数据挖掘算法研究

本文对目前具有代表性的各种分类算法进行了介绍,总结了各种算法的优缺点和不足,试图找出算法发展趋势,从而便于研究者对已有的算法进行改进,提出具有更好性能的分类算法.     

人工鱼群算法研究综述

人工鱼群算法提出以来，获得了广泛的研究和应用。本文在简述基本人工鱼群算法的原理后，分析了算法存在的不足，综述了改进算法和与其它算法融合的相关研究工作，归纳了人工鱼群算法在多个领域的应用及其今后的研究方向。     

基于差异进化算法的人工神经网络快速训练研究

神经网络和以遗传算法为代表的进化算法都是仿效生物处理模式来获得智能信息处理功能的理论,其中神经网络已被广泛应用于智能控制系统优化,信号及信息处理、模式识别等领域.而遗传算法则是模拟生物的进化现象(选择、交叉、变异等),来表现复杂现象的一种概率搜索方法,以达到快速有效地解决各种困难问题.由于神经网络和遗传算法目标相近而方法各异,因此将两种方法相互结合,必能达到取长补短的目的.将近年来提出的遗传算法的一种--差异进化算法DE(Differential Evolution)与原有的LM算法相结合,构造了DE-LM算法,并通过实例验证了它具有收敛速度快和不易陷入局部最小的特点.     

探究简化DES算法与RSA算法

随着计算机网络技术的发展,对信息安全的要求越来越高,各种数据加密技术日趋完善.本文旨在比较两种常见的加密算法,让读者了解DES加密算法与RSA加密算法的区别和实质.     

蚁群算法研究评述

对蚁群算法的相关研究领域进行了评述,阐述并分析了蚁群算法的研究进展,重点介绍了蚁群算法及其一系列改进算法的基本原理和应用研究成果,最后从发展重点和未来应用等方面探讨了蚁群算法研究的进一步发展方向.     

双层规划问题的粒子群算法研究

提出一种求解一般双层规划问题的层次粒子群算法.和传统的针对特定类型的问题或者基于特定假定假设条件所设计的算法不同,所提出的算法是一个层次算法框架,它通过模拟双层规划的决策过程来直接求解一般双层规划问题.层次粒子群算法将求解一般双层规划问题转化为通过两个变形粒子群算法的交互迭代来求解上下两层规划问题.同其它算法的实验结果比较表明层次粒子群算法是一个有效的求解一般双层规划问题的方法.     

相关滤波目标跟踪算法研究

近年来,相关滤波目标跟踪在视觉领域中受到了越来越多的关注,并取得了令人瞩目的成果。该文对目前基于相关滤波的跟踪算法进行分析研究,首先提出了一个通用的相关滤波目标跟踪框架,然后讨论几种经典的跟踪算法,并对其改进算法进行分析归类,主要分为尺度更新、背景遮挡;最后通过仿真实验对几种算法性能进行分析,并提出相关滤波跟踪技术存在的问题。     

基于机器学习的企业定价算法研究

本文根据经济微观仿真模型ASPEN的定价机理,提出了一种自动学习算法.该算法借鉴分类器系统中的规则及消息系统和信任分配系统,模拟了企业通过渐进学习得到最大利润下的价格的过程.文中以一个简单经济模型中的两个企业代理人的价值竞争为例,将算法的定价与理论计算法的结果进行了比较,比较结果表明该算法很好地实现了企业定价的自动学习.     

用混合遗传算法求解物流配送路径优化问题的研究

论文建立了物流配送路径优化问题的数学模型,并针对遗传算法在局部搜索能力方面的不足,提出将爬山算法与遗传算法相结合,从而构造了求解物流配送路径优化问题的混合遗传算法,并进行了实验计算。计算结果表明,用混合遗传算法求解物流配送路径优化问题,可以在一定程度上克服遗传算法在局部搜索能力方面的不足和爬山算法在全局搜索能力方面的不足,从而得到质量较高的解。     

基于自感应蚁群算法的VRPSDP问题研究

同时供货和取货的车辆路径问题是车辆路径问题的重要组成部分之一,问题的复杂性使得目前的主要求解方法局限于各种插入式启发算法。本文引用了近年来出现的蚁群算法,并通过对蚂蚁行为的深入研究,首次提出了感应因子、期望程度因子、距离性比因子以及加速因子的概念,在信息素更新方面融入了当前路径的距离特征,构建了一种全新的自感应蚁群算法。该方法充分利用全局分布的信息素感应信息,并且根据车辆容量支配值以及节点间距和节点-中心点间距性比进行状态转移,利用信息素更新公式中加速因子的动态调节有效地解决了算法快速收敛与陷入局部最优的矛盾。仿真试验证明了自感应蚁群算法的有效性,同时,该算法也拓展了车辆路径问题的算法空间。     

基于神经网络融合技术的BP算法研究

BP神经网络方法数据可并行处理,该方法处理信息能力强,自身具有学习、联想和记忆的能力,避免了传统方法的局限性与专家评价的主观随意性,以及由于数据来源的单一导致的评价模型与评价对象之间不客观的简化;但它也存在网络的训练时间过长、易陷入局部极小值、完全不能训练等缺点.本文提出的神经网络融合技术算法是利用主成分分析法、粒子群算法与BP算法相融合,克服了BP算法的训练时间长、易陷入局部极小值的缺点,并在模型的确定和收敛性上给出了理论证明.     

