一种贝叶斯网络结构学习的混合随机抽样算法

贝叶斯网络结构学习的随机抽样算法存在收敛速度慢的问题,为此,结合均匀抽样和独立抽样,从初始样本、抽样方式和建议分布3个方面对抽样过程进行改进,提出一种混合型马尔可夫链蒙特卡罗抽样算法(HSMHS)。基于节点之间的互信息生成网络结构的初始样本,在迭代抽样阶段,按一定的概率随机选择均匀抽样和独立抽样,并根据当前抽样的样本总体计算独立抽样的建议分布,以改善抽样过程的融合性,加快收敛速度。对算法进行正确性分析,证明其抽样过程收敛于网络结构的后验概率分布,可保持较高的学习精度。在标准数据集上的实验结果表明,HSMHS算法的学习效率和精度均高于同类算法MHS、PopMCMC和Order-MCMC。

基于贝叶斯网络的频繁模式兴趣度计算及剪枝

采用贝叶斯网络表示领域知识,提出一种基于领域知识的频繁项集和频繁属性集的兴趣度计算和剪枝方法 BN-EJTR,其目的在于发现与当前领域知识不一致的知识,以解决频繁模式挖掘所面临的有趣性和冗余问题.针对兴趣度计算过程中批量推理的需求,BN-EJTR提供了一种基于扩展邻接树消元的贝叶斯网络推理算法,用于计算大量项集在贝叶斯网络中的支持度;同时,BN-EJTR提供了一种基于兴趣度阈值和拓扑有趣性的剪枝算法.实验结果表明,与同类方法相比,方法 BN-EJTR具有良好的时间性能,而且剪枝效果明显;分析发现,经过剪枝后的频繁属性集和频繁项集相对于领域知识符合有趣性要求.

基于遗传算法的神经网络金融时序预测的研究

基于简单遗传算法的神经网络训练速度慢、易陷入局部极值,用具有较好的全局搜索能力自适应遗传算法来优化神经网络权值和阈值,设计了基于自适应遗传算法的BP神经网络的股票预测系统.该系统根据对股票历史数据分析,预测股价未来几天时间的走势.结果表明,改进算法具有很强的可行性和高效性.

贝叶斯网络研究综述

贝叶斯网络将概率理论和图论相结合,为解决不确定性问题提供了一种自然而直观的方法.近年来,贝叶斯网络已成为国内外智能数据处理的研究热点之一,被广泛应用于专家系统、决策支持、模式识别,机器学习和数据挖掘等领域.综述了贝叶斯网络的典型推理和学习算法,并对其进一步的研究方向进行了展望.

基于MFC的《离散数学》实验演示系统的设计与实现

针对离散数学的特点,以MFC和面向对象技术为设计环境,建立了一个可视化的离散数学实验演示系统。该系统实现了抽象概念可视化、界面操作可视化、处理结果可视化的要求。通过演示主合取范式、二部图匹配、群的判定、等价关系、等价类和Krushal算法求最小生成树五个子功能模块,展示了该实验演示系统的功能。

基于多分辨率和互信息的图像配准方法研究

用互信息进行图像配准可使配准的精度达到亚像素级,但该方法因计算量很大致使配准速度较慢.为了提高图像配准速度,并进一步提高配准的精度,首先运用多分辨率的方法将两幅待配准图像分别分解成n个不同分辨率的子图像,然后利用互信息先将分辨率最低的图像进行粗配准,并将此配准的结果作为下一个分辨率较高的图像配准的基础,继续这个过程直至最高分辨率图像被配准,即运用由粗到精的配准策略减小计算量,从而提高配准速度.用Visual C++6.0编程实现该配准方法,实验结果表明在图像配准过程中将多分辨率和互信息结合起来使用,配准速度得到很大的提高,并且由于多分辨率的使用有利于避免局部最大值,使得配准精度也有了一定程度的提高.

