基于CFS-GA特征选择算法的中文网页自动分类

为在中文网页分类时降低特征向量的维度、提高分类的精度,采用一种基于关联的特征选择(Correlation-based Feature Selection,CFS)与遗传算法(Genetic Algorithm,GA)相结合的方法进行特征选择.在该算法中,特征子集被当作GA中的一个染色体进行二进制编码;利用CFS启发值作为GA的适应度函数对个体进行评价;CFS值越大的个体遗传到下一代的概率越大.结合GA的全局搜索特性,该算法可保证所得特征子集是全局最优的.利用weka平台,对搜狗实验室提供的中文网页数据集进行实验.结果表明,该算法能有效降低特征空间的维度、提高分类精度。     

基于矩阵式遗传算法的集装箱码头堆场空间资源分配优化策略

为解决堆场空间资源配置问题(Storage Space Allocation Problem, SSAP),以箱区到泊位运输距离最小为目标,综合考虑岸桥、场桥等因素,提出一种基于矩阵式遗传算法(Matrix Genetic Algorithm, M-GA)的集装箱码头堆场空间资源分配优化策略.该方法首先建立基于装卸作业面的堆场空间资源分配模型;然后运用MGA求解扩展后的SSAP;最后分析不同遗传策略对遗传算法（Genetic Algorithm,GA)性能的影响,并以上海张华浜码头的案例验证该方法的优越性.     

开放教育中学习者质量诉求分类及其表达

开放教育中学习者的质量诉求对教育质量的提升具有重要意义。学习者的质量诉求可分为感性质量诉求与理性质量诉求。诉求的表达可粗分为四类：积极参与式、消极参与式、积极退出式、消极退出式。     

蚁群算法在Logit模型参数标定中的应用

Logit模型作为一种离散选择模型,被广泛地应用于交通需求预测,其中的交通方式选择是其应用的一个典型。建立logit模型最重要的步骤之一,便是对模型的参数进行标定。logit模型参数估计是极大似然估计,求解参数的算法一般使用NR法(Newton-Raphson)和DGP法(Davidon-Fetcher-Powellmethod),本文尝试采用一种新兴的人工智能算法-蚁群算法,来代替NR法和DGP法对logit模型的参数进行标定。最后结合一实例进行验证,并与NR算法下的结果进行对比,证明蚁群算法解决logit模型参数标定的可行性和合理性。     

基于小生境免疫算法的多约束QoS路由选择

针对多约束QoS路由选择问题,将其转化为一个多约束赋权图最短路径问题,选择费用、带宽、时延和丢失率为QoS参数.针对一种免疫算法的不足,利用基于相似结构的小生境技术和共享算子对免疫算法加以改进.实验表明,该算法有较好的性能,大幅提高了QoS路由选择的效率.     

基于双频控制技术的有源电力滤波器分析及应用研究

有源电力滤波器作为对治理电力谐波很有前途的方法,因其功率器件水平限制了APF单元的容量、投入电网运行后的的稳定性问题、以及初装成本高等三个方面啄因限制了APF的大量运用特别是在大功率等级的运用。以后的研究方向是提高补偿容量、降低APF的成本以及解决有源电力滤波器的稳定性问题。为了解决这三个方面的问题,本文提出双频控制有源电力滤波器的新解决方案,用一个低频APF与一个高频APF组合运行。双频控制APF采用低频APF来主要输出功率,可以用低频器件GTO等,这样就可以提高功率等级,提高在现有器件水平下的容量。同时因为低频单元处理功率,系统效率可以大为提高,可靠性也将进一步提高。相对于多重化等拓扑结构而言,系统成本也将大大降低。而高频APF不主要承担处理功率的任务,可以采用IGBT工作在高频,这样就可以提高系统的补偿性能。     

平面图圈边连通度的有效算法

圈边连通度cλ（G）是指图G中所有圈边割中的最小势,即最少割掉多少条边使得图G的两个连通分支中都各有至少一个圈。求一般图的圈边连通度至今仍未找到有效算法。本文提出了一个多项式时间的算法求解平面图的圈边连通度。该算法的时间复杂度是O（｜V｜^2）。     

基于蚁群算法的旅游路线优化方案

在传统旅游路径规划中,通常将问题抽象成旅行商问题（TSP）进行讨论,该方法仅考虑消耗时间最短的路径,忽视了景点当前热度、拥挤程度等诸多影响旅客旅游体验的因素。为了给旅客带来更好的旅游体验,综合考虑上述因素,对蚁群算法作出改进。改进后算法以交通时间更短、导向旅游体验好的景点为目标函数,根据各景点当前热度、拥挤度及景点与景点间路径交通状况对景区内各路径赋以合理的权重,从而规划出合理路径。实验结果表明,改进后的蚁群算法可综合考虑更多影响旅客旅游体验的因素,从而使规划出的旅游路径为旅客带来更良好的旅游体验。     

基于K-Means算法的小区垃圾分类站选址问题研究

为促进垃圾分类政策实施,科学、合理地在居民生活小区设置垃圾分类站,建立选址模型和成本模型对垃圾分类站建设运营成本及居民满意度负效应成本进行求解,并对K-means聚类算法与模糊C-means聚类算法进行比较。通过对某小区每栋居民楼到垃圾分类站的平均距离分析得出,K-means聚类算法计算得出的平均距离相比模糊C-means聚类算法缩短了约17%,在成本模型中建设运营成本降低了1万元,居民满意度负效应成本降低了0.68万元,验证了模型的可行性及K-means聚类算法的优越性。在未来的研究中可对算法进行改进,以进一步优化成本,确定全局最优。     

基于 EMD-PSO-ELM 算法的大坝变形预测研究

基于极限学习机（ELM）构建的大坝变形预测模型易受连接权值、隐含层阈值及隐含层节点数影响,为获取更优的形变预测值,并改善模型预测可靠性,构建一种基于 EMD-PSO-ELM 算法,考虑时效、温度、水位等多因素的大坝变形预测模型。该模型首先从时频分析出发,利用经验模态分解（EMD）将变形时间序列分解成具有不同频率特征的分量|然后利用 PSO-ELM 模型解求形变预测值,重构获得大坝形变趋势。实验结果表明,融合时效、温度、水位等多因素的 EMD-PSO-ELM 大坝变形预测模型残差均方根误差为 1.83mm,平均绝对误差为 1.57mm,平均绝对百分比误差为 1.79%,比 ELM 模型与 EMD-ELM 模型相关误差值更小,在大坝变形预测方面性能更优。