Graphical model construction based on evolutionary algorithms

Using Bayesian networks to model promising solutions from the current population of the evolutionary algorithms can ensure efficiency and intelligence search for the optimum. However, to construct a Bayesian network that fits a given dataset is a NP-hard problem, and it also needs consuming mass computational resources. This paper develops a methodology for constructing a graphical model based on Bayesian Dirichlet metric. Our approach is derived from a set of propositions and theorems by researching the local metric relationship of networks matching dataset. This paper presents the algorithm to construct a tree model from a set of potential solutions using above approach. This method is important not only for evolutionary algorithms based on graphical models, but also for machine learning and data mining. The experimental results show that the exact theoretical results and the approximations match very well.

不确定大数据流分类的决策树模型构建仿真

在不确定大数据流分类过程中,受噪声和孤立点的干扰,导致处理效果和分类精度无法达到预期要求。为解决上述问题,提出一种基于决策树模型的不确定大数据流分类算法。通过采用在线字典学习算法,对不确定大数据流去噪处理,消除噪声对分类过程产生的干扰。构建决策树,在剪枝过程中通过特征过滤算法,滤除不确定大数据流中掺杂的孤立点。将去噪后的不确定大数据流,输入决策树模型中,完成分类工作。实验结果表明,所提算法处理后的不确定大数据流振幅明显减小,且分类精度高,具有一定的应用价值。

基于机器学习耦合模型预测FDM零件的表面粗糙度

熔融沉积工艺(FDM)制造的零件表面粗糙度高,不仅影响了零件外观,还降低了性能。采用响应面实验设计,研究了层高(A)、填充密度(B)、喷嘴温度(C)、床层温度(D)和打印速度(E)对聚乳酸(PLA)零件表面粗糙度的影响。同时,将遗传算法(GA)与决策树(DT)、人工神经元网络(ANN)两种机器学习模型相结合,预测了零件的表面粗糙度。结果表明,A、B、C和E是显著影响零件表面粗糙度的主效应,A×B、A×C、A×E、B×C、B×E、C×E是影响显著的交互效应。GA+DT耦合模型预测PLA零件表面粗糙度的准确性更高,预测值与实验值的相关系数(R2)、均方误差(MSE)和平均绝对误差(MAE)分别为0.952、0.132和0.234,优于GA+ANN的0.823、1.561和1.759。GA+DT模型的预测值与实验值的Pearson相关系数为0.984,而GA+ANN模型仅为0.903,这表明GA+DT模型在预测PLA零件表面粗糙度时准确度更高。

英语作文切题度分析算法

为了在英语作文判阅工作中较为准确地提取出切题句子,提出一套基于关系三元组层次主题树模型的英语作文切题度分析算法。通过主题关系三元组的分布式向量来对作文中的句子加以描述,并以余弦值算法对句子的切题度进行判断。最后通过实验分析的方式来验证该算法的有效性。实验研究发现,所提出的英语作文切题度分析算法能够较为准确地识别并提取出英语作文中的切题句子,具有一定的应用价值。

面向人员岸滩行进的三维路径规划算法研究

针对当前无法为人员岸滩行进提供科学合理的路径规划这一问题,论文基于蚁群算法提出了面向岸滩行进的最优路径规划算法。首先对基本的蚁群算法进行了改良,包括路径搜索方式、信息素更新策略和启发函数的合理设计等,改善了算法的收敛效率;然后定量结合多类岸滩场路径规划影响因子,构建了满足岸滩行进的代价函数;最终实现了面向岸滩行进的算法构建。该算法可为实现复杂地形条件下岸滩行进的最优路径解算和基于蚁群算法的相关三维路径规划分析研究提供参考借鉴。

