基于前馈神经网络对学习型社会未来发展的预测分析——以福建电大学历教育为例

创建学习型社会已成为一个世界性的追求。在我国,成人教育是构建学习型社会建设的主力军,而广播电视大学又在成人教育中占据主体性地位。本文以福建电大为例,通过运用前馈神经网络的方法建立模型,尝试对电大未来发展规模进行预测,并进行相应的分析,为学习型社会建设的发展提供参考。

浅析高性能计算的现状与发展

目前,高性能计算已成为体现一个国家综合实力的一种标志,被提到一个重要的战略地位。本文主要介绍了发展高性能计算的意义、国内外高性能计算的现状与发展趋势以及福建省对高性能计算的需求,从而提出了政府带动福建省的高性能计算的发展。

哲学思想在数学分析教学中的应用

总结了作者将哲学思想应用到数学分析教学中的一些经验.

免疫接种粒子群的聚类算法

将粒子群优化算法和K均值算法结合进行聚类分析,同时引入了免疫系统中的免疫接种和免疫选择机制来指导粒子的迭代过程,提出了一种基于免疫接种粒子群的聚类算法,在粒子群迭代的过程中加入免疫接种机制指导粒子的飞行方向,再通过免疫选择机制对接种的结果进行选择,确保粒子种群向更优的方向移动。实验结果证明,基于免疫接种粒子群的聚类算法基本克服了K均值算法容易受初始聚类中心影响的缺点,聚类结果稳定,而且比基于粒子群优化的聚类算法取得了更好的聚类效果。

算法与数据结构学习兴趣影响因素分析

文章对算法与数据结构课程的学习兴趣调查结果进行了分析,提出采用自编学习兴趣量表测量学生的学习兴趣,总结学生的基础课程学习情况以及对课程教学的看法。分析结果显示:学生的学习兴趣受专业基础课程成绩和对课程学习重要性认识的影响,增加实践性教学和以案例为先导的理论课教学方式更有利于提高学生的学习兴趣。

融入节点重要性和标签影响力的标签传播社区发现算法

近年来,高质量社区的挖掘和发现已经成为社会网络研究一个热点.其中,基于标签传播的社区挖掘算法(Label Propagation Algorithm,简称LPA)由于具有近似线性时间复杂度且无须预先定义目标函数和社区数量等优点而得到广泛关注.但是,LPA算法的标签传播过程存在不确定性和随机性,影响了社区发现的准确性和稳定性.提出一种新的基于标签传播的社区发现算法LPA_SI(Label Propagation Algorithm based on Significance and Influence).首先,采用新的节点重要性度量方法对节点进行排序;其次,提出一种新的标签影响力计算方法更新每个节点的标签;最后,在真实数据集和人工数据集上的实验表明,LPA_SI在复杂度相近的情况下能够显著提高社区发现的质量,并具有较好的稳定性.

基于免疫量子粒子群优化的属性约简

受生物免疫系统启发,把疫苗提取和疫苗接种思想应用到量子粒子群算法,提出了免疫量子粒子群算法。免疫接种可以指导粒子朝着更优方向进化,提高了量子粒子群的收敛速度和寻优能力。分别采用Hu算法、粒子群算法、量子粒子群、免疫量子粒子群多种算法应用于粗糙集属性约简。实验结果表明,基于免疫量子粒子群优化的约简算法在收敛速度和寻优能力都取得了更好的效果。

基于优化的正交匹配追踪声音事件识别

针对各种环境声对声音事件识别的影响,该文提出一种基于优化的正交匹配追踪(Orthogonal Matching Pursuit,OMP)声音事件识别方法。首先,利用OMP稀疏分解并重构声音信号,保留声音信号的主体部分,减小噪声的影响。其中,使用粒子群(Particle Swarm Optimization,PSO)算法优化搜索最优原子,实现OMP的快速稀疏分解。接着,对重构声音信号提取Mel频率倒谱系数(Mel-Frequency Cepstral Coefficients,MFCCs),与OMP时-频特征和基频(PITCH)特征,组成优化OMP的复合特征。最后,通过优化OMP复合特征,使用随机森林(Random Forests,RF)对40种声音事件在不同环境不同信噪比下进行识别。实验结果表明,优化OMP复合特征结合RF的方法能有效地识别各种环境下的声音事件。

基于免疫粒子群优化的聚类算法

K均值算法简单快速,但其结果容易受初始聚类中心影响,并且容易陷入局部极值。该文结合粒子群优化算法和免疫系统中的免疫调节机制与免疫记忆功能对K均值算法进行改进,提出一种基于免疫粒子群优化的聚类算法。实验结果证明,该算法解决了K均值算法存在的对初值敏感的缺点,聚类结果稳定,而且比基于粒子群优化的聚类算法具有更好的聚类效果。

基于多维特征向量及ANN技术的色彩传递算法

灰度图像色彩传递可以实现对灰度图像的自动上色处理。分析了目前色彩传递的经典算法——Welsh算法,指出了该算法存在的两大不足之处,提出了一种包含高频纹理信息的向量式像素点描述方式,并结合最近邻域搜索算法(ANN),提出了一种新的色彩传递算法,弥补了传统算法的不足,使灰度图像的彩色化效果有了较大改进。

基于集群的多源日志综合审计系统

随着网络规模的扩大,日志审计系统中单个日志服务器受到处理能力的限制,已经成为系统的瓶颈。采用具备高可用性和负载均衡的日志服务器集群系统来解决这个问题,提出一个基于集群的日志审计系统。分析了该系统的体系结构、总体结构模型,以及各个组成模块的功能,并给出一个综合负载统计的动态负载均衡策略。最后,用排队论的方法来分析集群系统的性能。

一种新的基于社交关系的相似度传播式推荐算法

传统协同过滤中用户相似性计算方法在数据稠密的情况下能得到比较可靠的结果.然而当数据稀疏时,相似度计算方法会受到数据稀疏性影响,使其计算结果不准确,特别是在冷启动用户中,相似度计算结果不可靠.为了解决以上问题,从用户社交关系的角度,提出一种新的基于社交关系的相似度传播式协同过滤推荐算法.首先对用户社交关系进行建模,量化用户之间社交关系;然后计算活跃用户之间的相似性得到可靠相似度;最后基于社交关系的可靠相似度传播来构建推荐方法.实验证明,提出的算法可以大幅度提高推荐精度,改善对冷启动用户的推荐.

