改进的朴素贝叶斯增量算法研究

提出了一种新增特征的朴素贝叶斯增量算法。在无标注语料增量样本的选择上,借助传统的类置信度阈值,构建一个最小后验概率作为样本选择的双阈值,当识别到增量语料中有新的特征时,会将该特征加入到特征空间,并对分类器进行相应的更新,发现对类置信度阈值起到很好的补充作用,最后利用了无标注和有标注语料验证所提算法。实验结果表明,改进的朴素贝叶斯增量算法较传统增量算法表现出了更优的增量学习效果。

基于仿增量算法的圆度误差快速准确评定

提出按最小外接圆法和最小区域法评定圆度误差的仿增量算法。将工件轮廓看作一个点集,并在其中建立可以确定圆(环)的子集。若子集确定的圆(环)包容原点集,则可得到相应的圆度误差;否则每次给子集增加一个在包容区域外的点构成新子集,确定包容新子集的圆(环)并去掉其中不在圆(环)边界上的点。证明了该算法是单调收敛的。同时还提出以按最小外接圆法评定圆度误差时在包容边界上的点为最小区域法初值的新思路。该算法概念清楚、模型简单,易于在计算机上实现。几个实际零件圆度误差的评定验证了算法不仅正确,而且结果准确,耗时极少。

自适应模糊支持向量机邻近增量算法在变压器故障诊断中的应用

提出了一种基于自适应模糊支持向量机增量算法的变压器故障诊断方法。对变压器故障诊断采取分层结构,以模式识别思想提取与分类模式密切相关的输入特征,有效地抑制了冗余信息的干扰;采用参数自适应优化算法增强了SVM参数选择的灵活性,加快了算法的收敛速度。邻近增量算法提高了诊断模型的精度与对于新样本的学习能力,与普通的多分类支持向量机以及多分类模糊支持向量机算法相比,该算法具有较好的收敛性和良好的诊断效果。

自适应模糊支持向量机增量算法在变压器故障诊断中的应用

利用油中溶解气体对变压器进行故障有无以及故障类别判断时,为抑制冗余信息的干扰,提取与分类模式密切相关的特征作为每层诊断模型的输入;增量学习算法通过提取模型的支持向量和误判样本,逐步积累样本的空间分布知识,提高诊断模型的精度与训练速度,同时剔除对构建模型无贡献的样本以节约存储空间。为提升算法的收敛速度,采用参数自适应优化算法动态搜索模糊支持向量机的模型参数。最后,通过实例将该算法与普通的多分类支持向量机以及多分类模糊支持向量机相比,得出该算法具有相对较好的收敛性和诊断效果。

平面度和直线度误差的快速评定——增量算法

在平面度(直线度)误差评定的最小包容区域法中,提出一个新的、快速的实施方法———增量算法。该法以计算几何中凸壳的理论为依据,结合平面度(直线度)误差评定中数据的特点,从4个(3个)测点的子集开始,通过评定子集的平面度(直线度)以及增加距子集包容面最远的点构成新的子集的方法,逐步逼近精确解。该算法单调递增收敛到精确解,时间复杂度为O(n1)。几个算例证实了方法和结论的正确性。

多元线性回归模型的增量算法

伴随着各领域信息化的发展,数据多呈现出快速、连续流入的特点.面向海量不断更新的数据集,在具有广泛使用价值的线性回归模型中,考虑引入增量算法.通过基于叉积矩阵的增量计算公式,得到最小二乘估计模型的增量算法,并进一步扩展到其他的模型估计量和检验统计量中.该增量算法运用了全部的数据信息,与使用全部数据建模具有完全相同的结果.算法节约了数据读取时间,减小了数据存储传输的压力,从而提高了计算效率.数据仿真实验验证了算法的有效性.