基于无人机可见光影像的人工林单木树冠提取研究

以人工林区的无人机可见光影像为基础构建冠层高度模型(canopy height model,CHM),以此作为提取单木树冠的基础数据,避免数字正射影像(digital orthophoto map,DOM)中存在的树冠阴影、光照不均、树冠与草地颜色相似等问题对单木树冠提取的影响,采用标记控制的分水岭算法从CHM中提取单木树冠.首先,采用Otsu算法对CHM中的树冠与非树冠进行分离,利用形态学图像细化算法去除树冠之间的粘连,得到粗略的单木树冠;其次,结合距离变换和H-Maxima算法获取单木位置标记,结合距离变换和分水岭算法获取每个粗略单木树冠的影响区域边界,作为背景标记;为增强CHM中的树冠边缘像素,采用Sobel算法生成梯度图像,利用极小值强加算法将单木位置标记设定为分水岭算法分割的起始点,将背景标记用于对分割过程进行约束;最后,对标记过的梯度图像进行分水岭分割,获得单木树冠.采用人工目视解译的方式获取研究区内正确的单木树冠轮廓作为精度验证数据.通过精度验证,提取的单木位置总体精度为92.79%,提取的单木树冠F-score值为84.62%,提取精度较高.3组对比试验,分别是不进行去除树冠粘连处理、用局部极大值算法代替H-Maxima算法、不使用背景标记,得到3个单木树冠提取结果,通过精度验证,F-score值分别为72.33%、10.16%、77.89%,分别比提出方法降低了12.29%、74.46%、6.73%.通过方法对比和通用性检验,试验结果表明以CHM为研究数据,利用标记控制分水岭算法可有效获取人工林区单木树冠.

基于GA-BP神经网络的新疆南疆核桃树生长模型研究

文章提出了一种利用遗传算法优化BP神经网络的核桃树生长模型来预测核桃树的树高、胸径的方法,通过优化BP神经网络的权值和阈值建立GA-BP模型,与多元线性回归模型的预测结果进行比较。结果表明:采用遗传算法优化后的模型具有更高的预测精度,对核桃树生长预测具有指导意义。

基于通信网络的大数据防诈模型设计和研究

近年来,电信网络诈骗犯罪形势十分严峻,已成为发案最多、上升最快、涉及面最广、人民群众反映最强烈的犯罪类型。基于电信通信网络,通过对公安、工信部通报诈骗号码的大数据挖掘分析,提取相似特征,利用机器学习、大数据、神经网络、遗传算法等开发大数据防诈模型,从数据采集、中间处理、模型生成、用户匹配、用户停机等全流程,及时关停疑似诈骗分子的号码,避免更多人蒙受诈骗,遭受损失。

基于随机森林模型的城市非法营运车辆识别

区域经济社会的快速发展与交通出行的需求发展不匹配,在一定程度上为非法营运车辆提供了市场契机。城市高速公路的ETC(Electronic Toll Collection)数据可有效稽查高速公路的非法营运车辆,从而优化运行秩序并提升管理水平。文中提取ETC数据的有效字段,采用随机森林算法建立非法营运车辆识别分类器,加入CART(Classification and Regression Tree)分类树模型分类器和二元逻辑回归模型分类器与之对比,并以西南某市高速公路自2022年2月6日~2022年3月8日的ETC指标数据进行实证分析。结果表明,随机森林模型分类器比CART分类树模型分类器和二元逻辑回归模型分类器预测效果更好,其准确性高达98.75%。

基于随机森林算法的桉树人工林单木生物量预估模型

单木生物量模型是估测森林生物量的基础。通过标准木法实测雷州半岛地区90株桉树单株生物量数据,随机划分60个样本数据作为训练集,30个样本数据作为验证集。以林龄、树高和胸径为自变量,单木生物量为因变量,使用岭回归模型、异速生长模型和随机森林算法构建模型,采用决定系数(R^(2))、均方根误差(RMSE)和平均绝对误差(MAE)对模型进行评价。结果表明:随机森林模型的R~2、RMSE和MAE无论在训练集还是验证集均高于岭回归模型和异速生长模型。由随机森林模型的因子重要值可知,胸径是影响单木生物量的主要因子。引入林龄因子后的随机森林模型可以提高单木生物量的预测精度,为碳汇计量提供基础数据和模型支撑。

