基于动态权值的PSO算法的多传感器数据融合

针对标准粒子群算法的缺点,在原有算法的基础上,提出一种动态权值的粒子群优化算法,使得粒子在迭代过程中惯性权值随粒子进化度和聚合度的变化而改变,并将其尝试性的运用到数据融合领域．实验结果表明,改进的PSO算法能近似最优地确定数据融合中各权值因子,使融合在信息源的可靠性、信息的冗余度／互补度以及进行融合的分级结构不确定的情况下,以近似最优的方式对传感器数据进行融合．     

数据融合的两轮自平衡车姿态角度检测

根据陀螺仪和加速计两类惯性传感器在姿态角度检测中的优缺点,提出了将多传感器数据加权和卡尔曼滤波相结合的两轮自平衡车姿态角度检测数据融合算法.首先对传感器输出进行分组加权运算,然后采用卡尔曼滤波算法对加权计算结果进行估计.实验结果表明,该检测方法可行有效,相对单一传感器测量,可提升姿态角度检测精度.     

改进聚类算子的自适应多目标进化算法研究

对多个相互冲突的目标同时优化称作多目标优化问题,为解决多目标问题,多目标进化算法应运而生.在进化算法迭代过程中,算法使用恒定不变的交叉因子和变异因子,这显然不符合种群迭代进化特征,所以需要根据种群初始和种群后期解的收敛情况来定向调整种群进化方向.同时,在采用边界与交叉的聚合算法时,θ支配的聚类算法只参考了解到权重向量的...     

基于距离度量的差分进化算法

针对差分进化算法求解函数优化问题存在过早收敛和不稳定等缺陷,提出一种基于距离度量的差分进化算法.该算法考虑各粒子的差异,利用欧式距离计算粒子与已知最优粒子的距离,然后根据差异自适应调整自身的交叉概率因子,同时增加柯西变异算子对部分个体进行变异操作,以提高种群多样性,增强算法跳出局部最优解的能力.用三种经典函数检验说明,新算法在收敛精度、速度上优于基本差分进化算法.     

基于控制参数双峰分布的小种群差分进化算法

当前差分进化算法研究主要集中在常规种群上,对小种群差分进化（DE）算法的研究较少。小种群差分进化算法因种群规模小,存在多样性降低过快的问题。因此提出一种基于控制参数双峰分布的小种群差分进化算法（BiMDE）。该算法采用基于柯西双峰分布的参数调节机制处理变异缩放因子 F 和交叉概率因子 CR,并对缩放因子 F 进行矢量化设定。将 BiMDE 算法在函数集 CEC2014 上进行测试,并与 5 种最新的小种群差分进化算法进行比较。结果表明,BiMDE 算法在求解精度、收敛速度以及多样性保持上具有较大优势。     

基于多传感器信息融合的乡村智慧诊所系统设计与实现

目的:为构建方便、舒适的治疗环境,基于多传感器信息融合构建乡村智慧诊所系统.方法:基于多传感器信息融合技术设计乡村智慧诊所系统,并对患者状态及诊所环境的实时监测.结果:通过对监测数据的可视化处理有效地提高了医疗工作的工作效率,优化了工作流程,对改善医疗资源不足的现状具有积极意义.基于离差平方和的自适应加权数据融合算法,使环境测量与控制更精准,为患者和家属带来了极大的便利.结论:为乡村诊所的信息化和智能化建设提供了切实可行的方案.     

基于量子混合协同进化的自适应多级联属性约简(英文)

针对传统生物启发式方法在决策表中属性约简求解效率不高和难以协同约简等问题,提出一种基于量子混合协同进化的自适应多级联属性约简算法. 首先设计了一种新型高效的自适应量子角旋转策略,指导参与属性约简的进化种群自适应相互演进,加速算法收敛. 然后构建了合作和竞争混合的协同进化级联模型,根据执行经验记录分割属性种群集,提高约简子种群的多样性,并产生种群精英以增强其寻优经验共享,快速找到全局最小属性约简集. 实验结果表明,与同类典型算法相比,该算法在最小属性约简效率和精度方面具有明显优势.     

基于协同进化云的属性集成多代理约简算法（英文）

为提高属性约简算法处理含噪音和不确定大数据的性能,提出了一种基于协同进化云的属性集成多代理约简算法(CCAEMR).该算法首先基于MapReduce机制设计协同进化云框架,将整个种群分解成多个具有自适应规模的协同进化子种群,通过子种群的共享奖酬来加速属性约简实现.然后,构造了一种协同精英优化的多代理集成策略,确保划分的子种群能够充分探索交叠属性子集之间的相关性和相互依赖性,且具有较强的抗噪音性能,这些代理能保持在稳定的精英地区且取得了最佳收益.实验结果表明:所提出的CCAEMR算法在解决大规模和不确定复杂噪音数据的属性约简时具有更好的效率和适用性.     

