基于改进分类器动态选择算法的滚珠丝杠副状态识别

为提升滚珠丝杠副的性能状态识别精度,提出一种改进的分类器动态选择算法。该算法借助邻域成分分析(NCA),准确并自适应地定义测试样本的邻域,无需选择距离度量方式,从而更加准确地衡量多分类器系统中各子分类器对于测试样本进行正确分类的潜力,解决了传统分类器动态选择算法精度受限于距离度量方式选择是否合适的问题。将所提出的分类器动态选择算法应用于滚珠丝杠副状态识别中,首先利用AdaBoost算法离线训练反向传播(BP)神经网络集合,然后依据实时信号特征,采用改进的分类器动态选择算法从分类器集合中选取最合适的子分类器进行状态鉴定,从而实现更好的识别效果。实验结果表明,提出方法的状态识别准确率能够达到97.22%,高于BP神经网络、AdaBoost与传统分类器动态选择算法,且对于不同的性能状态均有较高的识别精度。

基于层次分析法的多传输信道动态选择算法研究

提出一种基于层次分析法的多传输信道动态选择算法,利用剩余可用带宽、接收平台价值和接收平台个数作为决策因素,利用层次分析法计算各个决策因素的权重,在各个决策因素归一化以后,实现多型传输信道路的动态选择。实验结果表明:提出的方法可以较好地兼顾多个决策因素,选出最优的传输信道路进行数据传输,证明了方法的可行性和有效性。

基于模糊控制的多传输信道动态选择算法研究

随着通信系统的不断发展,任务平台会按需搭载多型传输信道以保障相互之间的信息交互,在进行信息交互之前需要从可用的多型传输信道动态选择出最优的信道。针对多传输信道动态选择难以利用数学模型进行准确描述的问题,提出并建立一种模糊控制系统,并将其应用于多传输信道动态选择中。实验结果表明:提出的方法可以较好地兼顾多传输信道之间的负载均衡性、接收平台价值和接收平台个数三个方面,证明了方法的可行性和有效性。

基于表达式的逐层聚合和动态选择的图到方程树模型

现有树解码器仅适合求解单变量问题而求解多元问题的效果欠佳,而大多数数学求解器对真值表达式的错误选择导致训练出现学习偏差。针对上述问题,提出基于表达式的逐层聚合和动态选择的图到方程树(GET)模型。首先,通过图编码器学习文本语义;其次,从方程树的底层开始逐层迭代地聚合数量和未知变量以得到子表达式;最后,结合输出表达式的最长前缀动态地选择真值表达式以实现偏差最小化。实验结果表明,所提模型在Math23K数据集上的精度达到83.10%,相较于图到树(Graph2Tree)模型提升了5.70个百分点。可见,所提模型适用于复杂多元数学问题的求解,并能降低学习偏差对实验结果的影响。

融合深浅特征和动态选择机制的行人检测研究

针对无人驾驶场景下行人多尺度、小尺度造成漏检率升高,检测精度下降的问题,本文提出一种融合深浅层特征和级联动态选择机制的行人检测方法。首先,在YOLO v3-tiny的基础上基于密集连接的卷积神经网络改进特征提取部分,融合行人的深层特征和浅层特征加强网络对行人的识别能力;其次,在改进的主干网络上级联具有动态选择机制的注意力模块,使检测网络更加适应动态的行人尺度变化;最后,本文选择BDD 100K数据集和Caltech加州理工学院行人数据集进行实验,在保证实时性的前提下(25 ms/张),本文模型在BDD 100K数据集行人漏检率降低11.4%,平均检测精度提高11.7%,在Caltech行人漏检率降低10.1%,平均检测精度提高6.7%,适用于无人驾驶行人检测领域。

“双碳”目标下电力转型差异化路径动态选择方法研究

为促进电力行业的加速转型,并在这一过程中实现节能减排,开展在“双碳”目标下的电力转型差异化路径动态选择方法研究。在明确“双碳”目标的基础上,设定电力行业碳减排额度;从基准情景和加速情景2个方面,建立电力行业转型差异化情景;通过建立以全社会总成本最小化为目标的函数以及相应约束条件,构建差异化路径动态选择模型,从而实现对电力转型路径的动态选择。通过实例证明,新的选择方案可以应用于实际,且能够根据选择结果,确定最佳电力转型方案,实现“碳达峰”与“碳中和”目标。

信任感知的组合服务动态选择方法

把信任概念和信任度引入到服务组合中来,讨论了信任感知的服务组合选择问题,分别基于两种观点建立了其数学模型.并基于观点1,深入地研究了服务组合的动态选择问题,分别采用蚁群系统作为优化工具设计了两种动态选择方法:方法1针对服务在上限阈值的范围内提供优质服务,服务质量保持不变,超过阈值则拒绝服务的情况;方法2针对服务无限制地接受请求,但随着请求数量的增多,其服务质量下降的情况.通过对方法1和方法2的仿真实验结果分析表明,两种方法具有很好的效果.

