基于加权机制概念漂移的数据流GNB分类检测

为提高数据流分类检测精度和检测效率,提出一种基于加权机制概念漂移策略的数据流高斯朴素贝叶斯分类检测算法。首先,对所提算法框架进行设计,利用输入数据流直接建立信息表,并构建基于信息表的高斯朴素贝叶斯分类器;其次,利用"Kappa统计"方法建立基于加权机制的概念漂移检测方法,根据输入数据波动性,分别采取线性函数和贝叶斯(非线性)函数进行检测,并利用专家点删除和信息表来处理经常性的概念漂移,实现漂移检测精度和效率的提升;最后,通过仿真实验,显示所提算法在SEA测试集、Hyperplane数据集和SQD测试集上的分类精度分别比选取的对比算法提高分类精度10.3%、16.8%和20.5%以上,验证了所用分类检测算法的有效性。

基于网络加权机制的动态迭代聚类算法

动态网络在分析功能属性与拓扑结构的相关性方面具有重要作用。文中提出了一个新的动态迭代聚类算法,通过引入包含拓扑信息的权重W和紧密度T来调整边权和节点紧密度,以提高网络聚类结构检测的速度与准确度。值得一提的是,为了估计最优的迭代停止时间,文中利用以时间t为分辨率参数的稳定性指标(stability)作为测度指标,可以自然地找到使聚类划分达到最优的时刻t。该算法非常高效,而且不需要预先指定聚类的数目,因此可以方便地应用于各种模糊网络。最后在包括法律案例关联网络等数据上的实验结果表明,该算法能快速而准确地探测各种人工和现实网络的聚类结构。

基于共识算法的换流站无线传感网安全接入身份认证机制

为了确保换流站无线传感网的安全性和可靠性,文章在换流站无线传感网中构建安全接入身份认证机制,提出了一种基于加权投票的共识算法,对接入换流站无线传感网的无线感知设备进行身份认证和授权,确保接入设备对无线传感网络资源的访问合法性。所提出的共识算法采用了加权投票的思想,根据感知设备拥有的资源和性能2个方面综合考虑并决定权重,通过权重值衡量节点在共识过程中的影响力,从而提高共识过程的公正性和可信度,并有效避免网络中的恶意攻击行为。从平均耗时、吞吐量、出错率和通信量开销等方面进行仿真验证,结果表明所提算法能够更好地适应不同接入终端之间的差异,提高了共识算法的效率和可靠性,为换流站无线传感网提供了有效的安全保障。

基于地理加权回归的吉林省人口城镇化动力机制分析

以吉林省各县域(市辖区)为基本单元,借助第六次人口普查和统计年鉴的相关数据,结合地理加权回归模型和空间自相关分析方法,讨论人口城镇化水平和国有动力、非国有动力、农业动力及外向动力等因素的空间相关关系,并以此解释人口城镇化分县域(市辖区)差异的影响因素。结果表明:国有动力对吉林省人口城镇化的影响作用最大,影响强度由中北部向西南、东南两个方向递减;农业动力和非国有动力分居二、三位,但差别不明显。其中农业动力的影响强度由西北向东南方向递减,非国有动力的影响强度由东南向西北递减;外向动力对人口城镇化的影响力较弱,影响强度各地区差别较大。吉林省人口城镇化未来发展应重视非国有动力的影响和农村现代化的作用;关注人口城镇化动力多元化,考虑实现错位发展和个性化发展。

基于加权VGC机制的最小连接问题研究

文章讨论了网络上的计算机不执行给定的算法,而是执行最利于其主人工作的这种情况。作为这样的参与者即操纵算法的代理,算法设计者应事先确保代理的利益通过真实报告是最大的。文章引用了机制设计的概念,提出了研究该算法的框架,并将机制设计的标准工具VGC机制应用于解决最小连接问题。

分段加权的概念漂移检测方法

针对现有漂移检测方法无法平衡检测延迟、误报与漏报以及时空效率等问题,提出一个新的阶段转换阈值参数,在概念漂移检测中引入包含“稳定阶段-警告阶段-漂移阶段”的分段加权机制,对实例分阶段地赋予权重,并将该机制应用在双层滑动窗口中;然后基于Hoeffding不等式提出一种分段加权的概念漂移检测方法(MSDDM)。在人工数据集上,相较于FHDDM、HDDM等漂移检测方法,MSDDM能够更快地检测出突变与渐变概念漂移,同时又能保持较低的误检率与漏检率;在真实数据集上,MSDDM相较于其他方法在大部分情况下都具有最高的分类准确率。实验结果表明,MSDDM能够以较高的漂移检测性能和较优的时空效率检测出数据流中的概念漂移。

一种基于加权改进平滑l_(0)范数的DOA估计方法

为了解决基于平滑l_(0)范数最小化方法在低信噪比、少快拍下求解波达方向(DOA)估计精度不高的问题,提出一种加权改进平滑l_(0)范数方法。首先将空间进行等角度均匀划分,构造稀疏表示的DOA估计模型,并利用奇异值分解获取接收信号子空间;由于直接求取压缩感知l_(0)范数是非确定性多项式难(NP-hard)问题,提出一种逼近程度更高的复合优化平滑函数去拟合l_(0)范数,并采用加权机制,加速稀疏解的获取;选择一个恰当的递减序列(ρ_(1),ρ_(2)…ρ_(k)),针对每个ρ,通过不断迭代采用最速下降法求解所提复合优化函数的最小解,最终将重构信号映射到空间划分网格,从而得到DOA估计值。仿真结果表明,该方法相比原始的平滑l_(0)范数最小化方法、L1-SVD和正交匹配追踪(OMP)算法在低信噪比、少快拍下具有更优的DOA估计性能。

