基于Map-Reduce的自适应双语短语挖掘系统

对于跨语言信息检索,统计翻译等应用,双语短语都是极其重要的资源.提出了基于自适应模式的双语短语挖掘算法,该算法可以自动的学习当前Web页面的翻译模式,然后利用学习到的模式抽取当前页面中的双语短语.同时,将自适应双语短语挖掘算法与Map-Reduce并行编程模型融合起来,大大提高了系统的运行效率,并且通过实验验证了该方法的有效性.     

一种微分进化算法的图像增强方法

将微分进化算法应用到图像的增强处理中,利用微分进化算法的快速搜索能力,对给定的测试图像自适应地变异、交叉、搜索,直至最终确定Beta函数的最佳参数α,β值,从而实现图像的自适应增强.最终通过软件仿真实验验证了上述方法的有效性.     

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。     

带局部搜索的自适应动态差分进化算法

为了改进差分进化算法的全局搜索性和收敛速度慢的特点,文章提出了一种基于单纯形局部搜索的自适应动态差分进化算法。     

基于改进PSO的多传感器数据自适应加权融合算法

加权融合算法是多传感器数据融合中的常用方法,但加权因子的确定非常困难并直接影响算法的性能.文章提出利用改进的粒子群优化算法对各个传感器的加权因子进行自适应优化,引入种群进化度、聚合度来反映种群的多样性,当种群多样性低于阈值时执行变异操作,并交替使用基于聚合度、进化度的自适应惯性权重函数,从而避免算法陷入局部最优解.通过UCI数据集测例表明本文算法是一种较有效的多传感器数据融合方法,相对其它算法具有较高的融合精度.     

基于支持向量回归神经网络的动态系统辨识

结合支持向量机和神经网络各自的优点,提出了一种新颖的自适应支持向量回归神经网络(SVR-NN).首先,利用支持向量回归方法确定SVR-NN的初始结构和初始化权值,基于支持向量自适应地构造SVR-NN神经网络的隐层节点;然后,使用退火过程的鲁棒学习算法更新网络节点参数和权值.为了验证所提出方法的有效性,给出了自适应SVR-NN应用于非线性动态系统辨识的实例.仿真结果表明,与以前的神经网络方法相比,基于SVR-NN网络的辨识方案能获得相当好的性能,它具有很快的收敛速度.因此,自适应的SVR-NN为非线性系统辨识提供了极有吸引力的新途径.     

基于多点随机搜索的自适应随机共振信号检测系统

提出了一种基于多点随机搜索算法的自适应随机共振系统模型,并以LabVIEW为平台开发了自适应随机共振微弱信号检测系统.该检测系统以典型非线性双稳系统为信号处理核心,以系统输出信噪比为优化目标函数,采用多点随机搜索算法自适应调整系统结构参数,使系统处于随机共振最佳状态,并获取微弱信号的频率特征值.利用该系统可测试各种系统参数及高斯噪声对随机共振的影响.实验结果表明,该系统检测效果良好,具有较好的应用价值.     

基于语义的构件检索

根据构件检索的研究现状,通过增加语义特征,改进了基于刻面分类的构件描述模型.结合领域本体,提出了基于语义的构件检索过程模型及相应的概念语义匹配算法.在基于语义的构件检索过程模型中对其中的构件推理引擎、构件分类引擎的实现进行了详细说明,并给出了贝叶斯分类方法在构件分类中的具体应用.实验表明,基于语义的构件检索方法提高了构件的查全率和查准率,证明了此方法的可行性和有效性.     

基于进化算法的隐神经元可调径向基函数网络

本文提出了一种改进的称为隐神经元可调径向基函数神经网络 (HNMRBF) ,并且应用进化规划算法作为聚类算法来决定和修改HNMRBF网络的隐神经元 .最后 ,我们使用基于进化规划算法的HNMRBF网络来进行被动声纳信号目标的分类 ,结果表明HNMRBF网络能有效地解决用传统神经网络时所遇到的问题 ,即在线学习新的目标模式时往往会遗忘旧的模式 .