发表咨询:400-808-1731
订阅咨询:400-808-1751
北大期刊
影响因子 0.51
人气 23701
北大期刊
影响因子 0.94
人气 20370
部级期刊
影响因子 1.03
人气 13558
北大期刊
影响因子 3.18
人气 11660
统计源期刊
影响因子 0.55
人气 11072
北大期刊
影响因子 0.79
人气 9738
省级期刊
影响因子 0.41
人气 9514
省级期刊
影响因子 0.57
人气 9455
省级期刊
影响因子 0.15
人气 9266
统计源期刊
影响因子 0.47
人气 8421
摘要:使用最大绝对误差算法(MAEA)优选径向基概率神经网络(RBPNN)隐中心矢量,将MAEA与求解RBPNN最优核函数控制参数的微遗传算法(μGA)相结合(MAE-μGA)来共同实现RBPNN的全结构优化.实验结果显示,对比其他几种算法,MAE-μGA优化后的RBPNN结构最简,而且在推广能力方面略好于其他几种优化方法.另外,MAE-μGA对径向基函数网络也有很好的适用性.
摘要:现有的非线性维数约减算法需要求解大尺度特征值问题.由于特征值问题至少二次的计算复杂性,这类算法在大样本集上的应用较受限制.此外,现有算法的全局优化机制对于噪声较为敏感,且需要考虑"病态矩阵"的计算精度问题.提出时间复杂性为O(NlogN)的自组织非线性维数约减算法SIE.SIE的主要计算过程是局域的,可提高算法抗噪性、回避病态矩阵的计算精度问题.仿真表明,对于无噪数据和含噪数据,SIE均可获得优化或近似优化的重构质量.
摘要:在支持向量机(support vector machines,SVM)中,训练样本总是具有明确的类别信息,而对于一些不确定性问题并不恰当.受贝叶斯决策规则的启发,利用样本的后验概率来表示这种不确定性.将贝叶斯决策规则与SVM相结合,建立后验概率支持向量机(posteriori probability support vector machine,PPSVM)的体系框架.并详细讨论线性可分性、间隔、最优超平面以及软间隔算法,得到了一个新的优化问题,同时给出了一个支持向量的新定义.实际上,后验概率支持向量机是建立于统计学习理论(statistical learning theory)基础之上,是标准SVM的扩展.针对数据,还提出了一个确定后验概率的经验性方法.实验也证明了后验概率支持向量机的合理性、有效性.
摘要:在多Agent系统中,通过学习可以使Agent不断增加和强化已有的知识与能力,并选择合理的动作最大化自己的利益.但目前有关Agent学都限于单Agent模式,或仅考虑Agent个体之间的对抗,没有考虑Agent的群体对抗,没有考虑Agent在团队中的角色,完全依赖对效用的感知来判断对手的策略,导致算法的收敛速度不高.因此,将单Agent学习推广到在非通信群体对抗环境下的群体Agent学习.考虑不同学习问题的特殊性,在学习模型中加入了角色属性,提出一种基于角色跟踪的群体Agent再励学习算法,并进行了实验分析.在学习过程中动态跟踪对手角色,并根据对手角色与其行为的匹配度动态决定学习速率,利用minmax-Q算法修正每个状态的效用值,最终加快学习的收敛速度,从而改进了Bowling和Littman等人的工作.
摘要:异常检测在许多领域有重要应用.在提出度量具有混合属性的对象间差异性方法的基础上,将加权幂平均引入数据挖掘,提出一种基于最近邻的异常检测方法,这种方法采用广义局部异常因子GLOF度量对象的异常程度,不需要阈值或数据集中异常数据个数的先验知识.理论分析表明,GLOF具有好的性质.实验表明:①对象间差异性定义适合于混合属性的数据集;②GLOF比LOF,CBLOF,RNN更准确地刻画了局部异常;③'Bσ'准则简单但切实可行.
摘要:FP-growth算法是目前较高效的频繁模式挖掘算法之一,但将它用于最大频繁模式挖掘时却不能获得较高的效率.深入分析了造成低效的原因,提出了利用排序FP-树挖掘最大频繁模式的算法SFP-Max.算法的主要思想如下:①基于排序FP-树;②利用最大频繁模式的性质,减小产生的候选最大模式的规模;③设置中间结果集,缩小检验的范围,从而减少检验候选最大模式的时间.实验表明,SFP-Max是一个高效的最大频繁模式的挖掘算法,对于测试的数据集,SFP-Max的性能多数情况下都优于MAFIA算法.