基于变因子加权学习与邻代维度交叉策略的改进CSA算法

针对乌鸦搜索算法(CSA)优化高维问题时存在寻优精度低、局部极值逃逸能力弱等问题,提出一种耦合多个体变因子加权学习机制与最优个体邻代维度交叉策略的改进乌鸦搜索算法(ICSA).该算法随迭代进程动态修正模型控制参数(感知概率和飞行长度),利用多个体的变因子加权学习机制保证子代个体同时继承跟随乌鸦与上代最优个体的位置信息以避免单个体继承的过快种群同化并减小陷入局部极值的风险;同时构建历史最优个体的邻代维度交叉策略,并按维度绝对差异大的优先替换原则更新最优个体位置,以保留历代最优维度信息并提高算法的局部极值逃逸能力.数值实验结果分别验证了模型参数对CSA算法性能的一定影响,加权学习因子不同递变形式对ICSA算法性能改善的有效性与差异性以及改进算法的优越寻优性能.

磁盘阵列环境下Linux中断机制的改进与测量

以 HRAID磁盘阵列为应用背景 ,针对 L inux操作系统中断响应速度慢、中断处理时间开销大的缺点 ,提出了一种模块化的加权中断快速响应机制 .还针对复杂环境下微小时间量的测量 ,设计了一套合理的测量方案 ,利用 int软中断模拟将异步测量问题转化为同步测量问题 ,并通过对外部扰动因素的排除实现了多任务、异步环境下微秒级操作的提取和测量 .实验结果表明 ,改进的中断机制显著地提高了中断响应速度 ,减小了中断处理的时间开销 .

基于双级对齐部分迁移网络的旋转设备故障诊断

随着智能制造和工业大数据的快速发展,迁移学习在旋转设备故障诊断领域得到了广泛研究.在工业现场,存在大量目标域标签空间为源域标签空间子集的场景,现有迁移学习方法在处理此类场景时,无法消除源域离群类别对目标域分类产生的负迁移影响.部分迁移学习通过限制源域不同类别数据在特征对齐过程的贡献度,实现源域和目标域共享类别特征对齐.然而,现有部分迁移学习方法仅考虑源域和目标域共享类别边缘分布对齐,未考虑源域和目标域共享类别各子类间的状态分布对齐,诊断正确率仍有待提高.为此,本文以Vision Transformer网络为基础网络架构,提出基于双级对齐部分迁移网络的故障诊断方法:一方面构造加权平衡机制促进源域和目标域共享类别间的边缘分布对齐,另一方面利用度量学习实现源域和目标域共享类别各子类间的状态分布对齐.利用滚动轴承故障数据对所提方法进行验证,结果表明:所提方法在所有诊断案例中的准确率均在95%以上,相比其他对比方法表现出更优的诊断效果.

符号序列多阶Markov分类在银行客户风险预测中的应用

在金融行业突飞猛进发展的今天,为提高银行业务水平和运营收益,正确预测银行客户风险是一项非常重要的风险管理任务。目前国内尚未研究出与国情相匹配的完整模型,所以银行在应用模型时时常遇到亟待改进的局限。本文提出基于多阶马尔科夫模型符号序列贝叶斯分类新方法。新分类器的训练算法既可以学习各种符号不同阶次的条件概率,还可以优化不同阶次的权重,且为验证新分类器有效性,我们在三个实际应用领域的序列集上开展实验,并验证了其对预设阶数n是鲁棒的。新分类器通过使用多阶马尔科夫模型加权机制,可抵消错误模型阶数对分类器性能的影响,得出可在不同应用领域的实际序列集上取得高质量的分类结果。

一种改进的字典学习方法在医疗疾病分析中的应用

针对传统字典学习算法忽略样本与字典原子之间关联信息及有限的训练集容易出现过拟合的现象,文中提出了通过加权机制及二范数约束的方法,建立样本与字典原子之间的权重关系,并对编码系数用二范数进行约束。采用留一交叉验证法在抑郁症数据集上比较了算法的精确度、灵敏度和错误率等指标。实验结果表明,改进的算法在医疗疾病分类中有良好的效果,分类精确度平均提高了21. 87%,灵敏度和错误率等方面也有良好的表现。

高恶意用户比例下稳健WSPRT算法

频谱感知数据篡改(SSDF)攻击是协作频谱感知(CSS)中常见的攻击方式。在分布式协作频谱感知网络中,采用加权序贯概率比检测(WSPRT)融合准则,通过信誉值机制,有效缓解了SSDF攻击的影响。但是,随着网络中恶意用户数目比例的增加,融合判决结果的错误概率将大大增加。在高恶意用户比例下,融合节点判决结果的错误概率将变得不容忽视。为了缓解分布式网络中高恶意用户比例下SSDF攻击带来的不良影响,因此提出训练机制下加权序贯概率比检测(RT-WSPRT)算法。仿真表明,在高恶意用户比例的情况下,RT-WSPRT检测性能优于WSPRT。