基于方向向量采样的大规模多目标进化优化

针对在高维决策空间的大规模多目标优化中难以搜索产生有希望的后代个体,从而导致常规算法性能恶化的问题,提出了一种基于方向向量采样的大规模多目标进化算法.该算法首先选取一些接近理想点的优秀候选个体,然后根据候选个体分阶段创建方向向量,最后执行定向采样策略(收敛性相关采样策略和多样性相关采样策略)来生成子代个体,由此生成的子代个体性能优秀,且算法收敛加速.实验结果表明,与5种具有代表性的大规模多目标进化算法相比,该算法在多达2000个决策变量的大规模多目标优化测试中,仍具有较强的寻优能力.

基于特征加权混合隶属度的模糊孪生支持向量机

模糊孪生支持向量机(FTSVM)忽略了不同特征间的差异,导致核函数或距离的计算无法准确反映样本间的相似性,使FTSVM在处理含有大量不相关或弱相关特征的高维数据分类时,难以达到良好分类效果;且隶属度的设计未有效区分离群点或噪声。针对以上问题,提出了一种基于特征加权混合隶属度的FM-FTSVM。首先计算每个特征的信息增益,并依据信息增益值的大小为特征赋予权重,降低不相关或弱相关特征的作用,使其能更好地应用于高维数据分类;然后,为每一类样本构造一个最小包围球计算基于紧密度的特征加权隶属度,并结合基于距离的特征加权隶属度得到特征加权混合隶属度,综合考虑样本点到类中心的特征加权欧式距离和样本间的紧密程度,可更好识别离群点或噪声数据;最后,融合特征加权核函数,降低不相关特征对核函数或距离计算产生的影响。与对比算法在人工数据集、高维数据集和UCI数据集上进行比较,发现本文提出的方法在区分离群点、噪声和有效样本上有明显优势,且在高维数据集上可获得更好分类效果。

依据散列查找的分布式网络数据分流算法

传统分流算法具有负载平衡效果差、分流效率低等问题,为解决此问题,提出基于散列查找的分布式网络数据分流算法。建立分布式网络数据分流约束条件,得到数据分流的判断性依据;计算数据接收、发送、传输以及分流过程中的能量消耗;利用非线性数据的高维映射向量,构建数据分流的目标函数,通过判断方差值实现分布式网络数据的分流。以负载平衡效果和分流效率为依据,将所提方法和其他方法进行对比实验,结果表明,所提方法取得了最低的丢包率和最高的分流效率。

高维特征向量相似度计算方法研究

在机器学习、目标识别等诸多领域都会涉及到特征向量的有效识别问题,大多是通过与先期建立的模板特征向量库进行比对,因此高维特征向量的相似度计算就成为特征识别的关键。提出利用互信息熵的计算方法描述高维特征向量之间的“距离”,与传统的“欧氏距离”“相关系数”等方法相比较,不仅考虑了向量的长度信息,还考虑了角度信息,因此可以更进一步地描述高维向量彼此之间的差异,丰富高维特征向量相似度计算方法。

基于KPCA-RVM 的电网无功储备 需求计算方法研究

为解决传统电网无功储备需求计算过程复杂度高、耗时长的问题,提出了一种基于KPCA-RVM融合模型的电网无功储备需求快速计算方法。首先,采用核主成分分析法充分挖掘输入系统节点稳态运行特征量的有效信息,实现高维特征的降维,采用降维后的特征量作为模型的输入;其次,采用数据拟合能力较好的RVM网络对电网无功储备需求计算进行建模,构建基于RVM网络的快速计算模型;最后,采用IEEE 39节点系统数据进行仿真分析。仿真结果表明,所提方法在电网无功储备需求计算任务上具有较高计算精度且时间成本低。

基于支持向量机的船舶交通流量预测方法

提升航道和港口资源的高效、合理利用,需精准掌握船舶交通流量情况。为此,本文提出基于支持向量机的船舶交通流量预测方法。该方法以船舶交通流量数据为基础,经预处理后将其作为采用支持向量机的输入量,通过输入量和输出量之间的高维映射,预测船舶交通流量;通过鲸鱼优化算法优化支持向量机的核参数和惩罚项参数;通过迭代寻优获取最优的参数结果,以此保证舰船交通流量预测结果的精准程度。测试结果表明:该方法能可靠完成不同航行环境下的船舶交通流量预测,均等系数均在0.019以下;中心可依据预测结果对船舶进行管理,高效、合理实现港口资源利用,减少船舶等待进港时间。

