基于节点影响值的社区网络稳定标签传播算法

针对社区网络标签传播准确性差的问题,提出基于节点影响值的社区网络稳定标签传播算法。该算法重设社区网络相邻节点相似度,结合链路加权思想将其变换为链路无向带权图;利用节点K-shell分解值判断节点影响力,计算种子节点的中心性度量值,升序排列节点更新顺序;根据越重要节点标签影响越大的规则,修正高频数标签,获取最佳社区网络划分结果。结果表明:该算法模块度在0.320以上,准确率达到99%,因此,经该方法划分后的网络结构清晰、准确,稳定性高。

油茶果壳籽实时分选系统设计与试验

为了实现油茶果脱壳后果壳与茶籽的高效分选,进行了油茶果壳籽分选装置上料模块、视觉采集模块、执行模块和控制系统的设计。其中,整体装置采用一种阵列式凹槽传送机构,避免执行喷吹时产生对茶籽的带出干扰。利用有效的图像预处理方法获取壳籽目标,并提取目标图像的颜色及纹理信息共18个;考虑到分选的高效实时性,进一步对特征参数实施Spearman相关性分析,将特征减少至6个,建立随机森林分类模型,并与K最邻近分类算法(KNN)、支持向量机(SVM)及偏最小二乘法判别分析(PLS-DA)模型进行对比,发现随机森林模型的分类效果最佳。试验中,分选系统识别准确率达到95.5%,平均检测时间为41.9ms,分选速率达20个/s,表明系统实现了油茶果的壳籽高效率实时分选。

随机森林算法下列表级排序学习推荐系统设计

为满足用户在信息过载情况下的隐式查询需求,设计随机森林算法下列表级排序学习推荐系统。用户登录系统后在用户层各界面操作产生操作信息,通过控制层将用户操作信息传输至处理层;由处理层数据采集模块采集用户感兴趣信息及数据,并将数据统一储存至数据层人机交互信息数据库中,处理层信息推荐模块依据数据层中人机交互信息数据,采用排序学习算法构建列表级排序学习推荐列表,利用随机森林算法作为构建推荐列表的学习方法,选取输出类别最多的决策树作为系统推荐结果;控制层将推荐信息传输至用户层推荐界面完成推荐系统对用户的专属信息推荐。系统测试结果表明,该系统可实现用户偏好内容推荐,推荐准确率为0.9以上,系统整体性能较好。

基于PSO-RF-NSGA-Ⅱ盾构下穿施工既有隧道变形预测与优化控制

盾构施工引起的土体扰动与既有隧道承载力的相互作用会造成竖向和横向变形,给既有隧道的正常运行带来潜在风险。为精准预测并有效控制盾构下穿施工既有隧道变形,构建粒子群优化(particle swarm optimization,PSO)、随机森林(random forest,RF)及带精英策略的非支配排序遗传算法(non-dominated sorting genetic algorithmⅡ,NSGA-Ⅱ)多目标优化框架。基于监测的样本数据集,采用PSO-RF模型对既有隧道拱底位移进行预测,得到盾构隧道主要施工参数与拱底位移的非线性映射关系;基于构建的PSO-RF-NSGA-Ⅱ多目标优化框架,对拱底竖向位移和拱底横向位移2个目标进行优化,获得盾构施工参数的帕累托(Pareto)前沿;采用TOPSIS方法计算得到最优解,实现盾构下穿施工既有隧道变形的精准预测。结果表明,采用基于PSO-RF-NSGA-Ⅱ框架的盾构施工参数组合进行优化控制,既有隧道的拱底竖向位移和拱底横向位移分别降低了33.6%和35.1%,实现了盾构下穿施工既有隧道变形的精确预测与控制。

