REAIZATION OF THE NEIGHBORING LOGIC SYMMETRY FOR BOOLEAN ORDERED SET

By means of Logic symmetric relation,the single neighboring Logic path for Ndimensions Boolean ordered set is solved.A new method of determining any logic neighboringsubset in limited dimension is proposed.Its results are intuitional and realizable for computer.

基于不一致近邻的模糊粗糙集特征选择

模糊粗糙集可突破经典粗糙集仅能处理离散数据的局限,有效对连续型数值进行特征选择。然而,模糊粗糙集以对象为中心计算,时间复杂度高,难以处理高维和大规模数据。为此,基于水平截集提出一种不一致近邻加速策略。该策略跟踪论域中每个对象的模糊近邻集,持续删减其中不影响计算的近邻,若对象的不一致近邻删减至空,则删减该对象,从而提高算法效率。同时,设计一种基于不一致近邻递减的属性重要度,可有效抑制冗余特征入选,提升效率及分类精度。通过理论证明,所提的加速策略及属性重要度不影响属性入选的次序。在此基础上,提出新的模糊粗糙集特征选择算法。在9个UCI和scikit数据集上进行验证,实验结果表明,该算法不仅有效缩短运行时间,并可取得较高的分类精度,相比FA-FSCE、AVDP和IV-FS-FRS-2算法,运行时间至少可缩短9.44%,尤其在高维和大规模数据上可缩短61.01%~99.54%,在支持向量机和K-近邻算法的分类精度上最高可分别提高11.20%和19.95%。

基于加权实例推理的缓倾斜综采工作面液压支架选型研究

为实现地质构造简单的缓倾斜综采工作面液压支架智能化选型,提出了一种基于加权实例推理的液压支架选型方法。首先,建立了液压支架选型实例库;其次,采用粗糙集理论和序关系分析法进行权重构造;另外,将液压支架的条件属性分为3种类型计算相似度;最后通过匹配实例选型。以某煤矿选型方案为例,并以50组液压支架的属性数据进行验证。结果表明,该方法的准确率为88%,能够为液压支架的智能化选型提供较好的参考依据。

基于阶梯式评估的5G基站智能关断方法分析

在核实已分配物理资源块数量的基础上,计算基站资源块效用因子。结合单站负载,对基站进行3个层次的阶梯式评估,筛选出关断候选集。在容量门限的前提下,计算关断候选集中所有基站的邻区集,计算其负载空间,只有负载空间满足需求才会触发基站关断行为。计算待关断基站的关转邻区集,核算其转移负载量,待邻区转移操作完成后,完成对源基站的关断。最后通过Matlab对算法进行了仿真验证,结果表明,无论是单站关断还是簇关断,均能有效提升原有算法的关断效率,可以实现比较理想的节能目标。

单调回复关系中稳定的Farey相邻元与拓扑熵

论文旨在利用数论中的Farey相邻元研究高维柱面扭转映射系统的复杂性。鉴于单调回复关系的解和高维柱面扭转映射的轨道之间存在一一对应的关系,问题转化为研究单调回复关系解系统的复杂性。假定单调回复关系的旋转集中有一对稳定的Farey相邻元p/q和p′/q′,利用周期延拓的方法,构造一对交换旋转数p/q和p′/q′的上下解,进而根据Angenent判据,得到系统具有正拓扑熵的结论。

一种基于两步搜索策略的K2改进算法

贝叶斯网络由于其强大的不确定性推理能力和因果可表示性越来越受到研究者的关注。从数据中学习一个贝叶斯网络结构被称为NP-hard问题。其中,针对K2算法强依赖于变量拓扑序的问题,提出了一种组合变量邻居集和v-结构信息的K2改进学习方法TSK2(Two-Step Search Strategy of K2)。该方法有效减小了序空间搜索规模,同时避免了过早陷入局部最优。具体而言,该方法在约束算法定向规则的启示下,借助识别的v-结构和邻居集信息可靠调整汇点的邻居在序中的位置;其次,在贝网基本组成结构的启发下,借助变量邻居集信息,通过执行顺连、分连、汇连3个基本结构的搜索,准确修正父节点与子节点的序位置,获得最优序列。实验结果表明,在Asia和Alarm网络数据集上,与对比方法相比,所提算法的准确率得到显著提升,可以获得更准确的网络结构。

