改进遗传神经网络算法在销售预测中的应用研究

针对传统BP神经网络销售预测算法存在学习效率低、收敛速度慢、易陷于局部极小值等不足,提出改进措施:采用自适应学习效率提高算法的有效性和收敛性,采用附加动量法提高算法的适应性,采用改进的遗传算法优化神经网络的权值,利用改进遗传算法全局寻优的特性实现快速寻优及精确预测的目的。最后用实例计算验证本算法。     

改进的Apriori算法在高校图书推荐服务中的应用研究

高校图书馆的借阅记录包含大量信息,研究数据库中的借阅记录可以获知学生与图书间的某种联系,通过改进的L-Apriori算法把这种潜在的联系转化成显性知识推荐给目标学生,对提升当前数字图书馆的服务质量具有重要意义。改进的L-Apriori算法对借阅记录分专业形成的子数据库关联规则进行逐一整合,最终形成全局数据库关联规则。实验结果表明改进的L-Apriori算法无论是挖掘效率还是准确度都明显优于Apriori算法。     

基于Apriori改进算法的局部反馈查询扩展

提出面向查询扩展的Apriori改进算法，采用三种剪枝策略，极大提高挖掘效率；针对现有查询扩展存在的缺陷，提出基于Apriori改进算法的局部反馈查询扩展算法，该算法用Apriori改进算法对前列初检文档进行词间关联规则挖掘，提取含有原查询词的词间关联规则，构造规则库，从库中提取扩展词，实现查询扩展。实验结果表明该算法能够提高信息检索性能，与现有算法比较，在相同查全率水平级下其平均查准率有了明显提高。     

基于特殊主题的PageRank改进算法

在传统PageRank算法的基础上进行一些优化与改进,提出一种新的主题敏感的PageRank算法,通过计算超链接与领域向量的相似度来区分超链接对网页的贡献度,从而有效抑制主题漂移;同时为PageRank算法加入时间因子来防止PageRank偏重旧网页的问题,加入站内外区分因子来防止针对PageRank算法作弊的行为.改进算法弥补了原算法的不足,提高了主题搜索的效率.     

A进算法及其在航迹规划中的应用

在航迹规划领域A＊算法应用广泛,且是一种典型的启发式搜索算法本文针对传统A＊算法的搜索视角与代价函数提出了相应的改进方法：首先,基于降落伞形搜索域的变步长航迹点搜索,可以提高搜索效率且使搜索方向更加明确;第二,带有威胁信息并归一化后的代价函数,将环境的威胁考虑了进去并且与距离信息进行了归一化处理,使得航迹更趋近于最优航迹并且满足可飞行性通过Matlab仿真进行试验,其结果表明应用改进后的A＊算法可以得到一条满意的安全航迹应用改进A＊算法可以提高算法的搜索效率,并且考虑进了威胁要素使得所得的航迹点更加;住确     

基于词词关联矩阵改进的模糊检索研究(二)——叙词表控制下词间关联度的改进算法

传统上,检索系统利用基于词语共现分析所生成的自构造词表,即词词关联矩阵来实现模糊检索,这种方式生成的词表存在词间关系单一、语词假相关、词义控制差等问题.本文结合传统叙词表,对自构造词表的词间关联度算法进行了改进,新算法丰富了词间关系类型.实证分析表明,新算法有助于提升系统的检索效率.本文首先阐明词间关联度现有算法及关系数据处理方式,并指出现有算法存在的问题,然后引入叙词表控制机制,针对四种词间关系控制情形提出了各自的词间关联度改进算法.最后通过集合从理论上分析改进算法和现有算法,并借助语词关系网实证改进算法对语词关系网的关联性的影响.     

信息检索中模式匹配算法的分析

串的模式匹配是信息检索中的一个热点.文章介绍了模式匹配的概念,分析了串模式匹配中的BF算法和KMP算法,并对KMP算法进行了改进.实验结果表明:改进的KMP算法使信息检索具有更快的响应速度.参考文献5.     

对菊池敏典算法逻辑非处理的讨论

文章对菊池敏典算法逻辑非处理过程进行了改进，改进后的算法允许逻辑非作用在提问词或子表达式上．因此，改善了算法的适应性．文章给出了改进后算法的流程图。     

一种新的自适应蚁群算法及仿真

蚁群算法是一种崭新的仿生模拟进化算法,该算法在许多领域已经得到应用。本文在阐述蚁群算法概念和基本原理的基础上,提出一种新的自适应调整信息素挥发因子的改进算法,以克服其收敛速度慢、易陷入局部最优等缺点,并给出了伪代码,最后将基本的蚁群算法与本文改进后的蚁群算法进行了仿真实验,仿真结果表明,改进后的蚁群算法具有优良的全局优化性能,效果明显。     

一种基于知网的K-means聚类算法

本文通过引入知网的概念,对传统的K-means聚类算法进行了分析,初始聚类中心的选择对聚类结果有较大的影响,初始值选择的不好,可能无法得到有效的聚类结果,这也成为K-means算法的一个主要问题。采用聚类中心的搜索算法来进行聚类中心的选取,对其初始聚类中心确定一个初始划分,运用“射靶”的原理进行了改进,找到“靶心”得到一个最终选定的初始聚类中心,从而提高算法的稳定性,得到较稳定的聚类结果。实验结果表明,采用改进后的K-means作为簇心生成算法,随着待聚类文档数目的增加,效率提升更为突出。     

