基于演化序搜索的混合贝叶斯网络结构学习方法

贝叶斯网络是一种不确定性知识表示与推理的有效工具,学习其结构是利用这一工具进行推理的基础。现有的贝叶斯网络结构学习算法,在智能教育等应用场景中往往面临着难以权衡有效性与高效性的问题。一方面,评分搜索类方法能搜索到高质量的解,但面临着算法复杂度高的挑战。另一方面,混合类方法效率高,但所找到的解的质量不尽如人意。针对上述问题,提出了一种基于演化序搜索的混合贝叶斯网络结构学习方法(EvOS)。该方法首先通过约束类算法构建无向图骨架,然后利用演化算法搜索最优节点序,最后使用该节点序指导贪婪搜索得到贝叶斯网络结构。基于常用基准数据集以及教育知识结构发现任务,验证了所提方法的有效性与高效性。实验结果表明,所提方法相较于评分搜索类方法,能够在保持相仿精度的情况下最高加速百倍,且有效性显著高于混合类方法。

基于粒子群算法和序贯搜索的高光谱波段选择

波段选择是降低高光谱数据量,克服地物分类中Hughes现象的有效手段。子集生成方式和评价准则是选择算法的两要素。提出一种混合随机搜索与启发式搜索的子集生成方法。该方法在随机搜索中嵌入启发式搜索,对由离散粒子群优化算法每次迭代更新的种群利用序贯搜索进行局部微调,提高了随机搜索的精度。这种嵌入微调也保证了优化算法解的有效性。高光谱波段选择与分类实验比较了该方法与混合遗传算法、标准遗传算法和顺序前向浮动选择算法的性能,表明算法能选择出评价准则意义下更好的子集。

考虑线上线下信息融合的体验品序贯搜索行为研究

文章提出一种序贯搜索的效用模型,该模型首先根据潜在消费者对线上待购商品各属性的关注度来确定其对各属性因素的偏好权重;其次,依据潜在消费者的IP地址确定其到线下实体店的搜索成本;再次,用序贯搜寻理论求解该模型并得到按保留效用降序排列的备选商品集;最后,以某汽车网站提供的已消费商品在线评分数据为例,对所建序贯搜索模型进行仿真分析,并将该模型与期望效用模型进行对比,结果显示,考虑线上线下信息融合的序贯搜索模型优于对比模型。

非线性模型LSE的序贯区域搜索法

用序贯方法,在参数空间Θ的一个较大区域内寻找■的LS估计■提出了序贯区域搜索的方法。并用模拟的方法把序贯区域搜索法和原有的迭代方法作了对比。

预期性后悔和欣喜作用下的最优序贯搜索策略研究

根据经济学中的后悔理论,首次在经典的最优序贯搜索问题中引入了决策者在搜索过程中的后悔和欣喜心理.模型发现,如果决策者具备完美预期,那么她对后悔和欣喜的敏感度之差将直接决定她的搜索行为与最优搜索的偏差程度和方向,并且对于预期性后悔的敏感度越大则搜索程度越低.这符合实验文献里"搜索过少"的结论.进一步分析发现,在停止搜索后能知晓反事件价格的情况下,带有预期性后悔和欣喜的搜索将会趋向于经典的最优搜索策略.如果对于后悔和欣喜的敏感度会受到搜索过程中经历过的类似心理的影响,模型对价格召回也作出了合理解释.

一种通过节点序寻优进行贝叶斯网络结构学习的算法

针对K2算法过度依赖节点序,遗传算法节点序寻优效率差的问题,该文提出一种直接对节点序进行评分搜索的贝叶斯结构学习算法。该算法以K2算法为基础,首先通过计算支撑树权重矩阵,构建能够定量评价节点序的适应度函数。然后通过提出混合交叉策略和孤立节点处理机制,同时利用动态学习因子和倒置变异策略,提升遗传算法节点序寻优的性能。最后将得到的节点序作为K2算法的先验知识得到最优贝叶斯网络结构。仿真结果表明,该方法解决了K2算法依赖先验知识的问题,相比于其它优化算法,评分值平均增加了13.11%。

基于图像分层搜索的地形轮廓匹配算法设计

应用图像分层搜索序贯判决算法,进行海底地形轮廓匹配(TERCOM)算法设计。建立了上下两层同时匹配的比较控制逻辑,既提高了匹配速度,又减少了误匹配,增强了地形二维匹配的健壮性。应用实际海图原始数据进行仿真。结果表明,该算法在保持匹配速度的同时具有较高的匹配精度和抗差特性。

