基于电路板结构信息的近似近邻排序网络集生成算法

结构测试算法是一类采用有限制故障模型获得紧凑性和完备性指标更为优化的边界扫描测试算法,现有的对该类算法的研究大多是在假定已具备近邻排序网络集的基础上进行的理论研究。本文提出了一种利用被测电路板的结构信息和最短路径算法获得准确的有限制短路故障模型,并基于此模型生成近似近邻网络排序集的算法。该算法获取电路板结构信息的方法简便科学,其数据计算在现有条件下易于实现,并且关键步骤可以编程完成,为结构测试算法从理论探讨进展到工程应用提供了必要条件。

一种近似秩排序的无线传感器网络分簇路由算法

为了延长无线传感器网络(WSN)的生存期,能量有效的路由算法至关重要。以分配网络中的业务负载为目标的传感器节点聚类是解决无线传感器网络能量均衡的有效方法。文中为无线传感器网络提出一种基于近似秩排序(ARO)的分层和基于距离的组合聚类方法,并使用多跳数据传输。仿真结果表明,ARO-WSN在能耗和网络生存期方面优于经典的LEACH算法、LEACH-C算法和K-means聚类算法,能有效地延长网络的生存期。

基于主客观权重的异构网络选择算法

为了解决在异构网络环境选择最佳的接入网络的问题,提出一种结合综合赋权的异构网络选择算法。在用户端采用层次分析法判断用户偏好,在网络端采用基于指标相关性的客观赋权法判断网络客观状态,结合基于离差极小化的综合赋权法得到最终权重,并运用理想值近似排序法进行网络排序,接入最佳网络。基于matlab的仿真结果表明:该方法能根据不同业务结合网络性能及用户需求,减少频繁切换,提高网络的选择结果的合理性和有效性。

异构网络中的网络选择问题

在异构网络中,网络选择的结果应是由主观因素和客观因素,即用户喜好和网络客观属性,两者综合得出的。而在有限方案多目标决策的综合评价方法中,层次分析法具有主观性强的特点,理想值近似排序法的特点则真实、直观、可靠。针对这两种方法的各自特点,在网络选择中,对用户喜好方面采用层次分析法,对网络客观状况采用理想值近似排序法,并提出了一种用户喜好与网络状况协同决策的网络选择算法。仿真结果表明,在不考虑负载的情况下,提出的算法能有效地选择出适合于移动终端当前业务的网络。

一种面向业务类别的区分权值异质无线网络选择算法

在以满足业务服务质量(QoS)需求为目标的异质无线网络选择问题中,针对不同类别的业务在QoS需求上的差异,利用层次分析法对3GPP定义的四类业务进行了QoS参数相对重要性分析,设定了每类业务的QoS参数权值,然后基于理想值近似性排序算法,提出了一种面向业务类别的区分权值异质网络选择算法。仿真结果表明,区分权值算法相比平均权值算法而言,前者在满足业务QoS需求的同时,能够更合理地选择目标网络,有效地平衡候选网络负载。

水资源多目标配置决策模型及其应用

针对石羊河流域建立了多水源、多用户、多目标的水资源配置模型。以工业用水效益为基准,将生活、生态环境和农业用水效益折算为可公度效益,然后用权重系数法将多目标问题转化为单目标问题。从36组最优解中筛选出11组非劣解,最后采用近似理想点排序法得到均衡解,即得到有限地表水、地下水、外调水条件下各用水部门(工业、生活、生态、农业)间最优的配水方案。通过该应用实例验证了近似理想点排序法在水资源的多目标决策中的可行性和有效性。

基于AHP与模糊理论的绩效评估指标体系研究——旅馆业的论证

如何正确且有效的衡量评估系统组织的绩效一直都是管理领域最基本的议题。本文基于平衡计分卡和模糊理论,设计适合综合评价企业绩效的指标体系。利用层次分析法决定各评估指标的加权值,以修正专家打分法主观性的缺陷;利用模糊理论衡量各指标的绩效值;最后透过理想解近似度偏好排序法求得排名。

基于刻面的藏/汉教育资源的检索设计与实现

通过反映教学资源本质特性的视角采用刻面技术对所要描述的资源进行精确地描述、表示、分类。一个刻面分类模式由一组描述资源本质特性(刻面术语)的刻面组成,从而构建出每个教学资源的描述树或查询匹配树。用户通过提供关键词(术语)形成查询条件,构成一棵刻面查询树,通过相应的匹配算法将描述树和匹配树进行比较,根据返回的i值的大小,找出近似匹配教学资源集有序地呈现给用户。

基于附加间隔Softmax特征的人脸聚类算法

针对数据量巨大、类别多、真实类别数未知、样本数量不均衡、类内变化多的无标签人脸图像分类问题,提出基于附加间隔Softmax特征的近似等级排序人脸聚类算法。使用附加间隔Softmax损失结合Inception-ResNet-V1网络训练人脸识别模型来提取深度人脸特征,并应用于近似等级排序聚类。在LFW人脸数据集、LFW与视频模糊人脸的混合数据集上进行实验,结果表明该模型在人脸识别准确率、误识率为0.1%时的验证率均优于其他模型,近似等级排序聚类在F1度量得分优于其他聚类算法,具有更强的鲁棒性和应用价值。

基于元学习的作战行动效能评估标准数据生成方法研究

部队作战行动效能评估难度大的主要原因是缺乏科学可靠的评估标准数据。为了选择适当的算法生成评估标准数据,建立了基于元学习的评估标准数据生成方法总体框架,并提出集成近似排序树方法来建立作战行动数据集元特征与算法性能排序的映射关系形成元知识,从而辅助指挥决策人员选择适当的算法生成评估标准数据。

新的基于预估校正法的大规模营销优化算法

针对大规模一对一营销问题,提出一种时间复杂度为O(nlogn/ε)(n为决策变量数,ε为允许误差)的大规模一对一营销优化算法.它基于预估校正思想,在预估、校正步长计算中采用LDL分解,并结合列近似最小度排序算法,有效降低时间复杂度.同时,算法在预估步中引入步长参数,根据步长参数值自适应更新中心参数,使得算法具有超线性收敛性.实际测试表明,该算法可在短时间内精确求解10万以上客户规模的一对一营销优化问题.