一种基于互信息最大化的模型无关基因选择方法

针对大规模基因芯片高维度的基因表达数据存在大量无关和冗余特征可能降低分类器性能的问题,提出了一种基于互信息最大化方法(MMI)和与遗传算法的模型无关的基因选择方法来将特征选择转化为全局优化问题,其中的适应度函数定义为类间距离与类内距离之比,适应程度高。为了评价算法的性能,采用3个数据集进行了实验,结果表明MMIGA-Selection取得了较好的效果,在每个数据集上获得了较高的5折交叉验证正确率。MMIGA-Selection主要有两个优点:一是可以有效减少冗余基因;二是模型无关性,选择得出的特征子集可直接用于其他类型的分类器,分类精度较高。

一种与模型无关的全向视觉系统标定方法

传统的全向视觉系统标定方法假设研究对象满足单视点成像模型且全向反射镜面各向同性,而在实际应用中上述假设往往并不成立,这会对标定精度带来很大的影响。针对全向视觉系统成像特点设计了一种新的与模型无关的标定方法,不需要研究对象满足上述约束,适用于对各种折反射式全向视觉系统的标定,具有较高的精度。将其应用于NuBot足球机器人全向视觉系统的标定后,较大地提高了机器人基于全向视觉的自定位精度,验证了标定方法的有效性和实用性。

IsomapVSG-LIME:一种新的模型无关解释方法

为了解决局部可解释模型无关的解释(local interpretable model-agnostic explanations,LIME)随机扰动采样方法导致产生的解释缺乏局部忠实性和稳定性的问题,本文提出了一种新的模型无关解释方法IsomapVSG-LIME。该方法使用基于流形学习的等距映射虚拟样本生成(isometric mapping virtual sample generation,IsomapVSG)方法代替LIME的随机扰动采样方法来生成样本,并使用凝聚层次聚类方法从虚拟样本中选择具有代表性的样本用以训练解释模型;本文还提出了一种新的解释稳定性评价指标—特征序列稳定性指数(features sequence stability index,FSSI),解决了以往评价指标忽略特征的序关系和解释翻转的问题。实验结果表明,本文提出的方法在稳定性和局部忠实性上均优于现有的最新模型。

基于模型无关优化策略的风电短时回归预测框架设计

目前,风电出力预测面临跨环境、跨传感器设备的多任务挑战,往往需要对不同的预测目标各自独立地展开针对性训练。鉴于此,首先提出了一种基于模型无关元学习策略(model-agnostic meta-learning,MAML)的短期预测方法,并基于该方法能够实现对新任务样本快速适应的能力设计了新型回归训练框架。然后结合卷积神经网络–长短期记忆网络、有注意力机制的Seq2Seq、有自注意力机制的Transformer、Synthesizer等时序深度网络模型,将该框架应用于风力发电预测场景。实验结果表明相比常规的预训练–微调的深度网络训练方法,所提出的方法在GEFCom2012数据集上对各算例实现了均方根误差和均方误差等指标的提高,同时各模型在短时风电出力为案例的预测任务上的泛化性能获得了一定提升。该训练框架可便捷地将主流深度学习模型和数据集转换为适应MAML策略的匹配模式。

MDA中平台无关模型的抽象表达方法研究

针对目前MDA研究缺乏对平台无关模型抽象建模技术探讨的问题,提出建立PIM模型的六元抽象方法,对MDA主题域进行全面充分的模型抽象,并采用xUML技术形成完整的平台无关模型建模,以便更好地实现MDA方法对模型重用和模型VV&A的支持。

基于几何无关模型的GNSS三频模糊度解算方法研究

针对模糊度估计受多径误差以及基线长度等影响而无法可靠保障运动情况复杂多变的动态测量问题,提出了一种新的三频模糊度动态快速求解算法。该方法利用模糊度估计成功率确定CIR法和LAMBDA法的适用范围。仿真及试验结果表明,该方法在保证模糊度估计可靠性的同时,还缩短了处理时间,适用于周围环境变化剧烈及载体运动情况复杂多变的实时动态测量。