基于路径的网络本体语言存储模型

为提高信息检索效率,提出基于路径的网络本体语言(OWL)存储模型,首先设计了转换和存储OWL数据的方法,实现构建包含有类和属性层次结构关系的数据图,然后通过深度优先搜索(DFS)算法建立从根节点的类和属性信息到每个节点的类和属性信息的路径,再将这些信息存储到设计的关系数据库表中。通过实验与现有方法进行了比较,在查询处理时间和本体更新时间性能方面都有改进,方案具有可行性。

基于信息极大的动态独立分量分析

文章针对静态独立分量分析(ICA)算法在分析非平稳性很强的生物电信号方面的局限,研究了基于信息极大原理的动态独立分量分析算法,并将它与静态ICA算法进行了比较;仿真实验结果表明,动态ICA算法具有较好的盲源分离性能,并且能够在时变混合情况下,获得较好的盲分离效果。

融合句法信息的双语词对齐方法研究

词对齐研究是多文种信息处理工作的一项不容忽略的基础性研究内容。通过针对中文和蒙古文词对齐研究中存在的形态和词序不对称以及支撑词对齐研究的对齐语料缺乏问题，开展融合语言信息的中蒙混合词对齐模型构建方法研究。利用产生式词对齐结果以及中蒙两种语言的语言信息作为潜特征，建立高质量的融合语言信息的中蒙混合词对齐模型。实验结果证明，该文提出方法对于利用可比语料抽取对齐语料是可行的。

EDF调度算法可调度性分析方法的改进研究

任务集的可调度性分析是实时系统研究和应用的关键问题。针对抢占式与不可抢占式EDF(earliestdeadline first)调度算法,分别给出了实时任务集新的可调度性测试条件,针对任务集为可调度时可以实现快速判定。通过与已有的EDF算法的可调度性判定充要条件相结合,提出了改进的抢占式与不可抢占式EDF算法的可调度性分析方法。仿真实验表明,相对现有EDF算法的可调度性分析方法,所提出的方法能有效提高算法性能。

一种新的基于MMC和LSE的监督流形学习算法

针对局部样条嵌入算法(Local spline embedding,LSE)存在样本外点学习和无监督模式学习问题,本文提出了一种新颖的正交局部样条判别投影算法(O-LSDP).该算法通过引入明确的线性映射关系,构建平移缩放模型,以及正交化特征子空间,从而使该算法能够应用于模式分类问题并显著改善了算法的分类识别能力.在标准人脸数据库和植物叶片数据库上的实验结果验证了该算法的有效性与可行性.

基于概念分类的多本体映射方法研究

为提高多个本体参与的大规模本体映射效率,提出基于概念分类的映射模型,将大映射问题转换为概念分类匹配问题,采用基于WordNet的概念粒度计算和语义相似度计算作为分类树的分类属性,通过快速排序算法实现概念分类,将输入概念分组。实验证明,提出的方法在保证映射准确性的同时减少了概念比较次数,降低了复杂度,方案具有可行性。

改进的基于概念相似度的文本检索

为提高信息检索的查全率和查准率,提出改进的本体语义相似度计算方法,利用本体中概念语义相似度对检索结果文档的分值进行重新计算,过滤掉与原始查询相关度较小的文档。给出定义查询扩展中的迭代参数,减少进行扩展的次数,提高查询效率。利用开源工具Jena,Lucene进行文本语义检索测试,验证该方法的可行性和有效性。

非抢占式EDF算法下周期性任务的最小相对截止期计算

现有的求解周期性任务最小相对截止期的方法均假定任务集是采取抢占式EDF调度算法,并不适用于当任务为基于非抢占式EDF调度算法的场合,如实时通信领域。在分析了非抢占式EDF调度算法的可调度性判定条件基础上,提出了基于非抢占式EDF调度算法下周期性任务最小相对截止期的计算算法。算法通过逐渐增加任务的相对截止期直到使任务集变为可调度的方式,实现某个任务相对截止期的最小化。仿真实验表明该算法具有较好的计算复杂度。