基于传感器融合技术的高压开关柜缺陷识别

高压开关柜是变电站的重要设备之一,对其进行绝缘缺陷检测能够保证系统供电的可靠性。基于此,首先制作了四种开关柜典型模型,并搭建了试验平台;其次采用传感器融合技术同时获取暂态地电压信号和脉冲电流信号;再次采用粒子群优化的多维支持向量机算法进行缺陷识别;最后分别针对TEV信号、脉冲电流传感器信号以及组合信号的缺陷识别,与神经网络识别算法进行对比,结果表明,基于传感融合技术的开关柜缺陷识别的准确率达到96.7%,证明缺陷识别算法的准确性。

海量高维向量的并行Top-k连接查询

在很多应用领域中,向量的Top-k连接查询是一种很重要的操作,给定两个向量集合R和S,Top-k连接查询要求从R和S中返回距离最小的前k个向量对.由于数据的海量性和高维特性,传统的集中式算法已经无法在可接受的时间内完成连接查询任务.MapReduce作为一个并行处理框架,能够有效地处理大规模数据.由于其高可扩展性、高可用性等特点,MapReduce已经成为海量数据处理的首选实现方案,在很多领域都得到了广泛的应用.文中基于分段累积近似法对高维向量进行降维,然后利用符号累积近似法对高维向量进行分组;在此基础上,结合MapReduce框架,提出了基于SAX的并行Top-k连接查询算法.实验表明,文中所提方案具有良好的性能和扩展性.

大规模高维向量空间的快速范围查询

金字塔技术是目前针对高维空间范围查询的有效方法之一,但是随着数据量的增加,检索过程由于引入过多的误中点而导致不必要的高维距离计算,为此本文提出改进的金字塔技术.引入向量排序、活性维等概念,利用分段处理思想,将不包含候选点的误中分段剪枝,并通过逐维距离累加法过滤剩余分段内的误中点,从而快速排除所有的误中点,尽可能减少距离计算次数,实现大规模高维向量空间的快速范围查询.利用模拟数据和真实数据,实验验证了OPT方法的正确性和有效性.

数字文献资源高维向量表示模型与聚类检验

文献的向量表示方法对文献聚合、聚类和分类等研究是重要的。本文在向量空间模型（VSM）的基础上，通过补充文献特征此间的潜在语义相关性，提出了潜在语义向量空间模型（CLSVSM），并采用CNKI的学科分类文献为样本进行实验检验，结果显示新模型在文献聚类效果上明显好于VSM模型。

利用分区和距离实现高维空间快速KNN查询

在高维空间KNN查询算法中,近似向量和一维转换表示法能有效克服维数灾难,结合这两种思想,提出一种基于区位码和距离的索引结构(BD)以实现快速KNN查询.根据高维空间向量分布特点,合理分区使得大量分布在空间表面的点尽可能地划分到不同的分区中,提高检索剪枝效率.引入区位码概念和转换函数,将高维向量近似表示并转换为一维数值形式,组织成B+树索引.利用快速KNN查询算法,实现两层过滤,缩小搜索范围,降低树搜索代价.采用模拟数据和真实数据,大量实验验证了BD比其他同类索引具有更高的检索效率.

基于递归聚类索引树的剪枝相似检索算法

文章提出了一种新的适用于高维特征矢量相似检索动态聚类索引树结构。针对由于类区域相互重叠而导致相似检索费用增加的问题 ,提出了基于该索引树的“剪枝”相似检索算法 ,应用该算法进行相似检索 ,其检索效益比耗尽搜索法和基于 SS树的相似检索法都要高。

高动态飞行器姿态解算及三维视景仿真研究

建立了高动态飞行器姿态解算的数学模型,探讨了利用等效旋转矢量法解算姿态角的方法,并与四元数法进行了比较。建立了飞行器、地形、地物的三维模型,利用计算出来的数据进行飞行器的实时三维视景仿真模拟。三维视景仿真对直接观察、验证高动态飞行器的运动变化规律提供了极大的便利。

基于二维离散小波的生成图像鉴别方法

针对传统基于神经网络的计算机生成图像鉴别方法中存在鉴别难度大和准确率低的问题,提出一种采用基于小波变换的计算机生成图像鉴别方法.首先在进行图像多维小波特征提取时,通过一次分解二维离散小波变换提取图像小波特征,根据图像小波特征进行n级小波分解提取图像多维小波特征向量;然后通过三维变换域波去噪算法(BM3D)提取计算机生成图像噪声特征;最后采用支持向量机(SVM)分类器对计算机生成图像进行鉴别,通过SVM分类器对图像多维小波特征和噪声特征进行分类,以解决两种特征融合形成线性不可分的高维特征问题,从而实现计算机生成图像的准确鉴别.实验结果表明,该方法在鉴别计算机生成图像时具有更高的准确性和稳定性.

