KNN价格预测模型的研究与改进

提出了一种对商品不同特征值缩放的方法,改进了KNN价格预测模型,并对改进后的预测结果做了研究分析。分析得出：对基于KNN算法的价格预测模型的改进是有效的,提高了预测准确度。     

KNN算法在股票预测中的应用

利用数据的相关性,运用改进的KNN算法,通过对股票历史数据的分析并建立相应的预测模型,进行试验预测,预测结果表明该方法对预测股票价格走势是有效的。     

应用于中文文本分类的改进KNN算法

本文介绍了文本分类的基本流程及涉及到的相关技术,详细介绍了传统KNN方法并分析了它存在的不足之处,在此基础上提出了一种改进的KNN方法,该方法在相似度计算上进行了改进,通过实验证明了改进的KNN方法在宏召回率、宏准确率、宏F1值以及微F1上都有所提高。     

基于并行文化微粒群优化算法的非线性方程组解法

并行文化微粒群优化算法是一种改进的微粒群优化算法,具有较强的全局搜索能力.将非线性方程组的求解问题转化为函数优化问题,应用并行文化微粒群优化算法求解非线性方程组的解.计算中不需要使用目标函数的导数信息和初始点信息,数值实验结果表明了该算法的有效性和可行性.     

基于小波变换的并行图像分割算法分析与优化

研究了基于小波变换图像处理的可行性,在分析了二维小波变换的数学模型后,改进了基于多处理机的均匀分块并行算法,有效减少了算法中的通信量。该算法具有通信量小、负载均衡等特点,适合实现多级小波变换,符合实际应用中对分辨率的要求。     

基于互相关系数的KNN室内定位改进算法

在室内环境下,基于KNN的位置指纹定位技术具有复杂度低、定位精度高、设备开销低廉等无可比拟的优势。但随着科技的进步,移动终端设备种类复杂多样,由于终端差异导致的室内定位精度恶化问题已经成为室内定位中被重点考虑的因素。本文针对终端差异导致定位精度低的问题,提出基于互相关系数的室内定位方法,旨在降低终端差异导致室内定位精度的影响,提高定位精度,并将其应用于手机平台中,通过实验验证了该方法的有效性。     

一种改进的KNN中文文本分类算法

提出了一种基于投影寻踪改进KNN中文文本分类方法,与现有的中文文本分类算法相比,该方法具有较高的计算效率。给出了具体实现过程并将其用于文本分类中,实验证明了该算法用于文本分类的有效性及其高效率。     

改进的大数据分层建树KNN聚类算法

对大数据的分层建树聚类,提高对大数据的检测和大数据应用系统的故障分析能力。传统方法中对大数据的分层聚类采用K-Means聚类算法,容易陷入局部收敛,聚类效果不好。提出一种基于核向量机的数据的分层建树聚类。采用四叉树算法对多维数据进行数据预处理,进行KNN中心区域的聚类中心扩展处理,针对大数据的类域交叉性进行了一次核向量机差分比较,得到KNN模糊划分矩阵,根据所属类别的不同对已知样本进行分层,得到一维差分分层建树模型和二维差分分层建树模型,计算数据核向量之间的相似度特征,实现矩阵的数据点数模糊集合贴近度填充,实现聚类算法改进。仿真结果表明,该算法具有优越的大数据聚类性能,收敛性好,应用到网络在线故障诊断中,实现对故障信号的和恢复跟踪,提高了故障诊断效益,展示了较好的应用价值。     

改进自适应并行花朵授粉算法

针对基本花朵授粉算法(FPA)在寻优过程中局部搜索能力弱,收敛速度慢,收敛精度不高等缺陷,提出了一种改进的自适应并行花朵授粉算法。该算法首先将并行机制引入到花朵授粉算法中,以此改善单一种群在计算中后期多样性不足的缺陷。其次采用了非线性的算法行为转换概率P及增加了非线性的莱维飞行步长比例因子,前者使算法能够根据进化时期动态地控制全局授粉和局部授粉行为;而后者使算法能够根据进化状况自适应地调节花粉个体在解空间的跳跃步长。两者相互协调,加强了算法的搜索能力及摆脱局部最优的能力。最后提出了基于拉马克优良个体交叉式学习机制,将花粉个体中的优良基因遗传到下一代个体中,进一步加强了算法的寻优能力。对测试函数的优化结果分析表明,与其他几种算法相比,该算法在全局寻优的最优解和收敛速度等方面都有了较大的改进和提高。     

