协同粒子群优化算法

为解决粒子群优化算法易陷入局部最优的问题,提出了两种新方法协同处理粒子群优化算法:对比平均适应度值差的粒子,用动态Zaslavskii混沌映射公式改进粒子惯性权重与速度矢量,在复杂多变的环境中逐步摆脱局部最优值,动态寻找全局最优值;对好于或等于适应度平均值的粒子,用动态非线性函数调整粒子惯性权重与速度矢量,在保存相对有利环境的基础上逐步向全局最优处收敛。两种方法相辅相成、动态协调,使两个动态种群相互协作、协同进化。实验表明该算法在多个标准测试函数下都超越了同类著名改进算法。

一种新的改进粒子群优化方法

为解决粒子群优化算法易于陷入局部最优问题,提出了两种新方法并行修改粒子群优化算法惯性权重:对好于或等于整体适应度平均值的粒子,用动态非线性方程调整惯性权重,在保存相对有利环境的基础上逐步向全局最优处收敛;对比平均值差的粒子,用动态Logistic混沌映射公式调整惯性权重,在复杂多变的环境中逐步摆脱局部最优,动态寻找全局最优值。两种方法前后相辅相成、动态协调,使两个动态种群相互协作、协同进化。实验结果证实:该算法在不同情况下都超越了同类著名改进算法。

基于Hénon混沌与动态非线性方程的改进粒子群优化算法

为解决粒子群优化算法易于陷入局部最优问题,提出了两种新方法并行改进粒子群优化算法惯性权重:对适应度值比平均值差的粒子,用所设计的动态Hénon混沌映射公式调整惯性权重,在复杂多变的环境中逐步摆脱局部最优值,动态寻找全局最优值;对适应度值好于或等于平均值的粒子,用提出的动态非线性方程调整惯性权重,在保存相对有利环境的基础上逐步向全局最优处收敛。两种方法前后相辅相成、动态协调,使两个动态种群相互协作、协同进化。采用不同复杂程度的标准测试函数进行实验,结果发现,该算法在不同情况下都超越了同类著名改进粒子群优化算法。

M{2,3},M{2,4}和M{2,3,4}的有效刻画（英文）

集合A到集合B上的一个一一映射f称为B的一个有效刻画。本文提出的选逆象指标法(SIIIM)给出集A_1={α:α=(I_s,η)~T∈C_s^(n×s)}到象集B_1={β:β=α(α~*α)^(-1)α~*,α∈A_1}的一个有效刻画公式,并证明了B_1是I{2,3}_s的稠密子集,且I{2,3}_s的每个元素都与B_1的某个元素置换相似,利用上述结果,分别建立了I{2,3}和长方阵广义逆矩阵类M{2,3}.的有效刻画公式。再利用等式I{2,3}_s=I{2,4}_s=I{2,3,4}_s,进一步获得了M{2,4},M{2,3,4}的有效刻画公式.算法3.1可用于无重复地计算I{2,3}_s的任一个元素.

基于辅助短语标记的名词短语识别

名词短语的识别是自然语言处理领域中非常重要的子任务。而名词短语的识别性能与识别效率一直是研究人员关注的焦点,为了达到兼顾二者的目的,提出了一种基于辅助短语标记识别名词短语的方法。首先,在分析了短语不同分类体系的基础上,构建了一种映射公式,并根据该公式对不同分类体系的短语类别之间进行映射。然后,根据映射结果及短语的概率分布进行辅助短语标记的组合。实验结果表明,本文的方法在提高F值的基础上,有效地降低了系统的时间开销。

面向推荐的用户兴趣扩展方法

提出了一种用户兴趣扩展的方法以便应用于个性化推荐系统,对用户的搜索点击日志和浏览器的浏览日志进行统计,粗略对用户兴趣建模,从文本相似度、语言模型相关度、潜在的语义关联关系三个方面充分分析用户兴趣方向之间的关联关系,应用社区发现思想挖掘关联关系紧密的兴趣群组,并对用户兴趣在同一群组内进行适当扩展。通过试验结果分析,可以看出用户兴趣扩展对个性化推荐点击率的影响,并使点击率有近一倍的增长。

Grbner-Shirshov Basis for Degenerate Ringel-Hall Algebras of Type F_4

In this paper, by using the Frobenius morphism and the multiplication formulas of the generic extension monoid algebra, the authors first give a presentation of the degenerate Ringel-Hall algebra, and then construct the Gr¨obner-Shirshov basis for degenerate Ringel-Hall algebras of type F_4.