一类具有二虚不变直线的三次系统的极限环与分支

讨论一类具有二虚平行不变直线的三次系统,求出了奇点O(0,0)的焦点量,证明了δlmn=0时系统在O外围至多有一个极限环.利用分支理论给出了分界线环和半稳定环分支曲线的分支图,进一步说明了系统至多有二个极限环.

应用综合指标方法分析胃癌患者生活质量诸因素的权重关系(英文)

背景:胃癌患者的生活质量受到诸多因素影响,作者曾对此进行过分析,由于缺乏适当的统计学分析方法,因而未对这些因素影响生活质量的权重大小作进一步的研究。目的:提出一种综合指标的编制方法,分析生活质量诸因素的权重关系影响。设计:以诊断为依据的回顾性研究。地点和对象:1998/1999年期间经省级医院确诊的胃癌患者396例,均由福建省肿瘤防治办公室提供,年龄32～75岁。方法:对396例胃癌患者用自行编制的调查表进行生活质量及相关因素的调查。主要观察指标:对每个胃癌患者的18个反映生活质量的条目作评分,计算每个胃癌患者的这18个条目的总分作为观测变量。结果:从影响生活质量总分的8个变量中得到3个综合变量,对胃癌患者生活质量的影响权重分别为:0.35,0.32,0.33。结论:采用该方法进行胃癌患者生活质量的影响因素分析,可以得到各影响因素综合变量对生活质量的影响权重;胃癌患者的社会经济状况及康复锻炼对其生活质量有较大的影响。

基于蚁群算法的组合拍卖胜者决定问题求解

胜者决定问题是组合拍卖中研究的一个重要问题.在组合拍卖的多Agent系统中,以第一价格密封拍卖方式为背景,针对胜者决定问题的一般模型,提出运用蚁群算法求最优解.该算法在搜索过程中随机放置蚂蚁,扩大了解的搜索空间,通过改变局部信息素浓度,加快了算法的收敛速度,有效缓解了算法容易出现的早熟停滞现象.与遗传算法相比,实验表明蚁群算法在早期就容易达到较好的最优解,收敛速度较快且求解质量较稳定.

基于权重的地图匹配算法

该文分析了地图匹配的误差来源,提出了一个基于权重的地图匹配算法。该算法将GPS定位数据转换成道路网络的弧的权重,然后根据弧的权重大小来确定车辆当前行驶的道路。该算法有效地利用了定位点的当前信息和历史信息,并且能够在很大程度上降低定位误差对地图匹配效果的影响。

基于模糊角分类的神经网络用户兴趣模型分类算法

用户兴趣描述文件的快速分类是个性化搜索引擎的关键技术,提出了一种模糊角分类神经网络模型,该模型能接受用户兴趣描述文件的实向量输入,克服了角分类神经网络(CC4)对二进制输入的要求。模糊角分类神经网络模型根据用户信息所落入的k最近邻的样本泛化空间来进行分类,随着k值的增大,其分类效果趋近于贝叶斯分类算法。

图像色彩传递中的两种源图选择算法

针对灰度图像上彩问题研究中源图像的选择问题,提出了基于lαβ空间中l通道的分布特征和基于广义纹理块分类特征的两种源图像自动选择算法,算法效果良好,减少了图像色彩传递应用过程的人工干预程度,提高了自动化水平.

结合分水岭的Mean-Shift图像分割新算法

针对Mean-Shift图像分割算法需要对图像中每个像素点进行迭代计算、耗时多的问题,提出一种改进的图像分割算法.研究发现,分水岭算法可以将一幅图像划分为若干一致性较好的区域,这一优势恰好有利于Mean-Shift算法的处理.本文利用分水岭算法对图像进行初始分割,将以点阵形式表示的图像转化为块状表示,再运用改进的Mean-Shift算法对每个块进行迭代计算.实验结果和时间复杂性分析表明,新算法在很好地保持了原算法分割效果的前提下,时间效率有了很大程度的提高.

基于限制EM算法的猪肉预冷过程分析

为了分析肉类加工企业的少量猪肉预冷试验数据,提出了一种预冷过程建模策略。定义了2种预冷过程向量:基于温度梯度的降温过程向量和基于当前损耗的损耗过程向量,分别用于描述胴体热量散失和物质流失规律。针对每条试验记录均包括有风和无风2种工况,给出结合限制的EM算法来同时拟合:E过程构建有风预冷过程向量,M过程构建无风预冷过程向量;E过程和M过程中均施加2个向量间的偏序限制,均以云进化算法CBEA为优化算法。基于37条试验记录构建了预冷过程向量,并用来模拟猪胴体的预冷过程,降温过程拟合的平均误差为0.93℃,损耗过程拟合的平均误差为1.51‰。企业可以使用该策略分析实际猪肉预冷过程数据。