按最大内接圆法评定圆度误差的仿增量算法

按最大内接圆法评定圆度误差的仿增量算法是将工件轮廓看作一个有序点集,并建立一个初始子集和它的内接圆。通过迭代的方法由此初始圆得到全点集的内接圆,然后用新的迭代的方法由此内接圆求得全点集的最大内接圆。两次迭代过程类似,均是通过对原子集增加一个点得到新子集,由新子集求一个更接近目标的新圆,并舍弃新子集中不在新圆圆周上的点,直到达到目标。证明了该算法是正确的且单调递增收敛的。用几个实际零件圆度误差的评定验证了该算法。

成形模拟非增量算法的张量时间函数预求法

针对计及几何、材料、接触摩擦耦合作用的高度非线性过程问题，非增量张量时－空算法具有在整个时间和空间域上迭代求解的高效率优点。由于分离变量采用张量时间函数，以张量时间函数和空间函数的乘积形式表达求解变量的迭代修正值，对问题的列式和求解方法具有更高要求。作为张量时空算法的关键内容，文中讨论了局部步结束时，即逐点在整个时间域上进行材料本构和边界接触摩擦的局部修正后。

带权点集Laguerre图的增量算法与软件设计研究

Laguerre图作为Voronoi图的推广,在计算几何学、材料科学等领域中有着重要应用。重点讨论了带权点集Regular三角化的增量算法以及根据其对偶性质构造Laguerre图的实现过程;通过研究球填充带权点集对Laguerre图胞体结构特征的影响,在此基础上开发了用于参数化、自动化、可视化构造Laguerre图的软件;利用软件给出了多晶体材料与泡沫材料微结构仿真的应用实例,验证了软件的有效性。

近似线性平均复杂性的平面点集Voronoi图增量算法的设计与实现

1 引言 Voronoi图是计算几何学科的一个重要结构,在模式识别、计算机图形、计算机辅助设计等领域有广泛的应用[1,2].平面点集Voronoi图的常用构造算法有三类:分治法、平面扫描法和增量算法[1,2].由于增量算法不仅适用于静态点集,而且还适用于动态点集,因而受到重视.

三维Laguerre模型的外存式增量算法及可视化技术

在用Laguerre算法实现纳米级材料微观组织结构可视化仿真的过程中,解决了传统算法在设计实现三维Laguerre模型(L模型)程序化与可视化时计算机内存占用量大、程序数据结构复杂等问题,设计了由大到小、层层嵌套的空间数据结构,用6个三重嵌套结构体数组作为中间变量,实现了三维L模型体、面、线、点之间数据的传递与拓扑关系的表达.在此基础上,以硬盘上的外部文件为动态存储空间,设计了硬盘数据文件与内存结构体数组之间实时联动的数据交互方案,避开了计算机内存的限制.在仿真超大规模纳米级材料的微观组织结构时,程序运行的内存占用量恒定为1.2 MB,仿真规模仅受限于硬盘的大小,存储微观组织结构几何信息的数据最后以文本文件的形式输出,方便了在工程实际中的应用与二次开发.

一个基于桶技术的平面点集Voronoi图增量算法

设计并实现了一个有效的平面Voronoi图增量算法 .该算法以翼边数据结构为基础 ,应用桶技术选择生成子并提高近邻搜索效率 ,可处理平面点集三点共线、四点共圆等退化情形 ,并具有较高的计算精度 .尽管理论上算法的最坏时间复杂性为O(n2 ) ,实验结果表明算法的平均时间复杂性近似为O(n) .

一种基于极限学习机的在线负增量算法

在剔除影响单隐层前馈神经网络性能的"脏数据"后,传统的极限学习机算法需要重新训练整个网络,这会增加很多额外的训练时间。针对这一问题,在传统的极限学习机算法的基础上,提出一种在线负增量学习算法:剔除"脏训练样本"后,不需要再重新训练整个网络,而只需在原有的基础上,通过更新外权矩阵来完成网络更新。算法复杂性分析和仿真实验的结果表明所提出的算法具有更高的执行速度。

