用于微观行人仿真的邻域决策模型

对适用于连续空间的基于力的行人仿真模型进行综述,并以社会力模型(Social Force Model,SFM)为例,指出了其本质局限性。在此基础上提出了全新的适用于连续空间的微观行人仿真模型:邻域决策模型(Neighborhood-based Decision-Making Model,NDM)。该模型使用"方向选择与速率调整"相结合的方法对行人的微观动作进行描述,并采用邻域作用原理(Neighborhood-based Impact Principle,NEP)驱动行人的决策过程。介绍了模型的基本原理,包括基于主观效用最大化原则的方向选择以及模型对于邻近行人和空间障碍物的处理思路。最后,通过一系列复杂场景内的单人行走仿真试验,验证了模型对于复杂邻域状态的处理能力,并深入分析了在不同参数配置下模型所模拟出的行人的行为特征,充分证明了模型的有效性。

基于邻域三支决策粗糙集模型的软件缺陷预测方法

基于已有软件缺陷数据,建立分类模型对待测软件模块进行预测,能够提高测试效率和降低测试成本。现有基于机器学习方法对软件缺陷预测的研究大部分基于二支决策方式,存在误分率较高等问题。本文针对软件缺陷数据具有代价敏感特性且软件度量取值为连续值等特性,提出了一种基于邻域三支决策粗糙集模型的软件缺陷预测方法,该方法对易分错的待测软件模块作出延迟决策,和二支决策方法相比,降低了误分类率。在NASA软件数据集上的实验表明所提方法能够提高分类正确率并减小误分类代价。

基于合理粒度的局部邻域决策粗糙计算方法

信息粒度和近似方法是粗糙集理论进行数据描述的两个关键.现实中数据分布情况复杂多变,现有的模型缺乏对不同数据区域进行区分的能力,且易受到异常数据的干扰,导致最终分类决策的失误.为此提出基于合理粒度的局部邻域决策粗糙集模型.首先,根据邻域中对象的个数和类别识别一些极端情况(例如离群点和标签噪声点),分别给出不同分布情况下数据点的粗糙隶属度;其次,为已识别的标签噪声数据提供一组伪标记,用伪标记对原始标签进行修正;最后引入合理粒度准则,构造由信息覆盖性函数和特殊性函数融合的新的评估标准,并通过粒子群优化算法对其进行优化,得到最佳邻域半径.实验结果表明,该方法为复杂数据处理提供了一种有效的解决方案.

一种新的连续空间微观行人仿真模型

对适用于连续空间的基于力的行人仿真模型进行综述,并以社会力模型为例,指出了其本质局限性.在此基础上提出了全新的适用于连续空间的微观行人仿真模型:邻域决策模型.该模型使用"方向选择与速率调整"相结合的方法对行人的微观动作进行描述,并采用邻域作用原理驱动行人的决策过程.最后,通过一系列复杂场景内的单人行走仿真试验,分析了在不同参数配置下模型所模拟出的丰富的行人特性.说明该模型能够合理地模拟行人的非线性决策特征,与基于力的模型相比,更加符合行人的自然行走过程,证实了这种新的仿真模型的可行性.