基于偏好多目标优化特征选择的骨质疏松预测

为快速筛查糖尿病患者群体中患有骨质疏松的高风险个体,基于决策者偏好多目标优化算法建立糖尿病患者的骨质疏松预诊断模型.以糖尿病患者的临床数据为驱动,随机森林作为基础分类器,非支配排序遗传算法-Ⅱ作为优化搜索引擎进行特征选择,搜寻帕累托最优特征方案解集.基于决策者偏好需求开发替换分数计算器,以决定帕累托最优解集中的首选特征方案.与具有34个变量的全模型相比,最佳模型的准确率提高了5.13%,优于对比模型,同时使用的特征数减少了91.18%.对最佳模型进行的特征重要性排序分析,增强了模型的可解释性,并为骨质疏松临床诊断提供参考.基于提出方法可建立低成本、紧凑有效的骨质疏松预诊断工具,为糖尿病患者的骨骼健康管理提供支持.

一种基于改进随机森林的知识检索优化算法

针对知识库知识检索优化过程中的数据冗余及效率较低问题,提出一种基于改进随机森林的知识检索优化算法,以提高知识检索优化效率。该算法采用互信息加权,并结合粒子群算法依据决策树的相关性及评价精度确定决策树权重,以优化随机森林的结构,最终获得耦合度更小且评价精度更高的算法模型。实验表明,该算法知识检索质量的NDCG指标平均提升了14.25%,平均评价精度指标MAP则提升了13.75%,表明该算法能提升检索质量,可用于解决检索结果优化效率和精度低的问题。

大样本序列重叠碰撞统计检验方法

随机数发生器(RNG)产生的随机数质量直接关系到密码系统的安全性,而随机数统计假设检验是常用的随机数质量评测方法,在密码应用实践中发挥着重要作用.近年来,信息技术的发展极大提升了大数据处理能力,RNG的随机数统计检验也面临着更大数据量、更强检验能力和更快检验速度的迫切需求.本文针对现有检验方法在大数据量(GB级)检验适用性方面的问题,对大样本下的长模板重叠碰撞类检验进行了深入研究.首先,我们构造了碰撞对数统计量,并在此基础上通过理论推导给出了一种适用各种计数方式的新型碰撞统计模型.继而,我们得到了n比特长序列m比特模板的重叠碰撞对数的理论期望值,并基于该期望值通过统计分析,提出了两种序列重叠碰撞检验方法:(1)我们基于重叠碰撞数期望可作为碰撞出现概率上界的事实,利用极小非平凡碰撞期望拒绝较长碰撞出现这一小概率事件,给出了重叠碰撞拒绝检验;(2)基于大数定律,并通过多个样本构造样本方差,我们给出了无需已知理论方差的多样本t分布检验.针对现有碰撞搜索方法在重叠统计方式下的资源占用高、搜索效率低等问题,我们提出了一种资源受限下基于CUDA的快速搜索方法,即通过前缀分类、后缀排序等优化技术,能够降低内存等硬件资源1/2b倍(其中b为前缀比特长度),同时也提高算法并行性,再利用CUDA并行技术,实现了重叠碰撞搜索在通用计算机上的实际可行性.我们利用提出的优化算法进行具体实验,在我们的实验平台上4200 s左右可完成10GB数据的64比特以上的重叠碰撞搜索与碰撞信息存储.同时通过简单的数据构造实验展示了我们所提出的新方法的优势,即能够发掘现有NIST检验方法无法发现的长模板非随机因素.最后我们利用1000 GB随机数据给出了1GB随机数据的长模板统计特征,也验证了本文所提出的检验方法的有效性.本文提出的重叠碰撞检验方法结合快速搜索工具,能够满足实际大数据量随机数测评需求,更好地保障密码系统安全性.

随机排序的优化算法

随机排序经常出现在数字信号处理的分析和仿真中 ,尤其用于交织器的比较分析和优化设计中 ,它的算法优劣直接影响到计算仿真的效率 .针对原有算法 ,本文提出了优化算法 ,大大改善它的时间和空间复杂度 .定量的理论分析和实际的仿真测试都表明 ,优化算法能够有效提高计算效率和节省存储空间 .