基于角色模型构建的平台无关模型

MDA把模型分为PIM和PSM,通过PIM到PSM的转换,实现PIM的重用。如何构建PIM是一个重要课题,该文提出了一个基于角色模型的PIM建模方法。该方法首先建立系统用况的角色模型,然后通过角色的组合和分配约束,把角色模型转换成类模型,在不同抽象层次实现模型的重用。最后通过一个WebApplication的建模过程说明该方法的使用。

业务对象平台无关模型建模方法及其完备性研究

为支持业务对象平台无关模型的设计,以支撑模型驱动的企业应用软件开发,扩展了业务对象概念的语义范畴和粒度,在可互操作可配置可执行的模型驱动体系结构研究的基础上,给出了业务对象形式化定义和业务对象的平台无关模型。从基本构成要素(数据集、操作集、状态集及其间关系)的角度,给出支持业务对象模型的语义完备性约束。实践表明,研究成果可为大粒度业务对象平台无关建模提供基础的理论支撑。

基于航迹无关模型的传感器系统误差可观测性分析

可观测性分析是建立系统误差估计模型的一个必要前提。针对系统误差航迹无关估计模型的可观测性问题,该文采用可观测矩阵研究系统误差的可观测性和可观测度。首先建立了基于航迹无关的系统误差量测与状态转换模型,在此基础上构建了系统误差的可观测矩阵,通过判定可观测矩阵的奇异性研究了系统误差的可观测性问题,并且给出了可观测度的表达式,最后建立了典型的仿真环境,分析了可观测度对系统误差估计精度的影响以及传感器的几何位置和目标的运动状态对系统可观测性及可观测度的影响。

敏感问题双无关问题模型分层二阶段整群抽样的统计方法及应用

目的为二分类敏感性问题提供科学的较复杂抽样调查方法及其统计量的计算公式。方法采用Coch-ranW.G.的抽样理论及研究结果、随机应答技术的双无关问题模型、分层两阶段整群抽样调查方法、全概率公式、方差的基本性质、效度评价等理论和方法。结果推导出二分类敏感问题双无关问题模型在分层二阶段整群抽样下总体比例的估计量及其方差的计算公式,并成功应用该调查方法及相关公式调查估计得苏州大学新校区学生婚前性行为发生比例为16.77%,将其与效度准则指标作假设检验得P=0.1696。结论本文提供的敏感问题双无关问题模型的分层二阶段整群抽样调查方法及相应的统计量计算公式科学有效。

平台无关模型可视化建模的研究与实现

平台无关模型(PIM)是模型驱动架构(MDA)的核心,但目前PIM的建模主要靠手工编写代码实现,故效率低,易出错,复用难。为解决这一难题,以VisibleXML概念为建模规范,以XML为建模语言,提出了一种PIM可视化建模方法。应用此方法,设计实现了一种基于.NET平台的PIM可视化建模框架。某企业在信息系统开发中用此框架进行PIM建模,效率高,错误率低,复用方便,学习成本小。

基于SysML的平台无关模型转换研究

图形化系统建模语言SysML可以通过建立不同的模型,从多个角度反映整个系统的结构特征。但是从系统的需求出发,使用SysML建立系统的多种模型图比较繁琐,效率低下;模型图之间相互关联,存在信息重叠。提出基于UML Profile通用扩展机制下平台无关模型间的转换方法:通过在扩展文件中建立模板,导入到模型图中实现对模型元素额外的扩充和限制。以此为基础,分别设计需求图及用例图的模板,采用ATL模型转换语言实现SysML需求图到用例图、用例图到序列图的转换。通过一个实例验证该方法的可行性。该方法不仅可以明确模型元素之间的关系,而且有效提高建模效率。

Web平台无关模型到J2EE平台模型的转换

平台无关模型到平台相关模型的转换是OMG提出的模型驱动架构(MDA)中的关键技术。综合当前J2EE平台下广泛使用的多种应用框架,提出了一种包括静态模型、行为模型和展示模型3个部分的J2EE平台相关模型,将其作为目标模型并按结构定义、映射规则实现模型转换。该文描述了一种Web平台无关模型到J2EE平台模型的转换,体现了模型驱动开发的优点,提升了开发层次,由于受目标应用领域和特定技术对该模型限制较小,因此其具有较好的通用性。

