基于权重学习的图像最大权对集匹配模型

在图匹配模型中权重的设置对匹配性能有很大影响,但直接计算的权重往往不符合匹配图像的实际情况。为此,参照二次分配问题的图匹配学习思想,给出一阶和二阶最大权对集模型的权重学习计算方法。一阶最大权对集模型直接采用图像特征点作为图的顶点,而二阶最大权对集模型则采用某些特征点之间的连接边作为顶点,2个模型都可以通过Kuhn-Munkras算法求解。一阶最大权对集模型在本质上等价于二次分配问题的线性情况。在CMU House数据库上的图像匹配实验结果表明,二阶最大权对集模型优于一阶最大权对集模型,且两者在学习计算时的性能也优于直接计算的情况。     

基于权重学习的图像最大权对集胚配模型

在图匹配模型中权重的设置对匹配性能有很大影响,但直接计算的权重往往不符合匹配图像的实际情况。为此,参照二次分配问题的图匹配学习思想,给出一阶和二阶最大权对集模型的权重学习计算方法。一阶最大权对集模型直接采用图像特征点作为图的顶点,而二阶最大权对集模型则采用某些特征点之间的连接边作为顶点,2个模型都可以通过Kuhn—Munkras算法求解。一阶最大权对集模型在本质上等价于二次分配问题的线性情况。在CMUHouse数据库上的图像匹配实验结果表明,二阶最大权对集模型优于一阶最大权对集模型,且两者在学习计算时的性能也优于直接计算的情况。     

一种基于替代迹的蜂窝网信道分配Actor-Critic算法

针对D2D混合蜂窝网络在进行信道分配时难以在较高信噪比条件下进行自动信道分配的问题,提出了一种基于替代迹的蜂窝网络信道分配Actor-Critic算法。首先,在定义了信道分配的约束条件下对信道分配问题进行数学建模,然后,建立信道分配问题的MDP模型,在MDP模型的基础上定义基于替代迹的Actor-Critic算法。Actor部分采用基于模拟退火的探索策略,通过温度变化自适应控制状态空间中探索的范围,将Critic部分求解的值函数的时间差分误差用于更新该策略的优先级,再依优先级对策略进行更新。Critic部分采用基于替代迹的值函数更新方式,并计算值函数的时间差分误差,以指导Actor改进策略。为了验证文中方法,对基于替代迹的蜂窝网络信道分配问题进行了仿真和验证,结果表明了文中方法具有系统吞吐量大和信噪比高的优点,是一种可行的混合蜂窝网络的信道分配方法。     

正定二次最优控制问题的最优值的估计

众多实际应用中,人们常用正定二次规划方法对正定二次最优控制问题的最优值进行逼近估计.为简化计算和加快计算速度,本文设计了一种新的算法,利用线性规划代替二次规划.先用最优控制方法构造一个线性规划,使其最优值与给定二次规划相差一个容易确定的常数.由于线性规划具有形式简单和算法成熟等特点,本文的方法就简化了正定二次最优控制问题的最优值的估计,并加快了计算速度.文中给出一个例子说明这一计算过程,并讨论了计算速度.同时,本文的最后部分,利用参数规划,给出了一个供实际应用的具体算法.     

基于多元回归算法的PaaS平台资源自动化分配方法

针对PaaS平台下资源离散性过强、数据量过大导致的分配不均问题,提出了一种基于多元回归的自动化分配算法实现有效解决。统计所有资源数据样本,利用多元回归算法计算观测序列中残差平方和最小的样本集,代入损失函数中求出损失差值,得到最小损失值,根据梯度下降规律寻找集合中梯度值最优样本,以该样本作为分配参照。设立一套内容为分配与参考样本值相关度最高的资源数据约束条件,不断迭代计算直至求得所有符合约束条件的资源,将符合条件的为一组分配,剩余为另一组分配。根据资源的时间和位数的分布序列,不断实施离散捕捉查找残留资源,再实施二次分配。仿真实验证明,所提方法分配后PaaS平台资源吞吐量增加,消耗代价减少,算法分配时间较低,整体实用能力强。     

二次规划在制定均衡用电生产计划中的应用

本文针对工厂电力尖峰负荷问题,研究制定耗电均衡且生产均衡的生产计划,来达到降低电力尖峰负荷值,削峰填谷,均衡用电的目的。本文采用二次规划来描述上述问题,运用了Wolfe 的二次规划转化为线性规划的方法进行求解,并具体应用于某钢厂的旬炼钢计划的制定。最后,将本文的计算结果与原有的旬炼钢计划进行了比较。     

基于自组网络的武器火力饱和分配研究

针对武器火力分配中网络自组连通情况及能否饱和分配问题,研究了网络自组及饱和攻击数计算方法和匈牙利分配算法,并对其进行了改进.首先根据有效通信距离和火力单元之间距离求解任意两火力单元的连通概率,得出连通概率矩阵,将矩阵中数值规范化,并利用准平方法计算得出网络连接矩阵;然后,根据敌我双方信息,构建火力分配模型;最后,求出各个目标饱和攻击数,运用改进匈牙利算法构建火力分配模型,并根据目标饱和情况进行二次分配.仿真结果表明,在自组网的基础上,运用改进后的匈牙利算法可以有效的解决饱和分配问题.     

两种湍流模型在风洞拐角流场计算中的应用及比较

为降低风洞拐角压力损失,提高其气动性能,使用雷诺应力模型(Reynolds Stress Model,RSM)和k-ε湍流模型对其流场进行数值模拟,分析和比较两种模型在压力损失因数、壁面摩擦损失和二次流损失上的异同,得出:使用两种模型均能发现拐角压力损失因数并不随雷诺数变化而变化;使用RSM得到的压力损失因数与实验值更为接近;相同雷诺数下,使用RSM计算得到的壁面摩擦损失因数比k-ε湍流模型的大,但两种模型得到的壁面摩擦损失因数变化趋势一致;两种模型计算得到的二次流损失随雷诺数变化规律一致,但是在相同雷诺数下,使用k-ε湍流模型计算得到的二次流损失比RSM大.     

