南水北调东线一期工程水资源调度系统分析

南水北调工程的实施使得原来的调度系统已经不能适应全局的要求.为充分发挥工程效益、合理利用水资源.文章在分析南水北调东线调度系统现存问题的基础上,将水权分配作为南水北调东线水资源调度的主线,构建了由上至下共四层的调度系统,为东线调度提供决策参考.     

基于模糊聚类的超链分析算法

基于关键字匹配的搜索引擎排序网页时仅仅考虑评价网页的重要性,而忽视分类;基于分类目录的搜索引擎很难动态分析Web信息。本文在分析它们不足的前提下,提出利用模糊聚类的方法对搜索引擎的检索结果进行动态分类,依据超链分析算法PageRank和Web文档隶属度相结合进行分类排序,并给出具有调节值的结合公式。实验证明,该算法能够更有效地满足用户的需要,提高检索效率。     

基于机器学习的Web链接的抽取

互联网网页是通过超链接连接起来的,为人们的日常生活和商务用途提供了非常丰富的信息资源。链接结构分析在万维网的很多研究领域发挥着越来越重要的作用。然而存在着许多与主题无关的链接,造成了主题漂移。本文分析了链接本身的特点,介绍了一种有监督机器学习方法自动地抽取网页中的相关链接。试验结果表明该算法具有实用的价值。     

基于粒子群算法的图书采购复本量优化决策

图书采购决策量化问题一直是图书馆学界研究的重要问题,运用数学建模的方法,建立起反映采购复本量与图书流通效用关系的数学模型,并设计了利用粒子群优化算法求解该模型的算法.     

考虑装船机联机作业的煤炭出口码头装船作业调度优化

为提高煤炭出口码头作业效率和服务水平,对装船作业调度进行优化。在考虑装船机联机作业的前提下,以最小化煤炭出口码头作业线运行能耗成本和船舶在港时间成本为目标,综合考虑作业流程约束和泊位、垛位和作业线的作业唯一性约束,建立混合整数规划模型,并设计基于仿真解码方案的遗传算法求解。用实例验证模型的可行性和算法的有效性。结果表明,研究成果可为具有工艺流程复杂、装船机联机作业等特点的煤炭出口码头装船作业调度问题提供较好的解决方案。     

基于Adaboost算法的不平衡数据集分类效果研究

在不平衡数据集中,由于少类样本和多类样本的不平衡,在分类过程中容易产生难以分类和错误分类的现象。针对不平衡数据集的分类特点,设计出一种组合分类器,适用于不平衡数据集的分类。通过SMOTE算法采样对不平衡数据集进行一个预处理,采用单层决策树作为基本分类器,利用Matlab编程,构建Adaboost算法分类器,对demo、heart和usps数据集进行训练集和测试集分析。结果表明,通过Adaboost算法可以有效提高分类效果,算法中通过改变正类样本的权值,从而重视对少类样本的分类,在一定程度上能够提高整体的分类效果,实现不平衡数据集的分类设计。     

面向云边协同的资源调度优化策略

针对跨域环境下的多目标资源调度问题,建立了云边协同的调度模型,提出了边缘和云协同的资源调度优化方案.为提升服务质量,降低处理资源调度的时间,解决由于边缘积压导致的数据处理不及时、负载不均,以及将数据调度到云计算中心浪费资源的问题,提出改进的差分人工蜂群算法(differential artificial bee col...     

多维特征下社会化问答社区答案排序研究

[目的/意义]研究多维特征对社会化问答社区答案排序的影响,以提高问答社区服务质量并尽可能优化用户体验。[方法/过程]从答案特征、回答者特征和投票者特征多个维度构建社会化问答社区答案排序特征体系,比较基于深度学习、树、神经网络、支持向量机等11种排序学习算法在问答社区数据集上的适用性,并训练随机森林分类算法,得到每个特征的重要程度。[结果/结论]实验结果表明,基于深度学习的排序学习算法在NDCG@k和MRR指标上的性能均优于其他排序算法,投票者的影响力特征最为重要,其次是答案内容特征,最后是回答者的专业度特征,可以考虑从增加答案排序方式的多样性和提高答案排序算法的综合性两个维度进一步优化答案排序。     

基于粒子群优化的神经网络实时交通信号配时

由于人工神经网络具有表征复杂输入输出系统的强大功能,将其用于城市道路交叉口的实时信号配时,是极有应用前景的尝试。文章采用三层人工神经网络建立城市道路交叉口信号配时模型,并把粒子群优化算法作为神经网络的学习算法。该算法具有极高的全局优化形态与计算效率。这种方法建立的模型将有助于降低交叉口的总延误,提高通行能力,使神经网络发挥更好的控制效果。