种基于改进的支持向量机的两类文本分类方法的研究*

提出了一种基于预抽取支持向量机及模糊循环迭代算法的改进的支持向量机(Support Vector Machines,SVM)的两类文本分类方法, 与传统的SVM相比, 该方法具有高得多的计算效率。文中给出了具体算法并将其用于文本分类中，实验表明了本算法用于文本分类的有效性及其高效率。     

低成本演播系统设计

本文主要叙述了如何根据现有资源设计低成本的小型演播室,以及松下AG-MX70MC型数字多功能切换台的主要功能介绍。     

一种改进蚂蚁算法的MATLAB仿真

蚂蚁算法是一种新型的模拟进化算法,也是一种随机型智能搜索算法。在介绍了基本蚂蚁算法基础上,针对基本蚂蚁算法存在的计算复杂,易陷入局部最优等缺陷,提出了一种基于信息熵的自适应改进蚂蚁算法,信息熵来度量蚂蚁系统的复杂性,用均值熵调节算法的系数使算法实现自适应。经MATLAB仿真试验结果表明,改进的算法有较好的收敛性、稳定性,优于基本蚂蚁算法。     

VOD多媒体流调度中补丁算法的改进

该文分析了在VOD多媒体流调度中传统补丁算法的缺陷。提出了一种引入周期常数,使一个媒体节目的组播流产生一定间隔的改进算法,给出了改进算法的形式描述和流程图,并通过仿真实验对改进算法的特点、性能和不足进行了分析总结。     

数字图书馆推荐系统协同过滤算法改进及实证分析

[目的/意义] 为了提高传统协同过滤算法的计算速度,解决目标用户随着时间推移发生兴趣偏移而导致推荐系统质量下降的问题,以期进一步提升推荐系统运行效率和推荐质量。[方法/过程] 提出预先计算用户相似度算法和引入时间评分权重计算相似度矩阵的两种算法的改进,并利用Hadoop平台实证分析改进后的算法。[结果/结论] 实验结果证明：预先计算用户相似度算法缩短了对读者推送相关信息的时间,从而有效地提升了计算速度;引入时间评分权重计算相似度矩阵大大降低了MAE值,从而提高了推荐质量,两种算法同时应用后推荐系统在计算速度、准确率和新颖性方面都有显著提升。     

基于CORDIC算法的数字鉴相器的FPGA实现

本文提出了一种实现GPS载波跟踪环鉴相器的方法,该方法采用改进后的CORDIC算法来实现用于鉴相的arctan函数。同时,给出了改进后CORDIC算法的迭代算法流图和部分实现代码。这种算法结构简单,只需要采用加法和移位操作即可,因此非常易于硬件实现。     

DKTC：一种中文文本聚类方法

文章在对DBSCN与K-means两种经典聚类算法分析研究基础上,结合中文文本数据的特点,对这两种方法进行结合与改进,提出了一种中文文本聚类方法：DKTC。该算法能自动产生簇的个数,且对“噪声”或异常数据不敏感,对数据的输入顺序不敏感,另外,与DBSCAN相比,该算法有更高的处理效率。实验表明,DKTC算法不仅能对中文文本进行聚类,且与传统DBSCN与K-means法相比,聚类效果都有一定程度的改善。     

一种基于科技查新的跨库检索去重算法

【目的】通过对科技查新中的跨库检索结果进行去重,提高查新检索效率。【方法】选取不同数据库检索记录中唯一性的特征四元组{论文名称,期刊名,发表时间,第一作者}信息,用改进的I-Match中的对比算法构建检索记录特征字串作为去重的计算依据。【结果】跨库检索去重算法对数据库检索结果进行初步分析和去重,提高查新检索效率。通过测试,算法去重准确率较高,而召回率受数据库收录信息完善度的影响,还有提高的空间。【局限】算法处理效果依赖于从数据库检索记录中提取特征四元组,由于不同数据库的检索返回结果存在差异,需要针对不同论文数据库定制检索记录特征抽取模板。【结论】通过实验测试,算法具有较高的去重准确率和处理效率,符合预定科技查新需求。     

公正传播论(3):价值算法的使命

经由道德的反思、法治的规约而形成算法的改进,是数字平台践行传播公正的必然路径。在数字交往的意义上,算法的传播学本质是其意向性、制度性与反抗性。作为“推荐算法”的强应用领域,社交平台、内容聚合平台、搜索平台应在去偏见、反歧视、保证数据安全、保护个人隐私、避免数字成瘾等价值尺度上,以“价值理性”约束算法,消弭自身的合法性危机,奠定其传播公正性。为此,本文提出一种“价值算法”以对冲工具理性式的算法秩序——转向“人的需求”计算、祛除群体极化、建设社会协商环境,并提供了一系列改进算法价值观的解决方案。     

基于Disconnected Apriori算法的图书馆书目推荐服务

介绍一种Apriori的改进算法,该算法通过寻找大于最小支持计数的最大频繁项集,可以直接得到最终频繁项集,将改进算法应用到图书馆书目推荐服务中,并对改进算法与Apriori算法进行算法的性能分析及实验数据的运行时间对比,实验证明改进算法在运行速度和挖掘性能上较经典Apriori算法有显著提高。