基于最优可信度的月度负荷综合最优灰色神经网络预测模型

月度负荷具有增长和波动二重趋势。作者首次提出以纵向历史数据为原始序列,用灰色预测模型进行增长趋势预测;以横向历史数据为原始序列,用人工神经网络模型进行波动趋势预测的方法,并在此基础上,引入最优可信度的概念,同时考虑了月度负荷的两种趋势,建立了综合最优预测模型。该模型兼顾了前两种模型的建模特点,优于只考虑单一发展趋势负荷预测的模型。对电力负荷预测应用实例的计算结果表明,该方法明显地提高了月度负荷预测的精度,也同样适用于进行周、季负荷等具有二重趋势的负荷序列的预测。

一种基于可信度最优的数量关联规则挖掘算法

研究了数量关联规则挖掘过程中的连续属性离散化问题 ,描述了连续属性离散化方法 ,包括连续属性区间划分算法和数据库样本大小的确定 ,提出了基于可信度最优的数量关联规则挖掘算法 .该算法首先利用等深度划分算法对连续属性进行离散化 ,然后利用凸包处理技术提取强规则中可信度最高的数量关联区间 ,它对于数量关联规则的优化有着重要的应用价值 .应用该算法对股票行情进行了数量关联分析 ,提取股票涨跌与股票价格之间可信度最高的关联规则 .实验表明该算法是非常有效的 .

运用模糊数解决非确定环境下的路由问题

本文基于模糊数学的有关原理 ,论述了网络环境不确定的条件下路由问题的求解 .本文假定网络链路延迟是模糊数 ,给出了路径延迟小于端到端延迟约束的可信度的定义 ,提出了路径可信度判定 (PathReliabilityDeci sion :PRD) ,最优可信度路由 (MostOptimalReliabilityPath :MORP) ,最优路径分解 (PathOptimalPartition :POP) ,及最优分解路径 (MostOptimalPartitionPath :MOPP)等问题 .本文证明 ,PRD是多项式可解的 ,POP可以用等可信度分解实现 ,一般情况下 ,MORP和MOPP是等价的 .在所有链路延迟的宽度都相同时 ,MORP转化为约束为跳数的最短路径问题 ,因此是多项式可解的 .最后我们给出了MORP的近似算法 ,算法的时间复杂度为O(log(ε) -1(vlog(v) +e) ) .

模糊参数下多播QoS路由及分解

文章研究网络参数不确定时的多播(multicast)QoS路由及分解问题,假定网络链路参数是模糊数,给出了最优可信度树(Most Opti mal Reliability Tree,MORT)和树最优延迟分解(Tree Delay Optimal Partition,TDOP)的定义.MORT要求寻找一条联结源节点和目标节点集的支撑树使得树的代价小于约束条件的可信度达到最大,TDOP要求给出端到端约束在树上各条链路的分解使得反映所有链路满足QoS需求的分解函数达到最优.文中给出MORT的近似算法并对误差进行分析,证明TDOP可以在多项式时间内实现并给出具体算法.