人工神经网络在电力营销系统中的应用与实现

在电力行业信息化发展背景下,收集与存储大量电力数据,可为电力企业营销决策制定提供依据。该文提出采用人工神经网络构建电力营销系统BP神经网络模型,通过智能决策树分类算法预处理模型数据,得到最优化的模型数据,并改进神经网络隐含层节点数目算法,结合应用分时段预测方法及共轭梯度算法分别进行网络训练及网络结构优化,为网络收敛速度加快提供保障,得出相对准确的电力营销年度电量预测结论,说明电力营销系统中人工神经网络具有较高的应用价值。

基于可解释性机器学习的战术判定预测智能决策技术

针对机器学习的黑盒性带来的战术决策可解释性差的问题,研究了基于可解释性机器学习的战术判定预测智能决策技术。通过阐述战术预测的概念结合战术预测典型特征构建了预测模型,介绍了采用可解释性监督学习方法进行智能决策的优势。从可解释性树模型和智能优化算法2个路线阐述其原理,分析了在战术预测领域的研究现状;从二者结合的角度验证了其对战术预测的促进作用,展望了可解释性机器学习的未来发展趋势。

基于CatBoost的新型电力系统两阶段轻量化暂稳智能评估方法

随着风能等新能源大规模并网,基于数据驱动的机器学习方法在新型电力系统暂态稳定评估(transient stability assessment,TSA)中表现出了极大的优势,但其存在模型可解释性不足、内部知识无法获取的问题。针对以上问题,文中基于能避免梯度偏差问题的CatBoost模型训练电力系统暂态稳定评估模型,设计粗判与精细两阶段评估结构有效提升模型精度;使用Tree-SHAP算法对模型进行事后解释,揭示模型决策的内在逻辑,并从中获取电力系统关键影响因素;最后基于关键影响因素重新训练两阶段智能评估模型,实现模型的轻量化。IEEE 39节点系统上的仿真结果表明,所提方法在保证模型维持较高性能的前提下,有效降低模型决策特征数目。

基于高阶重力场模型的山区高程拟合研究

选用沿海山区GNSS水准点的实测高程异常,分别对近几年国际上公布的EGM2008、EIGEN-6C2、EIGEN-6C3stat、GECO、XGM2019e、SGG-UGM-2这6个高阶重力场模型计算的高程异常进行精度检验,分析不同模型、不同截断阶次模型高程异常精度与阶次的关系,采用基于Kd-Tree算法的二次曲面拟合方法进行山区水准面移去—拟合—恢复。结果表明,利用基于Kd-Tree算法高阶重力场模型进行山区水准拟合精度提高明显,具有较好的适应性。

基于NeRF的树木数字化重建

我国有数量巨大的古树和城市大树,如何合理构建树木数字化模型,是评估树木抗风能力和安全性的重要前提。鉴于风向的多变性,需要基于该模型能够从任意角度获得树木树冠的各项数据。由于激光雷达价格高昂、专业性强,不便于大规模推广,采用便宜、简便的手机拍摄树木图像。鉴于传统的图像三维重建技术不适合树木这样结构复杂、高反射率、多孔的物体,采用NeRF(神经辐射场)技术,利用体素进行模型体渲染,对树木进行三维数字化重建,为从任意角度获得树木图像和树冠参数打下基础。同时,采用NeRF的instant-ngp加速算法,分析研究了背景、光照条件、图像数量等因素对建模质量的影响。研究结果表明,基于NeRF的树木数字化重建方法能有效避免传统三维重建的空洞、变形等问题,是一种可行的树木三维数字化模型构建方法。

改进决策树算法的大数据分类优化方法

针对当前海量数据的结构和特征较为复杂,对其分类时很难确保较高的精准度与效率的问题,提出了改进决策树算法的大数据分类优化方法。构建模糊决策函数检测大数据的序列特征,并将其输入决策树模型中挖掘和训练规则;利用灰狼优化算法改进决策树模型,使用改进后模型对大数据简化、粗略分类,再建立分类器准确度目标函数,实现对大数据的精准分类。实验结果表明,所提方法取得分类结果准确度最高、假正例率最低,保证了算法整体具有较高的吞吐量,提高了算法分类效率。

