一种求解数据特征选择问题的改进樽海鞘群算法

高维数据通常包含大量冗余特征,为了更好地选择数据集中的有效特征,提出了一种解决高维数据特征选择问题的量子樽海鞘群算法。在函数优化问题上与粒子群算法、正余弦算法、蝴蝶优化算法和飞蛾火焰算法等智能优化算法进行仿真比较,结果表明,量子樽海鞘群算法能够在9个测试函数上更好的求解函数最优值问题;在数据特征选择问题上与标准樽海鞘群算法和其他改进樽海鞘群算法进行仿真性能比较,通过结合最近邻（KNN）分类器到改进樽海鞘群算法中,能够更好地选择高维数据集中的有效特征,在保证分类精度的情况下有效选择数据的特征数目。     

基于带时间幂次项的灰色马尔可夫模型的中国能源强度预测研究

能源强度是衡量一国或地区能源利用效率的重要指标,掌握其变动趋势有利于准确把握经济结构和经济发展方式的变化,对其预测往往带有样本少、数据非线性非平稳波动的现实问题特征。针对传统灰色模型存在的适用范围有限、预测精度不高等局限性,为提升灰色模型的预测精度,在带时间幂次项的灰色GM(1,1,tα)模型预测基础上,运用马尔可夫链方法对预测结果进行修正处理,提出了带时间幂次项的灰色马尔可夫预测模型及相应的实现算法。该模型兼具灰色预测和马尔可夫预测的优点,将之应用于中国能源强度的短期年度预测。实例验证表明,其预测精度表现要优于单一灰色模型和灰色马尔可夫模型,能更好地拟合中国能源强度的变化趋势,这证实了所构建模型的有效性和可行性。