基于多模网络模型的个性化信息推荐算法及应用

为了获得更高的信息推荐效率和更精确的推荐结果,结合k-means聚类法设计了信息推荐算法。以网络信息资源的属性及整体变化的相似度判断为基础进行信息检索,通过用户对资源的偏好程度构建多模网络模型,采用k-means聚类法建立最近邻用户集,以综合特征值为聚类起点对推荐的信息资源进行排序,从而实现信息资源的推荐。将该算法应用到就业信息推荐平台中,结果表明所提出的算法达到了较高的性能指标,对于各种创业、就业网络平台具有很强的实用性。

基于EDA的加权KNN分类算法

针对传统K近邻(KNN)算法对不平衡数据集分类的不足,提出一种基于分布估计算法改进的加权KNN算法EDA-KNN。在没有先验知识的前提下,为了求解最优加权KNN算法的权重向量,构建矩阵结构种群。运用分布估计算法建立概率模型,进行采样、寻优等一系列操作,经过若干次迭代,最终获得使样本分类准确率达到最高的权重向量。通过对多个数据集进行分类,结果表明,EDA-KNN算法能够显著提升对于不平衡数据集分类的准确率,分类器性能稳定。

二阶自然最近邻和多簇合并的密度峰值聚类算法

密度峰值聚类(density peaks clustering, DPC)算法基于局部密度和相对距离识别簇中心,忽视了样本所处环境对样本点密度的影响,因此不容易发现低密度区域的簇中心;DPC算法采用的单步分配策略的容错性差,一旦一个样本点分配错误,将导致后续一系列样本点分配错误。针对上述问题,提出二阶自然最近邻和多簇合并的密度峰值聚类算法(TNMM-DPC)。首先,引入二阶自然邻居的概念,同时考虑样本点的密度与样本点所处的环境,重新定义了样本点的局部密度,以降低类簇的疏密对类簇中心选择的影响;其次,定义了核心点集来选取初始微簇,依据样本点与微簇间的关联度对样本点进行分配;最后引入了邻居边界点集的概念对相邻的子簇进行合并,得到最终的聚类结果,避免了分配错误连带效应。在人工数据集和UCI数据集上,将TNMM-DPC算法与DPC及其改进算法进行了对比,实验结果表明,TNMM-DPC算法能够解决DPC算法所存在的问题,可以有效聚类人工数据集和UCI数据集。

边替换图的邻和可区别全染色

考虑图的邻和可区别全染色问题及其相关的1-2猜想.首先,利用独立消圈集法得到剖分图S(G)和三角扩展图R(G)的邻和可区别全色数;其次,当G为任意简单连通图且T为给定的特殊图时,证明边替换图G[T]满足1-2猜想.

基于邻域互信息的高维时序数据特征选择

特征选择作为一种数据预处理方法,主要目的是消除冗余和不相关属性,保留性能显著的属性,从而提高模型精度且降低计算复杂度。传统的特征选择方法多基于截面数据,对于实际生活中大量存在的高维时序数据的研究较少。现有特征选择算法并未考虑属性间相互依赖的影响,导致分类性能下降。为此,提出基于邻域互信息的高维时序数据特征选择方法。构建时序信息系统,提出时序邻域关系,并引入该关系下的时序邻域熵、时序邻域联合熵、时序邻域互信息等信息度量。在最近最远邻特征选择算法(算法1)中引入高维时序数据,定义属性重要度,以确定分类性能较优的特征,通过引入累计重要度贡献率控制特征选择规模。设计最近最远邻邻域互信息特征选择算法(算法2),根据阈值得到分类能力强的初始特征集,进一步由时序邻域互信息定义属性冗余度,去除初始特征集中重要度最低、依赖程度最大的属性,得到最终特征子集。在UCR数据集上的实验结果表明,相比原始数据和所提算法1,所提算法2在最佳取值范围和分类精度上分别平均提升13.69%和6.70%,对于处理高维时序数据的特征选择具有一定的有效性和优越性。

用户属性加权活跃近邻的协同过滤算法

针对现有的基于KNN近邻协同过滤技术,在选择最近邻居时过于依赖评分相似度的问题,提出了一种用户属性加权活跃近邻的协同过滤算法。首先,通过引入用户特征属性并融合最小权重相似度,根据所得的最终相似度生成目标用户的KNN近邻集。然后,从对目标项目已有反馈信息的用户中生成目标项目的活跃用户子群体,并筛选出KNN近邻集中的活跃用户子群体作为目标用户的活跃近邻集,最终产生评分预测。在公开数据集上的实验结果表明,该算法能有效地提高推荐算法的推荐准确度,具有更好的稳定性。