分类器的动态选择与循环集成方法

针对多分类器系统设计中最优子集选择效率低下、集成方法缺乏灵活性等问题,提出了分类器的动态选择与循环集成方法(Dynamic selection and circulating combination,DSCC).该方法利用不同分类器模型之间的互补性,动态选择出对目标有较高识别率的分类器组合,使参与集成的分类器数量能够随识别目标的复杂程度而自适应地变化,并根据可信度实现系统的循环集成.在手写体数字识别实验中,与其他常用的分类器选择方法相比,所提出的方法灵活高效,识别率更高.

声望模型中一种动态选择遗忘因子的方法

针对目前声望模型中单一的遗忘因子无法准确地跟踪动态变化的声望值的问题,提出了一种以降低总误差为目标的动态选择遗忘因子的方法。该方法首先分析了不同的遗忘因子对总误差的影响,然后以声望值的变化程度为依据,在变化较为剧烈时选择较大的遗忘因子以快速体现变化,在变化较小时选择较小的遗忘因子以减小随机误差。仿真结果表明:该方法是行之有效的。

基于改进混合粒子群算法的服务动态选择方法

针对服务组合过程中的服务动态选择问题,建立带约束的Web服务组合QoS全局优化问题的描述模型,分析当前已有各种算法的缺陷和不足,提出一种改进混合粒子群算法的求解方法,并从可行性、有效性以及运行效率3个方面进行仿真实验。研究结果表明:改进的混合粒子群算法综合利用了群体自身信息、局部较优信息、全局较优信息以及遗传算法的交叉、变异、选择等操作对粒子进行更新,增强了粒子群的搜索空间和搜索效率,可以较好地解决服务组合中服务的动态选择问题。

基于多分类器动态选择与成本敏感优化集成的电信客户流失预测研究

针对不同样本在特征空间中具有不同的区域特性和不同分类算法之间的预测互补性,在电信客户流失预测理论基础上,融合多分类器动态集成理论和成本敏感学习理论,建立了电信客户流失多分类器集成预测的利润函数,并提出了一类新的基于多分类器动态选择与成本敏感优化集成的电信客户流失预测模型。首先使用K均值聚类法聚类训练样本成多个分区;接着使用NaiveBayes算法、多层感知机算法和J48算法在各分区样本上构建客户流失预测子分类器;最后使用改进人工鱼群算法分别对各分区的子分类器进行成本敏感优化集成。实验结果表明,所提出的基于多分类器动态选择与成本敏感优化集成模型的分类性能不仅优于由训练集全体样本所构建的3个单模型,也优于基于改进人工鱼群算法优化集成这3个单模型而得到的集成模型。

基于迁出地动态选择与自适应迁入策略的BBO算法

Dan Simon用生物地理学的方法和机制来解决工程优化问题,提出了生物地理学优化算法(Biogeography Based Optimization,BBO)。该算法因其独特的搜索机制和较好的性能在智能优化算法领域得到了广泛的关注。为了进一步提高生物地理学优化算法的全局和局部收索能力,提出了一种基于动态选择迁出地与混合自适应迁入的优化策略,对生物地理学优化算法进行改进,形成一种新的改进型BBO算法。该算法根据进化阶段动态选择待迁出地,并综合当前迁出地和随机迁出地优化迁入策略;同时,设计与适应度相关的变异机制,以增加算法的全局搜索能力。仿真实验结果表明,该算法在全局搜索、收敛速度和收敛精度上均优于对比算法。

动态选择策略的和声教与学混合算法

为提高对多种不同类型问题的优化性能,提出了一种基于和声搜索和教与学优化的混合优化算法(HHSTL)。在不同的进化阶段,HHSTL算法依据种群活跃率及种群最优个体更新率动态地确定和声算法或教与学算法作为下一周期种群更新方式的比例,并在标准教与学算法中增加了"自学"策略来提高算法的全局寻优能力。对16个不同类型的Benchmark函数进行仿真,并与七种优秀算法进行结果比较及Wilcoxon秩和检验分析,结果表明HHSTL算法汲取了和声搜索和教与学优化算法的优点,具有求解精度高、稳定性好等特点,能够求解更多的较为复杂的优化问题。

