基于粗糙集和遗传算法在锅炉火焰图像分割中的研究

粗糙集善于从不明确数据集中发现有价值信息,锅炉火焰图像不确定信息量较为复杂,利用粗糙集并结合遗传算法对火焰图像进行分割优化,通过Matlab进行仿真,仿真结果表明,粗糙集工具结合遗传算法提高了图像分割的准确性,具有很好应用价值。     

基于信息熵的高新关键技术方案决策模型研究

高新技术特征决定高新技术固化与扩散具有复杂多变性,与市场和产业发展需求相比有较大差距,主要体现在不能完全跟上技术研发节奏。若能有一套选择机制适用于高新技术中关键技术的确定,从高新技术研发阶段就展开相关工作,将有效提高高新技术成果产业化成功率。面对高新技术产业化过程中产生的海量技术方案提出一种选择模型,采用信息熵理论计算待选方案各影响因素的权重系数,进而选出最合适的技术方案,以期尽量减少决策过程中的人为主观性,达到规避技术创新风险、促进企业发展的目的。     

一种带随机选择机制的新型改进粒子群优化算法

标准粒子群优化算法对空间所有区域等概率搜索,降低了算法效率。借鉴遗传算法的思想,本文提出一种带随机选择机制的改进粒子群优化算法。该算法将适应值选择和粒子状态更新方程结合起来,通过赌轮算法选择机制使得粒子在适应值较小的区域尽可能的降低搜索概率,在最优解可能区域尽可能加大搜索强度,从而提高算法搜索效率。通过标准进化计算测试函数测试,实验结果表明对于复杂优化问题该算法优于标准粒子群优化算法和遗传算法。     

一种改进的BM算法在网络安全控制中应用

解决网络安全更高效的途径是入侵检测技术。它是动态的防护手段,能够主动识别入侵。模式匹配作为当前IDS主要采用的技术之一,有误报率低、实用性强的特点。BM算法有着较好的匹配效率,本文详细介绍了BM算法的基本思想,也指出其不足并在此基础上提出了改进的模式匹配算法。实验结果表明,该算法能够提高系统的性能。     

论企业竞争对手的模糊判别模型及其应用

根据企业竞争情报示范工程研究的实践，应用模糊数学中的Blin方法原理，提出了一种企业竞争对手的模糊判别模型，将竞争情报分析中多因素且不同权重的对手判别问题简化为单指标的比较问题，并给出了实际应用的案例，为企业竞争对手的判别分析提供了一种综合、客观和具有操作性的方法。     

混合时间窗下多目标电商物流路径优化研究

结合电商物流特点,探讨混合时间窗车辆路径问题,设计了混合时间窗惩罚函数和模糊预约时间函数,建立了基于混合时间窗约束的多目标车辆路径模型。设计了改进智能水滴算法对模型进行求解,改进节点概率选择方式来保护优秀水滴,设置路径泥土量最大和最小限制以防止算法提前进入收敛。最后,运用实际案例模拟计算,与传统智能水滴算法计算结果对比分析。结果表明,改进智能水滴算法求解混合时间窗下多目标电商物流路径优化问题,能够以很高的概率获得更优的全局最优解,是求解这类问题有效算法。     

一种基于DBS的聚类算法

随着网络的普及和信息量的急剧增加,从海量数据中提取有用的数据信息已迫在眉睫。本文提出了一种基于密度偏差抽样的聚类算法,实验表明,随着信息量、数据维数的增加,该算法聚类的正确率以及对数据的处理速度都要较传统的聚类算法有所提高。     

一种求解不等式约束优化问题的新算法

针对基本遗传算法收敛速度缓慢现象，提出了基于多父体杂交和按较差个体顺序变异的改进策略，从而加快收敛速度，提高了算法性能，通过验算表明，改进后的算法，能够迅速找到全局最优解。     

深度神经网络的快速学习算法

通过分析传统的多层感知器和反向传播算法的不足,设计了一个全新的网络结构SC-MLP和提出了与之对应的全新的学习算法NBP,主要是实现权值的模和固定,这样可以加速训练的速度.在高维数据分类的实证分析中,以手写数字数据库为例,构建了一个深度神经网络,并对比各种训练算法.实验表明,NBP学习算法对于深度神经网络具有良好的学习效果,明显优于传统的反向传播算法,并且在精度上与深度学习算法相当,但是速度快.     

城市交通网络均衡问题的算法分析与应用研究

随着世界上大多数城市的交通条件的日益恶化,如何有效地模拟和解决拥挤和出行决策间的相互作用,从而获得整个城市交通网络的交通流模式,在国内外产生了一系列分析方法.在对交通网络分配模型进行系统综述地基础上,重点讨论了固定需求下的均衡配流问题.通过具体的算例,将容限配流法、比例配流法和方向搜索法进行对比分析,证明了方向搜索法在求解标准均衡配流解上的优越性.