广度优先破解二叉树加密算法

通过介绍二叉树加密算法,分析二叉树加密算法是利用加密二叉树的树形对明文信息进行加密的处理加密过程和其存在的漏洞,提出了基于广度优先搜多算法的二叉树加密算法的破解方法,基于广度优先搜索算法的破解算法是由于在二叉树加密算法的密文传输过程中存在着可以被截获的公钥,对于公钥可以分析成一个可能的加密森林,在应用广度优先算法的搜索过程中生成解密链表,最后达到了破解的目的。

广度优先破解二叉树加密算法

通过介绍二叉树加密算法，分析二叉树加密算法是利用加密二叉树的树形对明文信息进行加密的处理加密过程，和其存在的漏洞，提出了基于广度优先搜多算法的二叉树加密算法的破解方法，基于广度优先搜索算法的破解算法是由于在二叉树加密算法的密文传输过程中存在着可以被截获的公钥，对于公钥可以分析成一个可能的加密森林，在应用广度优先算法的搜索过程中生成解密链表，最后达到了破解的目的。

序贯决策中时间压力对搜索行为的影响:前景预期的调节作用

揭示了序贯搜索情形中时间压力对搜索行为的影响及前景预期的调节作用。基于最优停止理论、双处理理论和调节定向理论构建了一个研究模型,针对时间压力感知和决策者搜索深度、搜索策略和搜索速度之间的关系提出了假设,在工作搜索情境下,基于计算机仿真求解了最优搜索行为,同时以大学四年级学生为被试,采用实验室实验方法研究其实际搜索行为,两厢对比检验了模型和假设。结果表明:时间压力会引发决策者搜索深度偏好的反转,低时间压力下过度搜索而高时间压力下搜索不足;时间压力对搜索深度有影响,个体的前景预期会调节这一影响;时间压力还显著地影响决策者搜索策略的偏好,低时间压力下基于选项搜索,高时间压力下基于属性搜索;时间压力会显著提高搜索速度。

一种新的基于连续小波变换的图像分割算法

研究一种基于空域 -时域可连续小波变换的图像分割算法 .运用可分离的小波函数作为滤波器提取运动参数 ,根据运动参数所提供的物体的运动特征实现基于运动估计的图像分割 ,从而有效地提高了图像分割算法对图像噪声、物体形变以及物体之间遮挡的适应性 .由于小波函数的可分离性 ,大大降低了高维连续小波变换过程中计算的复杂性 ;采用序贯搜索及由“粗”到“精”的分层聚类相结合的策略 ,进一步提高了分割效率 .通过对算法的仿真研究 。

TDRSS中频信号捕获与跟踪的数字化实现

本文对TDRSS中扩频码及载波的捕获跟踪系统做了数字化设计。介绍了其中的关键技术及算法 ,例如码捕获跟踪时的频域 /时域二维序贯搜索捕获环与窄间隔超前、滞后数字延迟跟踪环 ;载波捕获跟踪的鉴频、鉴相算法相结合的自动频率、相位跟踪环。最后我们设计了基于Systemview与VHDL的软硬件系统仿真来验证方案的正确性及有效性。

一种基于激光信息的移动机器人两步自定位方法

提出了一种基于激光信息的移动机器人两步自定位方法.在对扫描数据预处理之后,第一步采用序贯搜索法进行室内环境的直线提取并建立角度直方图,通过角度直方图匹配求取机器人的旋转角度.第二步对角度匹配后的激光数据进行核密度估计,以核相关为基础建立以平移向量为参数的目标函数,并采用BFGS拟牛顿法实现平移向量的求解.实验结果证明该方法能够有效的实现移动机器人的精确自定位.

芯片视觉检测的定位算法及实现

本文针对半导体芯片检测中芯片的识别与定位问题,采用梯形分层搜索的序贯相关判决算法的匹配策略,在执行时间增加很小的情况下显着提高了精度。通过实例表明,该算法很好地实现了目标图像的识别与定位,保证了后续各项检测的实时性、准确性与可靠性。

油藏动态自动历史拟合的发展与现状

本文论述油藏自动历史拟合发展过程，主要途径及有关概念，提出多参数自适应历史拟合序贯搜索法，并在SUN工作站上开发计算机程序，文末附有软件运行实例。