基于最优控制变分原理的有限变形问题非增量算法

在非增量算法的基础上，提出了用最优控制变分原理来形成非增量迭代求解的基本思路，并给出了求解的基本控制方程。力求为非线性方法的数值求解工作提供一个有力的新工具。

改进的最小包围球随机增量算法

三维空间中离散点集的最小包围球,在碰撞检测、计算几何和模式识别等领域都有广泛应用。为了更好地理解和构造最小包围球算法,首先对最小包围球的性质进行分析。然后,基于对随机增量算法的分析,提出了构造较大初始包围球和减少迭代过程中最小包围球更新次数两种策略。依据后一种策略提出的方法称为随机点组-重算最远点算法。计算机随机生成数据和现实三维模型采样数据的多组实验结果表明,随机点组-重算最远点算法相比于之前的经典算法能够有效地提高时间效率。

新的决策表约简模型下的一种增量算法

新的约简模型将满足平均决策强度条件的最简规则集作为最终的约简结果,解决了不相容决策表约简结果不一致的问题。当前迫切需要解决的问题是,面对动态变化的决策表,如何高效地调整决策表的约简结果。文章提出了一种在新的约简模型下增量算法,该算法能根据决策表新增样本与原有的最简规则集的关系,快速推出新决策表的满足平均决策强度条件的最简规则集。

“依赖应变历史材料”结构动力松弛法静力分析中规避虚假应变历史的非线性弹性增量算法

针对SHDM结构(由依赖应变历史材料制成的结构)有限元非线性静力平衡方程组动力松弛法(DRM)迭代求解时的积分点应力更新步骤,提出非线性弹性增量算法,即在一个静力增量步内固定材料的加卸载路径,使之在该增量步内成为非线性弹性材料。该应力更新算法能使包括收敛解在内的迭代序列中不含虚假应变历史。此外,该算法还可避免静力解答精度依赖于静力增量步长的局限性。通过三个SHDM结构的数值试验对该算法进行了验证。该算法可望对SHDM结构非线性有限元静力问题DRM分析技术的发展起促进作用。

相联规则增量算法研究

相联规则模型可以用于在海量数据库中发现有价值的知识 ,各种求解相联规则的算法都需要较大的计算量 .随着时间推移 ,数据库中的数据也随之发生变化 .由于原先发现的规则已经过时 ,需要重新在数据集中挖掘规则 .本文通过向数据库中不追加数据的方法研究孕育在数据库中的相联规则变化情况 .在借鉴 FUP等算法的基础上 ,充分利用前次挖掘中获得的有关信息 ,提出用于再次挖掘的相联规则增量算法 Super FU P.该算法核心思想是更多地注重新增数据集 ,有效利用前次挖掘信息 ,仅仅对整个数据库扫描一次就能达到求解更新相联规则的目的 ,提高了相联规则增量算法的效率 .

双基合成孔径雷达二维频谱微增量算法研究

针对双基合成孔径雷达二维频谱难以精确获取的问题,提出基于斜距历程泰勒级数展开的双基二维频谱微增量算法.该算法在获取斜距历程低阶泰勒展开驻相点的基础上,通过求解此驻相点与斜距历程高阶泰勒展开驻相点之间的微增量来获取高阶展开驻相点的近似解,并以此为基础得到二维频谱.数学推导表明:级数反演(MSR)算法是微增量算法的一种低阶近似.微增量算法避免了求解高阶驻相点方程,运算量小.在仿真实验中,通过对比分析微增量算法与精确传递函数(ETF)算法、MSR算法得到的驻相点和二维参考频谱的聚焦效果,验证了微增量算法的有效性.

非增量算法张量时空表达及在成形模拟中的应用

成形过程数值模拟在准确定义下属于具有接触摩擦的有限变形弹塑性问题,包含了复杂的高度非线性现象。针对作为准静态问题增量算法在这一问题上的不足,本文建议采用张量时间函数的非增量时-空算法,在整个时间和空间域上迭代求解。由于采用新的分离变量构思,以张量时间函数取代标量时间函数,更多保留了研究对象时间与空间因素变化的相互关系,可提高问题求解的速度和精度。但对问题的列式和数值求解方法提出了更高的要求。文中就其原理、方法与算法组织进行了讨论。