一种无需测距的无线传感器网络加权质心定位算法

目的提出一种无需测距的加权质心定位算法:RFWCLA(range free weighted centroid locali-zation algorithm)。方法算法利用相邻节点的邻节点集,估计出节点到相邻信标节点间的距离,从而进行加权质心定位。结果仿真结果表明,相比于质心定位算法,RFWCLA算法提高了定位精度。结论 RFWCLA是一种有效的无线传感器网络定位算法。

无线Ad hoc网络中基于节点位置的功率控制算法

为了降低无线Ad hoc网络中节点的能量消耗,该文提出了一种基于节点位置的功率控制算法(PCAP)。PCAP算法通过分析节点间的位置关系,建立节点的优化邻居集合,并对路由层报文、MAC层控制报文和其它数据类报文使用不同的功率控制策略。PCAP算法在保证网络连接性的同时能降低网络能量消耗,计算机仿真表明,PCAP算法在MAC层的吞吐量、MAC层丢包、端到端时延等方面取得较好的性能表现。

基于RQPSO-DMPC的多无人机编队自主重构控制方法

针对敌方防御区域内各种威胁,为了实现隐蔽突防并实施对敌有效打击,在突防过程中多无人机(UAV)编队需要进行重构控制,并且编队内的相互避碰问题与通信约束问题也需考虑。通过建立无人机虚拟领航编队模型并引入邻居集,采用分布式模型预测控制(DMPC)同时构建多无人机编队的重构代价函数,提出采用改进量子粒子群优化(RQPSO)算法进行求解,并将求解结果与采用粒子群优化算法的结果进行对比。仿真结果表明,本文算法能够有效控制多无人机编队完成自主重构,实现安全隐蔽突防任务。

基于节点能量和网络稳定性的节能路由协议

在Ad hoc网络中,AODV等路由协议在选择路由路径时没有考虑节点的能量,可能造成部分节点的能量过度使用从而导致网络分割等问题。以AODV为基础,提出了一种基于节点剩余能量和网络稳定性的路由算法ECAODV。该算法在路由发现过程中,不仅要综合考虑路径上的节点的剩余能量和路由跳数,而且考虑路径中间节点对网络稳定性的影响。通过仿真验证该算法有较好的性能。

一种求解旅行商问题的高效混合遗传算法

旅行商问题(TravellingSalesmanProblemTSP)是一个典型的组合优化难题,论文提出一种求解旅行商问题的高效混合遗传算法。该算法结合遗传算法和2-opt邻域搜索优化技术,并针对旅行商问题的特点,提出K近邻点集以缩减搜索空间从而加快求解速度。基于典型实例的仿真结果表明,此算法的求解效率比较高。

传感器网络中基于节点位置的功率控制算法

由于能量的限制,无线传感器网络(wireless sensor network,WSN)面临网络生存时间、无线资源利用效率以及时延要求等方面的挑战。无线传感器网络中的功率控制已经成为研究领域中的一个热点,其主要目的是降低网络在分发数据包中的能量消耗,降低网络中的通信干扰,提高无线信道的空间利用率,并提高网络的吞吐量。通过采用一种新的基于节点位置的功率控制算法,该算法采用数学和几何的分析方法去分析邻居节点间的关系,并构建优化邻居集,并使用不同的功率传送报文。该算法的复杂度不高,易于在节点运行,仿真结果证明该算法能取得较好的网络性能。

基于粗糙集的快速KNN文本分类算法

传统K最近邻一个明显缺陷是样本相似度的计算量很大,在具有大量高维样本的文本分类中,由于复杂度太高而缺乏实用性。为此,将粗糙集理论引入到文本分类中,利用上下近似概念刻画各类训练样本的分布,并在训练过程中计算出各类上下近似的范围。在分类过程中根据待分类文本向量在样本空间中的分布位置,改进算法可以直接判定一些文本的归属,缩小K最近邻搜索范围。实验表明,该算法可以在保持K最近邻分类性能基本不变的情况下,显著提高分类效率。

综合用户和项目预测的协同过滤模型

针对基于用户和基于项目的协同过滤模型存在推荐质量不高等问题,提出一种综合用户和项目预测的协同过滤模型。该模型同时考虑用户和项目两方面,首先对性能优秀的相似性模型进行自适应的优化;然后根据相似性值分别选取相似用户和相似项目为目标对象构造近邻集合,并利用预测函数得到基于用户和基于项目的预测结果;最后通过自适应平衡因子的协调处理获得最终预测结果。比较实验在不同的评估标准下进行,结果表明,与目前典型的模型如RSCF、HCFR和UNCF相比,新提出的协同过滤模型不仅在项目预测准确性方面拥有出色的表现,而且在推荐准确性和全面性方面同样表现优秀。