级联多电平变频器等效SVPWM策略研究

介绍了两种新型级联多电平调制策略。策略一从变频器运行工况出发,坐标化每个H桥开关状态,通过几何方式求取开关状态及其作用时间实现调制;策略二针对SVPWM的实质是一种变型SPWM,分析了SPWM谐波注入的等效SVPWM调制策略。以三相九电平级联变频器为例进行了仿真和实验,结果证明策略二更优,且比常规SVPWM更简单、易实现。

基于分解的高维多目标改进进化算法

针对基于参考向量的高维多目标进化算法中随机选择父代个体会降低算法的收敛速度,以及部分参考向量分配个体的缺失会减弱种群多样性的问题,提出了一种基于分解的高维多目标改进优化算法(IMaOEA/D)。首先,在分解策略框架下,当一个参考向量至少分配了2个个体时,对该参考向量分配的个体根据其到理想点的距离选择父代个体来繁殖子代,从而提高搜索速度。然后,针对未能分配到至少2个个体的参考向量,则从所有个体中选择沿该参考向量和理想点距离最小的点,使得该参考向量至少有2个个体与其相关。同时,确保环境选择后每个参考向量有一个个体与其相关,从而保证种群的多样性。在10个和15个目标的MaF测试问题集上将所提算法与其他4个基于分解的高维多目标优化算法进行了测试对比,实验结果表明所提算法对于高维多目标优化问题具有较好的寻优能力,且该算法在30个测试问题中的14个测试问题上得到的优化结果均优于其他4个对比算法,特别是对于退化问题具有一定的寻优优势。

增量式最小二乘法分类器与增量式支持向量机的对比

在处理大规模数据时,近似支持向量机及其增量式版本(ISVM)是一种比传统支持向量机更加简单而有效的分类器.但在处理高维数据时,由于ISVM通过计算矩阵的逆来更新模型参数,这使得其计算效果有待提高.针对上述问题,本文提出了基于最小二乘法的增量式方法.该增量式方法通过对矩阵运算的恒等推导,把矩阵求逆问题转变成了除法运算,得到了简单的模型参数更新公式,从而获得了和ISVM同样的预测精度,且在处理高维数据时运行效率更高.在合成数据及图像和生物数据上的试验表明该增量式方法优于ISVM方法.

面向分类的高光谱遥感影像数据特性的研究

分析了高光谱遥感的特点、影像数据的应用现状,针对高光谱遥感影像处理、分类的现状及遇到的困难,对高光谱遥感影像数据的分类特性进行了深入的分析总结,对高光谱遥感影像分类的支持向量机方法进行了系统研究,并分析指出了支持向量机分类法的优越性,最后提出了需要进一步研究的问题。

基于局部信息熵的加权子空间离群点检测算法

离群点检测作为数据挖掘的一个重要研究方向,可以从大量数据中发现少量与多数数据有明显区别的数据对象."维度灾殃"现象的存在使得很多已有的离群点检测算法对高维数据不再有效.针对这一问题,提出基于局部信息熵的加权子空间离群点检测算法SPOD.通过对数据对象在各维进行邻域信息熵分析,生成数据对象相应的离群子空间和属性权向量,对离群子空间中的属性赋以较高的权值,进一步提出子空间加权距离等概念.采用基于密度离群点检测的思想,分析计算数据对象的子空间离群影响因子,判断是否为离群点.算法能够有效地适应于高维数据离群点检测,理论分析和实验结果表明算法是有效可行的.

基于相关反馈的高维图像检索方法

传统索引方法在高维情况下会面临维数灾难问题,基于向量近似的索引方法是有效的高维检索方法.对向量近似方法中k近邻搜索算法加以改进,应用到基于相关反馈的交互式图像检索系统中.根据反馈过程前后的距离变化特性,在进行k近邻搜索过程中,将上轮次的查询结果和用户反馈信息用作过滤信息,可减少特征向量的访问数量.在大容量真实图像数据库上的实验表明,将新算法应用于相关反馈过程的图像检索中,可提高k近邻搜索速度.