任意分布数据的二次分“档”链接排序算法研究

本文提出一种谓之二次分“档”链接的新排序方法 (以下简称为“二次分“档”链接排序”) ,给出了该排序算法的描述、时间复杂度分析、空间复杂度分析及用 C语言编写程序进行算法比较的实验结果 .算法分析和实验结果都表明 :二次分“档”链接排序方法与待排序数据分布情况无关且时间复杂度仅为 O( N) ,而附加存储空间开销仅为 N+Δ M+2 (这里 ,N为待排序数据个数 ,△ M为关键字的变化范围 ) ,该算法不仅稳定 ,而且排序速度明显优于 Quick Sort、FlashSort〔2〕、Proportion Split Sort〔3〕、分段快速排序〔5〕等算法 .

基于平面变换技术的脉冲信号分选

针对平面变换分选信号方法中人工检测特征曲线的缺点 ,对平面变换后特征曲线的检测方法进行了研究 .将随机 Hough变换引入平面显示变换后的特征曲线检测 ,导出了检测曲线参数与待分选脉冲序列的脉冲重复间隔(PRI)之间的关系 ,利用该技术可实现对平面变换后特征曲线的自动检测与分离 ,该方法适用于固定 PRI、参差PRI和随机抖动

关于排序算法的随机输入序列

随机序列在排序算法数值研究中经常用作输入,但随机序列的生成方法以及所用序列组数是否合适这2个问题却通常未被重视或忽略了。采用数值试验方法对此进行了研究,发现它们对分析结果影响很大,特别是不合适的序列生成方法即使采用上万组数据也不一定得到可靠结果。给出了一个简便有效的序列生成方法和组数测试方法,可在计算精度和计算时间上达到较好协调。

岩石矿物细胞元随机性参数赋值方法研究

数值计算中利用随机分布对各单元赋予不同的物理力学参数来考虑岩石的非均质性,赋值过程是纯随机的,并没有考虑岩石矿物组成的结构特征。故提出一种新的岩石非均质参数赋值方法——岩石矿物细胞元随机性参数赋值方法,基于岩石矿物种类及其含量定义细胞元类别判定区间,利用Monte Carlo方法对各个细胞元进行矿物类别判定,并进行相应的参数赋值,通过各矿物细胞元的随机混合体来描述岩石的非均质性。该方法既考虑了组成岩石的矿物种类及其含量(结构特征),又考虑了组成矿物在岩石中的随机分布特征。针对矿物分布的随机特征,利用两矿物细胞元混合模型和三矿物细胞元混合模型进行数值试验,研究了矿物细胞元随机分布特征对岩石宏观力学参数的影响。研究结果表明,岩石矿物细胞元随机性参数赋值方法具有结构性和随机性的双重特性,其随机性不依赖于随机参数,岩石宏观力学参数受细胞元随机性特征的影响很小。

基于改进圆形靶的圆心自动提取与排序

针对传统圆形靶不便于相机全自动标定、特征圆圆心提取精度不高以及圆心点阵排序受圆形靶旋转角度影响较大的问题,设计了适用于相机全自动标定的圆形靶,并针对该靶,提出了基于随机抽样一致的最小二乘圆心拟合法和基于向量夹角的圆心点阵顺序排序法。实验结果表明,采用该圆心提取算法,平均拟合误差为0.006 1个像素,相比传统的最小二乘拟合法,精度较高;对于标定靶0°~360°角度的旋转,均能够快速且准确地完成圆心点阵排序,平均排序时间为0.009 6 s,易于实现在线的相机全自动标定。

随机排序的一种算法及其在准考证号生成中的应用

提出了除升序排序、降序排序之外的第三种排序——随机排序,并将随机排序分为完全随机排序和不完全随机排序两类,最后,进述了随机排序在VisualBasic6和C++下的算法实现及随机排序算法在大规模准考证生成中的应用实例。