似无关模型在多响应参数估计中的应用

在复杂产品质量改进或过程优化中,通常需要拟合出多个响应与因子的经验模型,响应间的相关性会影响模型参数的估计精度。介绍了似无关模型参数估计的基本方法,并与最小二乘方法进行对比,算例表明,当响应见相关性较强,似无关模型估计量的性质优于单方程的最小二乘估计量。

基于计算无关模型的企业ERP系统重构架构研究

针对当前企业ERP系统中存在的灵活性差,开发时间长等问题,提出并构建可重构ERP系统的体系结构。通过需求分析,明确企业ERP系统构建中对于集成性、扩展性、维护性等方面的要求,基于可重用构建的思想,建立了柔性ERP系统构建体系架构,详细讨论了以面向可重构ERP架构的为目标的构件开发模式,以及基于计算无关模型的重用模式。该体系架构的研究,为建立柔性企业ERP系统提供了基础和指导。

面向知识图谱链接预测任务的解释子图生成模型

近年来图神经网络(GNN)发展迅速,相关模型在知识图谱链接预测任务上的性能显著提升。为解释性能提升的原因,研究人员需要提取GNN学习到的子图模式。然而现有GNN解释器在知识图谱这类典型多关系(multi-relation)图数据场景下的解释准确性尚未被验证,且相关工具尚未实现,导致解释子图提取困难。针对该问题,提出一种将多关系的知识图谱转换为单关系(uni-relational)图的知识图谱链接预测模型,该模型通过将知识图谱中的实体组合为新的节点,并将关系作为新节点的特征,生成只有单一关系的新图,并在新图上训练去噪自编码器使其获得链接预测能力,最后使用GNN解释器生成子图解释。在三个基准数据集上的实验表明,与不进行转换的GraIL相比,基于单关系转换的链接预测模型的相对AUC指标提升显著。最后,该模型选取FB15K-237数据集进行解释子图提取实验,验证了模型在直接提取链接预测解释方面的有效性。

支持企业资源计划快速开发的计算无关层全局模型建模

针对目前企业资源计划系统灵活性较差、定制开发实施周期漫长且成本较高的问题,应用模型驱动架构的相关技术和思想,研究了模型驱动的企业资源规划系统快速开发模式。为了优化并快速建立企业业务模型,面向该模式提出了全局模型的概念,由此建立了包括全局模型和业务模型的计算无关层模型结构。在此基础上,重点研究了面向企业资源规划系统快速开发过程的全局模型建模方法。将全局模型分为全局业务分析模型及全局业务模型,并构造成为按层次分解的模型结构,建立了它们的基本模型,定义了基本模型中的元素。最后通过全局业务分析模型和全局业务模型的图形化建模实例验证了上述建模理论的可行性和实用性。

基于分组无关问题模型的隐私保护算法

针对分组无关问题模型存在隐私泄露的问题,提出一种改进的分组无关问题模型,采用随机响应的方法,通过对原始数据进行伪装变换处理,实现具有隐私保护的关联规则挖掘。实验结果表明,改进后的模型在伪装变换后的数据集上挖掘出的规则与原始数据规则相比,保证了低误差,具有较好的隐私保护性。

基于元学习和数据增强优化小样本模型泛化性能研究

针对小样本模型泛化性能不足的问题,引入元学习机制构建强泛化性的数据分析模型。使用BP神经网络建立数据分析模型,并使用模型无关元学习算法MAML对模型进行优化。结果显示,相比于传统模型(如支持向量机和高斯过程方法),文中所建立模型的泛化性能更好;针对MAML训练数据形式,引入数据增强方法增加训练数据数量,文中所建立模型的均方根误差、平均绝对百分比误差和决定系数分别为0.05、0.066和0.85,均优于其他预测模型。

基于话者无关模型的说话人转换方法

提出一种基于话者无关模型的说话人转换方法.考虑到音素信息共同存在于所有说话人的语音中,假设存在一个可以用高斯混合模型来描述的话者无关空间,且可用分段线性变换来描述该空间到各说话人相关空间之间的映射关系.在一个多说话人的数据库上,用话者自适应训练算法来训练模型,并在转换阶段使用源目标说话人空间到话者无关空间的变换关系来构造源与目标之间的特征变换关系,快速、灵活的构造说话人转换系统.通过主观测听实验来验证该算法相对于传统的基于话者相关模型方法的优点.