摘要:人工神经网络的知识增殖能力是该领域的热点和难点问题,具有重要的理论和实践意义.对人工神经网络的知识增殖性问题进行了较深入的探讨,从网络推广能力的角度分析了具有知识增殖能力的神经网络系统的结构设计问题,指出将多个网络个体结合在一起是实现人工神经网络增殖学习的重要方法,网络的自治能力在此具有重要的意义.利用具有自治能力的神经网络构建的网络群体中,网络个体无需改变而整体具有增殖学习能力,实验结果表明了该方案的可行性.
摘要:对图数据频繁模式的挖掘是近年的研究热点.选择了惟一标号图进行分析,结合图论和频集生成的算法,提出了基于Aproiri思想、运用矩阵乘法的AMGM算法和基于SFP树的SFP算法.它们可有效地挖掘简单图中连通频繁子图.实验表明,这两个算法是十分有效的,其中SFP算法的性能优于AMGM.该算法还被运用于发现Web上的权威页面和社团,具有良好的效果.
摘要:大规模复杂场景的快速绘制技术是虚拟现实、实时仿真以及三维交互设计等许多重要应用的底层支撑技术,也是诸多研究领域面临的一个基本问题.作为其中一个技术解决手段,可见性问题在近年来得到了高度重视并取得了一系列研究成果.通过对相关可见性算法进行分析与总结,阐述了可见性问题的研究内容,提出了方法的优劣判别标准,给出了可见性判断算法所应包含的基本组成部分和步骤,最后指出未来仍然需要重点研究的若干关键问题.
摘要:鉴于自然物体图像具有分形特征,提出了小波分形插值应用于遥感图像处理的新方法.这种小波分形插值方法利用小波变换系数中低分辨率频带中的高频分量相似高分辨率频带中的高频分量的特点.将遥感图像在小波变换的基础上用分形做相似变换,进而通过反变换得到比原图像分辨率高的插值图像.实验证明,小波分形插值方法比现有的双线性插值、三次方B样条插值方法具有更好的性能.
摘要:选播成员都是等价的服务器,服务数据的服务质量比作为请求的选播数据报更为重要.使用特殊复合距离的选播路由算法(ASCD)使用跳数、逆向传输延迟、逆向可用带宽以及服务器负载合成的距离来选择路径.不同于其他算法,ASCD使用度量在路径逆向上的值,即从选播数据报目标节点(服务器)到选播数据报源节点(客户)方向,而不是常规从选播数据报的源节点到目的节点方向.ASCD定位的路径和选播成员使选播数据报请求的服务数据能够得到更多路径资源.ASCD还能够在一定程度上平衡服务器负载.
摘要:基于模型方法和软件仿真方法,对一种低轨/中轨(LEO/MEO)双层卫星网络进行了性能分析.首先建立了双层卫星网络的广义随机Petri网(GSPN)模型,通过对模型进行分析和合理简化,采用SPNP4.0软件进行了网络性能分析.然后,将分析的结果与采用OPNET软件对LEO/MEO双层卫星网络模拟的结果进行比较,验证了模型分析方法的正确性,同时得到了一些新的结论.
摘要:为提高TCP在无线网络中的传输性能,提出一种局部数据链路层重传协议,簇生丢失重传协议CLRP(Clustered-Loss Retransmission Protocol).针对无线链路上突发丢失性强、分组丢失率高的特点,CLRP协议与移动主机端TCP相结合,一方面为重发提供明确的分组丢失种类和高效的无线多分组丢失信息;另一方面提出了更为完善的无线丢失重发控制机制.此外,本协议无需对固定主机端TCP做任何改动.
摘要:多媒体多播应用在Internet上的广泛部署对多播拥塞控制提出了要求.分层多播是适应网络异构性较有效的方案.针对现有分层多播大多存在拥塞响应延时大、吞吐率抖动剧烈和不满足TCP友好的问题,提出一种新的基于主动网的分层多播拥塞控制方案(ANLMCC),利用主动网灵活的服务定制能力,采用主动标记分层、优先级分层过滤,以及主动节点间逐跳的交互信令机制,大大改进了分层多播的性能.仿真实验表明,ANLMCC具有较快的拥塞响应速度、较好的稳定性和TCP友好的优点.