火电厂设备故障诊断与检修技术研究

作为电力系统的重要组成部分,火电厂的稳定运行对保障社会生产和人民生活至关重要。针对火电厂设备的各类故障提出了一系列的解决办法,并采用决策树算法分析历史故障数据,构建决策树模型,实现了对故障原因的快速定位和诊断。通过案例分析,验证了所提方法的有效性,为火电厂设备故障的早期诊断和预防性维护提供了技术支持。

CHM与DSM相结合的无人机激光雷达单木分割

【目的】提出一种冠层高度模型(CHM)与数字表面模型(DSM)相结合的单木分割方法,以解决无人机激光雷达提取地形坡度较大区域CHM时因树冠形变导致单木分割精度降低的问题。【方法】利用无人机激光雷达数据,在福建省顺昌县洋口林场地形起伏较大的中、高郁闭度杉木人工林中选择中龄林和幼龄林各3块标准地,结合地面实测数据和目视解译方法,对CHM与DSM相结合(优化方法)的4种窗口的局部最大值法的树顶点探测和极值标记的分水岭算法的单木分割进行精度评价,并与仅基于CHM的传统方法的树顶点探测和单木分割进行对比分析。【结果】树顶点探测方面,随着窗口增大,每块样地探测的单木总数量和探测百分比均呈下降趋势;中龄林3块样地的最佳窗口为0.3 m,幼龄林3块样地的最佳窗口为0.2 m,此时6块样地1∶1对应关系的单木数量和生产者精度均最大;在相应最佳窗口条件下,仅基于CHM的局部最大值法因树冠形变存在容易产生单木多树顶点探测现象,传统方法的单木探测百分比高于优化方法,但传统方法的树顶点探测精度低于优化方法。幼龄林的树顶点探测精度高于中龄林,这是因为幼龄林样地冠幅和单木相邻距离更一致,更适应固定窗口的局部最大值法。单木分割方面,优化方法的单木分割精度高于传统方法,幼龄林的单木分割精度高于中龄林。【结论】局部最大值法的树顶点探测和分水岭算法的单木分割直接数据源为DSM,是树冠表面真实起伏状况的反映,没有树冠形变,研究结果为更真实的树顶点和单木树冠边界。CHM与DSM相结合的单木分割方法在中、高郁闭度杉木人工中、幼林中分割精度较高(6块样地探测率r均大于88%,准确率p均大于92%,F得分均大于91%),将该方法集成在ArcGIS模型构建器中,可为精准化、自动化、集成化的无人机激光雷达单木分割应用提供可能。

基于区块链的海量数据精准加密算法

海量数据加密的过程中需要进行大量的计算操作,而算法的复杂性会增加数据处理的时间,降低数据加密的性能。为此,使用复合混沌序列对海量数据进行敏感特征提取,以提取到的敏感特征为依据,通过逐步进位加法器,基于区块链对数据进行三进制的简洁编码,将编码后的数据作为加密的基础数据,对数据进行分割,并建立数据加密模型,实现对海量数据的精准加密。实验结果表明,设计的算法对不同大小数据的加密时间均小于4 s,说明设计算法效率较高,具有较好的应用价值,可以对数据进行快速精准加密。

复杂三维CAD装配模型特征信息提取技术研究

针对飞机、大型输送机等复杂三维CAD装配模型具有装配零件多,配合复杂,在提取装配体特征信息过程中,有信息提取不完整、深度不够的问题,提出一种复杂产品装配特征信息提取的方法,该方法以CATIA软件为平台,采用构件的应用编程(Component Application Architecture,CAA),二次开发快速提取特征信息功能。结合多叉树前序列遍历思想,深度优先搜索的算法,逐层深入,可以完整提取多层嵌套的复杂装配体的配合和约束信息,充分利用复杂三维CAD装配模型特征信息,更有力的支持装配工艺规划。同时,通过选择输送某种民航飞机机翼的输送机为例,验证此方法的可行度。