基于信息论遗传算法药物分子对接设计

本文建立了一种约束优化的演化模型,并构造出求解此模型的多种群空间收缩遗传算法,将信息熵概念引入进化过程,控制各种群寻优搜索时解空间的收缩 本算法用种群的多样性避免遗传进化的早熟现象,并以空间收缩尺度作为停机判据,有效地控制了算法的收敛 利用基于小种群的多种群进化策略,在保证种群多样性的前提下,极大程度地减少了计算量,提高了计算效率 数值算例表明,熵的介入增强了随机搜索类进化算法的寻优目的性,使收敛过程平稳且迅速 算例表明此算法能有效地应用于药物分子对接设计     

基于搜索空间分割的协同进化遗传算法

针对经典协同进化遗传算法在优化大决策空间问题时计算复杂度较高的问题,提出了一种基于搜索空间分割的协同进化遗传算法,其基本思想是：将种群分割为不同规模的子种群,在进化过程中应用ε自适应方法调整子种群规模。复杂度分析和数值实验表明,改进后的算法可降低算法计算量,提高算法的优化效率。     

基于(G)模糊积分的信息融合方法

采用单一模糊积分进行信息融合的结果有时可能明显失真。例如,(S)模糊积分融合时只考虑了单分类器的识别结果与相应分类器集重要程度中较小的那个量的信息,有时可能会产生错误的分类结果。为了弥补(S)模糊积分等模糊积分的局限性,提出基于(G)模糊积分的信息融合方法,将多个模糊积分的融合结果加权平均作为分类的依据,可以对各单一模糊积分融合效果取长补短,有助于提高多分类器融合系统的识别率和稳健性。     

基于拥挤度和分散度的多样性处理方法

用进化策略求解多目标优岱问题时,为了保证Pareto前沿的多样性,该文提出了基于拥挤度和分散度的多样性处理方法,在分析基于拥挤距离处理多样性的基础上引入了拥挤度和分散度的概念,当两个个体具有相同的拥挤度时,通过其分散度来判断哪个个体更拥挤,这样能更好地保证解在Pareto前沿的多样性．仿真实验表明,该算法能更好地维持Pareto前沿的多样性。     

Arguments around weighting the first year in degree classification algorithms

The UK’s HE system is mired in public debate around ‘grade inflation’, and there is substantial pressure to address the perceived devaluation of degrees through blunt policy measures such as modifying classification algorithms. Policy-makers should be aware of the impact of their actions upon students’ learning; this article frames some of the neglected pedagogical arguments in concise syllogistic forms, focusing particularly on the issues around weighting the first year of a traditional UK bachelor’s degree classification algorithm.     

基于模糊综合评价的大学教师绩效考核研究

本文把模糊综合评价方法应用到大学教师绩效考核研究中,结合教师的实际情况将综合能力根据需要分成若干个指标,建立了因子集、评价集、隶属函数和权重集,实现对教师绩效考核的综合评估．采用层次分析法计算评价的权重集,并对取大取小算法和评价结果的最大隶属度原则进行了改进,取得了较好的效果．     

科技型中小企业的信用模糊综合评价--从存货质押融资模式角度探讨

针对存货质押融资模式下各参与主体的多元性,在中小企业信用评价的过程中需要克服其信用评价具有主观性、复杂性和模糊性的难题,本文提出将组合赋权法和模糊综合评判法结合应用于中小企业信用评价。考虑到主客观赋权法各有优缺点,先分别采用层次分析法、熵权法从主观、客观的角度进行赋权,再采用相对熵法进行组合赋权确定了各项评价指标的权重;然后采用正态隶属函数计算企业信用等级的隶属度,得出企业的信用评价结果。选取24家科技型中小企业作为样本,进行了实证分析,验证了上述评价方法的可行性和适用性。     

加权的布尔型文本匹配算法研究

本文分析了传统的布尔型文本匹配算法的弊端和缺陷,结合图书文本信息的快速、高效的检索匹配要求,提出了加权的布尔型文本匹配算法。该算法对传统的文本匹配算法中漏检、误检和模糊查询等方面的问题进行了加权处理和结果校正,既保证查询算法的高效与全面性,同时又有效地控制了匹配的准确度,为图书信息查询系统的建立提供一种更好的解决方法。     

基于聚类算法的选择性神经网络集成在大脑胶质瘤诊断中的应用

1 Introduction The degree of malignancy in brain glioma[1]domi-nates the way of treatment .In case of gradeⅠorⅡaccording to Kernohan,the success rate of operationis satisfactory. Otherwise ,for gradeⅢor IV,the sur-gical risk is high ,and poor life qual…     

Using Weighting Adjustments to Compensate for Survey Nonresponse

Weighting adjustments are used in some studies to compensate for biased estimators produced by survey nonresponse. Using data from the 2004 National Survey of Student Engagement (NSSE) and the NSSE poststratification weighting algorithm, this study found that weighting adjustments were needed for some, but not all institutions. Unfortunately, no simple criterion for determining when weighting adjustments were needed could be identified. In addition, weighting adjustments reduced the precision of estimators for a majority of the institutions. Based on these findings, institutions and researchers concerned about compensating for nonresponse would be well advised to carefully evaluate the need for, and consequences of, weighting before employing weighting adjustments.     

基于小波变换的图像融合算法及性能评价

在阐述小波图像融合算法的基础上,针对小波分解后各频域融合算子和融合规则的选择,提出一种新的基于FPGA动态可重构的图像融合算法。该方法对小波分解后的图像低频子带采用平均融合算子处理,在高频子带的融合中依据小波系数树状结构特点提出了一种新的自适应融合方法,最后经过小波逆变换得到融合图像。核心算法集成到一片FPGA中实现,提高算法的实时性,降低系统的实际功耗,有效地减少融合图像的失真。对多组图像进行实验,实验结果表明,该方法是有效的。