快速排序算法的分析与研究

快速排序是排序算法中性能较好的一种,但存在对数据基本有序的情形下的性能瓶颈问题。为了保证快速排序在任何情况下的高效性,在对快速排序算法的时间效率进行充分的分析的基础上,指出支点元素的选取是影响快速排序算法效率的主要因素。提出了一种随机选择支点元素的快速快排方法,很好地避免了最坏情况的发生。通过实验验证了改进算法的正确性和高效性。

考虑随机因素的编组站改编能力计算方法

编组站调车作业组织是一项复杂的系统工程,调车作业组织会受到固定因素和不确定因素的影响。在阐述编组站改编能力传统计算公式的基础上,为把不确定因素准确地反映到计算过程中,使计算结果更加趋于准确,采用分析拟合法进行数据分析、样本直方图及函数拟合,并对传统计算公式进行优化处理,最后以沈阳铁路局沈阳西站下行编发场数据为基础,利用优化的方法来计算改编能力,验证了分析拟合法的有效性。

分类存储人工拣选随机服务系统效率研究

可以把订单服从泊松输入、单个拣选人员提供服务的人工拣选作业系统看作M/G/1随机服务系统,研究此随机服务系统的效率优化问题.分析订单到达的物品种类与件数随机特性,建立分类存储返回型与S型拣选距离随机模型,分别推导相应的拣选时间分布.仿真结果表明,两个模型的结果能在误差允许条件下较好地与仿真逼近.比较5种物品订购频率和货位分配情况下的返回型和S型拣选方式,得出两种拣选方式各自适用的情况.研究结论可以为传统矩形配送中心的订单拣选时间、等待时间估计提供参考,可为拣选路径方式选择提供依据.

基于排序原理的 TSP 算法——(Ⅳ)随机遍历的非完全有向图 TSP

本文在已有研究的基础上，首先对ＴＳＰ作更细致的分类，然后通过改变基于排序原理的ＴＳＰ原算法中某些初始条件和计算步骤，衍生出一种用于求解随机遍历非完全有向图类型的ＴＳＰ算法，使本项研究所提出的算法在应用范围方面得到进一步推广。

基于特征约简的随机森林改进算法研究

随机森林(random forest,RF)算法虽应用广泛且分类准确度很高,但在面对特征维度高且不平衡的数据时,算法分类性能被严重削弱。高维数据通常包含大量的无关和冗余的特征,针对这个问题,结合权重排序和递归特征筛选的思想提出了一种改进的随机森林算法RW_RF(ReliefF&wrapper random forest)。首先引用ReliefF算法对数据集的所有特征按正负类分类能力赋予不同的权值,再递归地删除冗余的低权值特征,得到分类性能最佳的特征子集来构造随机森林;同时改进ReliefF的抽样方式,以减轻不平衡数据对分类模型的影响。实验结果显示,在特征数目很多的数据集中,改进算法的各评价指标均高于原算法,证明提出的RW_RF算法有效精简了特征子集,减轻了冗余特征对模型分类精度的影响,同时也证明了改进算法对处理不平衡数据起到了一定的效果。

基于RF-NSGA-Ⅱ的盾构施工地表沉降安全控制多目标优化

为有效调整盾构施工参数,指导盾构安全高效施工,建立随机森林(RF)与非支配排序遗传算法(NSGA-Ⅱ)相结合的多目标优化模型,以主要盾构参数为研究对象,以地表沉降和刀盘磨损为控制目标,优化控制分析施工参数;选取控制地表沉降的9个盾构参数作为RF预测模型的输入指标,得到盾构施工参数与地表沉降的非线性关系,作为NSGA-Ⅱ适应度函数,选择刀盘磨损作为第2个优化目标,设定施工参数约束范围进行多目标优化;以岩溶地区某地轨道交通项目为例进行验证。结果表明:采用RF算法模拟训练工程实测数据,得到的地表沉降预测模型的精度较高;基于RF-NSGA-Ⅱ模型智能算法对地表沉降和刀盘磨损的优化效果显著,该模型能够得出相应岩溶地区盾构施工参数控制范围。