渔夫捕鱼优化算法的认知无线电频谱分配

针对认知无线电系统中认知用户频谱分配问题,提出一种基于渔夫捕鱼优化算法(SFOA)的频谱分配算法。以系统效益最大化为优化目标,建立认知无线电频谱分配优化的数学模型,采用设置参数少、易于编码实现、寻优能力强的渔夫捕鱼优化算法对模型进行求解,得到空闲频谱最优分配方案,在Matlab 2012平台上进行仿真实验。结果表明,SFOA不仅提高了用户平均系统效益,而且提高了频谱分配效率。

多数据库中全局负关联规则挖掘研究

全局负关联规则挖掘是多数据库关联信息挖掘的重要研究内容,具有广泛的应用范围和使用价值.合并各子数据库的负关联规则是现有全局负关联规则挖掘常用的方法,但数据密度大、规则不全面及运算时间高等问题影响了已有全局负关联规则挖掘方法的效率.本文给出一种新的全局负关联规则挖掘算法,其具体步骤为:(1)扫描各子数据库,建立多数据库频繁模式树;(2)依据频繁项集全局一致性原则,对多数据库频繁模式树执行精简操作;(3)在此基础上产生全局极小非频繁项集;(4)依据极大频繁项集向上闭包原则,产生全局非频繁项集;(5)在规则相关度的基础上提取全局负关联规则.大量的对比实验结果表明,本文算法具有快速发现全局负关联规则的能力.

基于标签与深度本体的Web推荐方法研究

基于用户偏好物品与其在网上浏览的历史记录,推荐系统都能够向用户推荐项目和预测未来的采购意愿,但稀疏性、冷启动等问题影响该方法的推荐效果。为此,提出将深度本体与用户标签结合的Web推荐方法。利用深度本体项目之间的语义关系对数据矩阵降维,根据用户提供的标签信息,将点击流映射到本体中,结合深度本体中项目之间的关系扩展推荐结果,推荐出top-n信息。实验结果表明,与传统的基于本体方法相比,该方法可解决稀疏性和冷启动等问题,同时推荐的准确性和时效性都有较好的效果。

面向抖动优化的任务静态优先级指派算法

对任务相对截止时限进行优化设置是一种减少输出抖动的有效方法,但现有方法均是针对最早时限优先调度算法,不能适用于任务集采用静态优先级调度算法的场合。为此,提出通过优化优先级指派实现任务集的整体抖动最小化,并给出一种启发式的优先级指派算法。根据单调速率调度算法确定任务的初始优先级,以最小化局部抖动方式依次对任务的优先级进行再调整,从而得到近似最优的优先级指派。仿真实验结果表明,该算法能有效减少任务集的整体输出抖动。

交换以太网中实时消息截止期划分算法研究

为解决交换式以太网中实时消息在发送及接收链路上的截止期划分问题,首先给出了非抢占式EDF调度算法的可调度性分析方法,并分析了消息的提前释放对非抢占式EDF调度算法可调度性的影响,在此基础上提出了新的截止期划分算法(MDPS)。算法通过计算可满足调度条件时消息在发送链路及接收链路截止期应该划分的下限,并结合截止期的松驰量实现实时消息在发送及接收链路上的截止期划分。算法实验比较和分析表明,该算法在提高网络聚合带宽、减小消息的错失率方面明显优于现有的ADPS算法。

一种软件自动测试风险判别和规避模型

根据已有的投资回报(ROI)分析模型,结合COCOMO度量结果,在充分考虑回归测试时测试程序维护成本基础上,提出一种软件自动测试风险判别和规避模型。模型首先提出平均维护代价因子概念并计算其阈值,然后对每次维护代价因子进行正态分析,通过正态分布判别自动测试的风险性,最后利用敏感性分析给出风险规避的策略。模型为整个自动测试过程提供动态指导和正确的决策,避免风险发生。