动态选择与替换策略的多目标约束优化进化算法

提出一种基于动态选择与替换策略的多目标优化进化算法用于求解约束优化问题.新算法首先将约束优化问题转化为两个目标的多目标优化问题,基于Parto支配关系,把初始种群分为Pareto子集和Non-Pareto子集,引入一种非劣个体保护偏好策略,动态选取一定比例的最优非劣个体直接进入下一代群体,剩下的非劣个体随机替代Pareto子集中的个体.Pareto子集和Non-Pareto子集分别进行单形交叉和多样性变异操作产生新的子种群.对13个标准测试问题的数值实验结果表明新算法的有效性.

NDSMMV——一种多维数据集物化视图动态选择新策略

物化视图的选择策略是数据仓库研究的重要问题之一.通过深入研究提出了一种多维数据集中物化视图动态选择的新策略——NDSMMV,包括候选视图生成算法CVGA、物化视图选择算法IGA、物化视图调整算法MAMV和物化视图动态调整算法DMAMV.CVGA基于多维数据格生成候选视图集,对候选视图数量进行压缩以减少后续算法的视图空间搜索代价和时间复杂度;IGA基于视图查询、视图维护和存储空间三元评价标准在候选视图集上进行物化视图的选择;MAMV基于物化视图选择过程已选视图的收益变化情况对物化视图进行进一步调整以提高查询的响应性能;DMAMV定时地判断查询视图类型分布是否变化来决定是否进行物化视图的动态调整,从而避免了物化视图集的"抖动".理论分析和实验结果表明该策略是有效可行的.

风速及风电功率超短期动态选择线性组合预测

提出动态选择线性组合预测方法,采用不同BP、RBF神经网络和序列最小优化SMO(sequential minimaloptimization)算法为预测模型,先用K近邻法收集预测数据的泛化误差构成性能矩阵,在此基础上动态选择泛化误差较小的预测模型,经等权平均形成最终预测输出。以风速和功率的时间序列为原始数据,实现对单台风电机组2 min内功率及风速的超短期滚动预测。研究表明:该方法的预测精度高于任意单一模型及传统线性组合预测,可有效减少预测点出现较大误差的概率,将2 min内的功率及风速的平均相对误差控制在10%内,验证了其正确性和有效性。

企业物流模式及其动态选择机理与流程

通过分析企业物流模式动态选择的必要性因素,在对两种物流模式优势和劣势比较的基础上,依据成本最小化原理,提出企业物流模式动态选择观点,并给出了基于成功关键程度与企业管理物流能力、物流服务与成本之间平衡的企业物流模式动态选择机制及其流程。

密钥动态选择机制的图像加密算法

构造了一个六维离散混沌系统,并在此混沌系统的基础上设计了一个伪随机数生成器。基于该伪随机数生成器提出了一种密钥动态选择机制的图像加密方案。该加密方案采用了经典的置乱-扩散加密结构。在该加密方案中,置乱序列与明文图像的像素总和相关,而在扩散阶段的扩散密钥流是根据每个像素值动态变化的,因此算法能抵抗选择明文(密文)的攻击。解密时的密钥只是混沌系统的初始值,明文图像的像素的总和是不需要的,因此克服了"一次一密"加密方案(加密不同明文所用密钥不同)中密钥管理的难度。实验结果和安全性分析表明:该算法具有密钥空间大、密文没有明显的统计特性、密文对明文和密钥非常敏感、能够抵抗差分攻击和选择明(密)文的攻击等优点,具有良好应用前景。

网状供应链中供应商与制造商的双向动态选择研究

以波特的“五力”模型为基础,分析网状供应连中供应商与制造商之间的关系,提出网状供应链中供应商与制造商双向选择的表现形式,建立基于利润分配的供应商与制造商之间的双向选择模型。

基于用户策略的Web服务动态选择方法研究

目前的Web服务选择方法主要是服务关键词语义和属性匹配、运行性能最优评估,未能很好考虑用户对服务质量的个性化需求。对用户需求、服务质量进行模型描述,结合用户策略给出了一个服务评估和选择算法,该算法根据服务请求者的满意度对候选服务进行评估和选择。与已有的服务性能选择方法相比,该方法更能满足个性化需求。