拾起操作时,若不转移该对象,则采用位置相邻原则来预选下一个待处理对象。当蚂蚁负载且对当前对象试图执行放下操作时,则采用对象间相邻原则来选择相应的放置位置。改进后的算法既可以独立处理聚类问题,又可以作为其他算法的预处理步骤,具有一定的应用价值。

k-means融合FCM算法聚类研究

k-means融合FCM算法执行聚类过程,是在k-means算法完成聚类后,以其聚类结果作为FCM算法执行的初值,并通过FCM算法的执行完成。从结果分析可以看出,该算法聚类的效果比单纯使用FCM算法好,能够减少FCM算法循环体迭代运行次数并增强算法的鲁棒能力。

长江安庆段江豚主要栖息地鱼类群落结构

长江皖河交汇处(皖河口)是安庆江段江豚主要的栖息地之一。为了解江豚主要栖息地鱼类群落结构,于2013年9月—2014年8月对皖河口及其附近4个断面逐月进行了鱼类调查。研究结果表明,共采集鱼类35种,与历史资料相比,鱼类物种多样性已经严重下降,并且小型化趋势明显。5个断面当中,皖河口鱼类种数最多,为27种,且以中上层鱼类餐和油餐为主要优势种;其余4个断面分别为16、20、19和14种,且多数断面以底层鱼类黄颡鱼和长须黄颡鱼为主要优势种。方差分析结果表明,皖河口渔获物的总数量和总重量与其他断面无显著差异,但总种数却显著高于断面1和5。对中上层、中下层和底层鱼类的进一步分析发现,5个断面的显著差异仅存在于中上层鱼类,且皖河口中上层渔获物的数量和重量均显著高于其他断面。由此推断,江豚选择皖河口作为主要栖息地可能主要由于其更加丰富的中上层鱼类资源。研究结果不仅有助于了解鱼类资源的变化,还对江豚的原地和迁地保护具有重要意义。

长江东流河道整治对长江江豚种群数量的影响

长江江豚是生活在长江中下游的濒危水生哺乳动物,通常活动在江心洲和浅水缓滩附近。航道整治改变了鱼类栖息活动的水文环境,也给豚类生存带来负面影响。本文根据长江东流河道整治施工前和施工后各3次野外考察资料,分析了3种流态中江豚的数量与群结构。结果表明,该工程实施前江豚主要栖息活动在边滩的分离区,其次在洲头的分流区。工程实施后,整治江段的江豚种群数量年下降率达8.9%。江豚在分流区活动已消失,在分离区集群规模较小,且在流态之间移动增大。本文研究结果也提示长江江豚就地保护难度越来越大,从长江干流中把长江江豚迁入故道中是一件刻不容缓的工作。

"倒下"的滑轮(初二、初三)

滑轮的使用常有竖直放置和水平放置两种形式．同学们接触较多的是竖直放置形式，而对水平放置的滑轮感到陌生，其实，它们的本质是相同的．

一种动态邻域自适应粒子群优化算法

针对粒子群优化算法(PSO)易出现早熟收敛及寻优精度低等缺陷,提出一种动态邻域调度策略DNSS,该策略的基本思想是:结合全局版PSO快速收敛和局部版PSO收敛精度高各自优点,选用环形和星形拓扑结构来构建不同的粒子邻域,通过监测粒子聚集度因子来自适应地确定粒子邻域拓扑结构.进一步地,设计了基于DNSS的自适应PSO算法APSOD.使用6个基本测试函数对APSOD算法及其他2个算法进行仿真实验比较,结果验证了算法APSOD能增强寻优能力,且具有较强的稳定性.