并行排序算法的研究与设计

排序是最基础的算法之一,它应用极为广泛,应用于各个领域,不仅是数据库的核心技术,它本身也有广泛的应用场合。我们采用了分块排序、并归执行的算法,这样通过并发多个进程进行排序,通过对进程的同步的控制,合理的在内存中分配读进程和写进程,减少cpu与硬件的冲突,提高了效率。     

基于G-K算法的网络安全态势预测模型

针对普通Kalman算法在网络安全态势预测中对初始数据的依赖性较高,且预测精度不够高的问题,本文提出了一种基于G-K算法的网络安全态势预测模型。首先利用灰关联熵分析方法选出影响网络安全态势的关键因素,然后结合关键因素建立网络安全态势的多元关系模型,最后选用KDD-cup99的部分数据作为实验数据源对改进算法进行实例仿真。结果表明,G-K算法能够快速跟踪网络安全态势的变化趋势,预测精度优于普通Kalman算法。     

成长曲线预测模型的算法及计算机程序

本文首先讨论两种成长曲线的算法,然后给出用BASIC语言编制的计算机程序。一、数学模型1.定上限成长曲线其中: L:预测对象的发展极限(事先确定); a、b:预测模型的待定参数; t:预测时选择的时间变量。2.S曲线     

基于并行SOM和自适应禁忌优化算法的负载均衡分簇路由设计

为了克服传统分簇路由协议中无法有效缓解"热区"和数据传输可靠性不高的问题,设计一种基于并行SOM和自适应禁忌优化算法的负载均衡路由协议。首先,将整个网络区域分为若干子区域,在每个子区域中自适应的根据节点与基站的距离确定分簇数目,采用并行SOM并行对网络区域进行分簇,同时根据能量和位置因素选举簇头;然后,以最小化各簇头到基站的最小跳数为目标,采用改进的禁忌优化算法来寻找各簇头到达基站的最优解和次优解,构成多条冗余路由,以增强数据传输的可靠性,最后,对基于改进禁忌优化算法的最小跳数路由协议进行了设计和描述。仿真实验表明:文中方法能有效地提高网络生命周期和提高数据传输的可靠性,具有很好的负载均衡能力,是一种适用于WSN的有效分簇路由算法。     

基于人工神经网络的投资优化预测模型研究

针对宏观投资问题,运用改进的BP算法建立相应的神经网络模型,确定投资诸要素间的关系,并通过对投资分配的合理调整,确定最佳投资分配比例。在此基础上,以给定的投资总量对黑龙江省2004年的投资分配和总产值分别作了预测。仿真实验结果表明,该模型能够反映投资要素之间的非线性关系,并具有较为理想的精度及较好的预测效果。     

基于Android的室内WIFI指纹定位系统及KNN定位算法的设计

在室内拥有固定的WIFI信号源的基础上,通过离线阶段采集WIFI信号,结合自定义的信号特征向量模型,建立可用于室内在线定位的WIFI指纹数据库;在线定位过程需要实时扫描WIFI信号上传到云服务器,在云服务端使用KNN(K最近邻)算法将实时的WIFI信号数据和指纹数据库中的数据进行匹配计算,通过信号的特征向量匹配计算,得到特征向量相似度的值,从而得到相应的位置坐标,服务器将位置坐标返回给客户端,完成一次室内定位过程。通过实验分析定位过程的数据,可以测量出定位的大概精度,得到较好的定位效果。     

一种进的并行字符串匹配算法

本文简述了字符串匹配算法的研究进展,分析了BF算法以及PRAM-CREW算法,并对该并行算法进行了改进,减少了处理器个数,使匹配次数大大减少,从而提高匹配效率。文章最后分析了该算法的性能。     

并行数据库的3个查询算法综述

在本篇论文中,综合阐述了并行数据库的几个查询算法,并且予以分析。     

基于FP-forest的并行频繁项集挖掘算法

在研究传统挖掘频繁项集并行算法的基础上,提出一种以FP-forest为基础的高效能并行挖掘算法FPPMA(FP-forest based high-effect Parallel Mining Algorithm)。此算法中,各运算节点只需要和核心节点之间传递少量信息,而无需和其他运算节点通信,减少了通信费用。此外,运算节点不需要同步和交换数据就可独立挖掘出全局频繁项集。     

并行技术领域中调度算法研究

主要对同构和异构环境下的并行任务调度算法进行分类,对任务调度模型以及调度算法进行阐述并列表比对;对分布式任务调度,介绍了两种算法--全局动态调度ADS算法和上次优先调度LFS算法,最后指出设计合理并行任务调度算法的重要性.