好算法,坏算法?算法逻辑下零工工作者的过度劳动研究

天然具有“最优解”属性的算法技术使平台对零工工作者效率的控制达到了前所未有的水平。在算法逻辑的管理控制下,数字零工群体面临着高强度、高压力和高风险的过度劳动困境。本研究基于工作要求-资源模型,探讨了算法控制何时以及如何影响零工工作者过度劳动。问卷调查发现(N=1004),零工工作者感知算法控制的三个维度有着差异化的影响效应:首先,零工工作者感知到的算法追踪评估会通过抑制工作自主性,进而导致过度劳动;其次,零工工作者感知到的算法行为约束会通过诱发工作不安全感,进而导致过度劳动;最后,零工工作者感知到的算法规范指导作为一种个体能够感知到的技术支持资源,不仅调节了算法追踪评估与工作自主性的关系、算法行为约束与工作不安全感的关系,还调节了算法追踪评估通过工作自主性影响过度劳动、算法行为约束通过工作不安全感影响过度劳动的间接效应。研究发现有助于学界辩证地认识算法控制这一新兴管理实践,并为我国零工经济市场中和谐劳动关系的有序构建、劳动者合法权益的保障提供实践启示。     

递归算法的教与学探讨

各类编程语言中都有递归算法的讲解与应用,本人在历年的教学实践中也经常给学生讲解递归算法,发现递归算法无论在那种语言中的讲解,对于学生来讲也是不好理解的一部分内容,可以说是一个难点。本人结合近几年讲授C语言课程中讲授递归算法的经历,提出一些看法供大家相互学习和交流。     

数据挖掘技术中聚类算法的研究

近年来,随着海量数据处理需求的增长,数据挖掘技术引起了研究者的广泛关注.本文针对在数据挖掘的首要问题数据聚类展开了研究.文章首先分析了聚类分析的基本定义,常用数据结构,相似性度量以及算法应具有的基本特征.然后分析了对应分析法和基于信息论的相关性度量法的基本理论,并介绍了常用的时间序列聚类算法.     

数据挖掘技术中聚类算法的研究

近年来,随着海量数据处理需求的增长,数据挖掘技术引起了研究者的广泛关注。本文针对在数据挖掘的首要问题数据聚类展开了研究。文章首先分析了聚类分析的基本定义,常用数据结构,相似性度量以及算法应具有的基本特征。然后分析了对应分析法和基于信息论的相关性度量法的基本理论,并介绍了常用的时间序列聚类算法。     

基于QSIM算法的舆论主体行为模拟研究

社会舆论是一个复杂系统,而探寻舆论形成过程中社会公众(舆论主体)的群体行为特征和相互作用关系,进而为有效调控社会舆论的导向更是一项复杂的系统工程。本文以我国2003年的SARS事件为例,对初期的舆论形成状态,这里特指谣言肆起阶段,基于QSIM算法对社会公众的行为进行定性推理及分析。社会舆论的定性推理方法将为从定性到定量研究舆论提供一个桥梁、一种视角和有效途径。     

粒子群优化k均值的混合聚类算法研究

k均值算法是聚类分析的一种传统算法,在数据挖掘中等领域得到了广泛的应用.本文在分析k均值聚类算法存在问题的基础上,用粒子群算法优化k均值聚类算法,提出了一种新的混合聚类算法.理论分析和实验结果证明,该算法有很好的全局收敛性,不仅有效地克服了传统的k均值算法易陷入局部极小值和对初始值敏感的问题,而且具有较快的收敛速度.     

一种改进的直接概率准则匹配算法研究

提出了一种改进的直接概率准则匹配算法,该算法以贝叶斯估计、马尔科夫过程和蒙特卡洛理论为基础,通过对状态样本在搜索区域采样来模拟概率的分布。仿真结果说明改进PMF算法在搜索区域分辨率一定的情况下,能够利用基本导航信息和水下地形信息对航行器的位置进行估计。     

基于改进差分进化算法的VRP-SDPTW研究

整合前向物流和逆向物流,提出带时间窗的同时送货和取货的车辆路径问题(VRP-SDPTW)的混合整数规划数学模型.首次提出改进的差分进化算法(IDE)求解该问题,算法对不可行解设计惩罚机制,当基因值超过规定的范围时,设计基于整数序规范的辅助算子解决变异问题,设计一种随进化代数自动更新的交叉率.数值实验表明,改进的差分进化算法能有效地求解VRP-SDPTW.     

基于混合蚁群算法的动态设施规划系统研究

设施规划问题主要研究生产设备的布局规划,从而减小厂区内的物料搬运成本。一个有效的设施规划有利于生产过程中整体运作效率的提高。随着市场竞争的日趋激烈,市场环境处于不断的变化之中。制造企业需不断对设施布局进行重新规划来适应不断变化的市场环境对产品需求量的影响,并达到降低成本的目的。这一问题便需要用动态设施规划(DFLP)的方法来解决。本文提出了一种改进的混和蚁群算法(HACO)来解决带有财务预算约束的动态设施规划问题,并将此方法与其他一些典型的启发式算法进行了对比分析。结果表明,本文提出的HACO算法是求解带有财务预算约束的DFLP问题的一种有效的方法。