基于减少相似主题分类错误的权重分配新策略

文本分类的研究者一直在提高文本的分类精度方面做着不懈的努力,在实验中发现,相似主题的文档的分类错误率比较高,该文尝试着提出了一种二次权重分配的新的特征权值分配策略,构造了一种计算难以区分的主题类别的特征辨别能力的权值函数,目的是减少相似主题类别的文档的分类错误。     

基于知识的集装箱堆场箱位分配计划研究*

针对集装箱堆场箱位分配问题中规则因素较强的特点,建立基于知识的箱位分配计划方法。首先描述了该问题中知识构成和表示方法;并提出了基于知识的箱位分配模型,包括分配区域划分、作业模式及规则匹配、最优箱位选择三个部分。实例分析表明本方法可取得良好的箱位分配效果。     

基于模糊数学的高校招生来源计划编制模型研究*

针对影响高校招生来源计划编制的主要因素进行了较全面的分析,建立了多因素、多层次的高校招生来源计划编制指标体系;对于影响高校招生来源计划因素之间存在的不确定性和模糊性等特点,提出一种基于模糊数学的高校招生来源计划编制模型,通过应用实例验证了该模型的有效性和实用性。     

基于模糊数学的高校招生计划编制系统

科学合理地编制高校招生来源计划,有利于优化配置优质高等教育资源,促进教育公平。提出了基于教育网的高校招生计划编制决策支持系统的体系结构,采用面向对象的分析与设计方法,使用统一建模语言UML对系统进行建模,并提出一种基于模糊数学的招生计划编制模型,最后采用C/S模式实现了该系统。     

大类招生下的计算机科学与技术专业课程体系的改革研究

针对目前高校趋向大类招生,专业培养方案的修订、课程体系的改革成为热点问题,在分析大类招生的特点、必要性的基础上,以我校计算机科学与技术专业的培养方案、课程体系为例,提出对本专业培养方案进行改革,使学生能更好地适应社会,满足社会需求,实践证明,效果良好。     

关联规则挖掘在高校招生决策中的应用研究

高校每年招生都积累大量的高招录取数据，这些数据中隐藏着宝贵的生源信息知识，采用矩阵等价类关联规则挖掘算法，对高招录取数据进行关联规则挖掘．并通过实验证明所挖掘的关联规则能够为高校投放招生计划、安排招生宣传方案等工作提供决策辅助．具有很广泛的应用价值。     

数据挖掘在高校招生预测中的应用研究

高校招生人数准确预测问题,高校招生人数由于受到当前国家政策、社会需求、社会经济状态等因素综合影响,使招生人数变化存在非线性、复杂性。传统预测线性模型难以进行准确预测,预测准确率低。为了提高高校招生人数预测准确率,提出一种数据挖掘的高校招生人数预测模型。首先采用数据重构方法,获取多维高校历史数据,然后采用主成分分析对其进行处理,消除数据之间的重复信息,最后采用非线性预测能力强的支持向量机进行建模。采用某高校1994-2010年招生数据对模型的性能进行仿真,预测准确率高,证明建立的模型可以为高校招生未来人数预测提供参考。     

关联规则在独立学院招生决策中的应用

关联规则(Association Rule)是数据挖掘领域中一个重要的研究课题,广泛应用于各个领域,既可以检验行业内长期形成的知识模式,也能够发现隐藏的新规律。本文利用关联规则对独立学院招生信息进行分析,建立独立学院招生决策模型。首先选取考生高考志愿表中的专业信息,然后利用关联规则进行挖掘,最后对挖掘出的规则进行分析和应用。实验结果表明,利用关联规则对考生高考志愿信息进行挖掘是可行的、有效的,它为独立学院编制招生计划和制定招生宣传方案提供了一种新的参考依据,在独立学院招生领域具有较好的应用前景。     

基于模糊集的高校网络安全等级保护体系研究

依据网络安全等级保护的相关法规指南,构建信息系统安全的测评指标体系和模型。该模型运用模糊综合评判决策方法,逐级确定网络和信息安全、应用安全等指标权重,计算出测评对象关于安全保护等级的测评值与其相对应标准之间的差距,对相关因素进行关联度分析并给予相应修正。结合某高校正在运行的某一测评对象进行等级测评实例分析,验证了该模型的实用性。     

多物流配送中心优化选址决策模型研究

坚持物流配送中心选址与企业长期发展相结合,综合考虑选址方案带来的建设运营成本和长期配送费用,运用粗糙集方法和群决策特征根法对所有定性因素进行综合评判,并把定性要素综合评判值与定量要素相结合构建决策模型。利用遗传算法进行最优决策方案选择,实现了对企业物流配送中心选址过程中所有定性和定量影响因素的综合考虑,同时增加了配送费用考虑年限参数[λ],使得模型具有了更强的实用性。通过仿真实验,模型的有效性和实用性得到了充分的验证。     

SOM神经网络在独立学院招生决策中的应用

自组织映射(SOM)是一种竞争型无指导学习的神经网络方法。SOM神经网络已广泛地应用于模式聚类、模式识别、拓扑不变性映射等方面。本文利用SOM对中国31个省份进行聚类分析,建立独立学院招生决策模型。首先,选取各省份的报到率、第一志愿率和人均GDP等作为SOM神经网络的输入模式;然后,用SOM进行聚类;最后,对聚类结果进行分析得出各类的生源地特征和等级。实验结果表明,利用SOM对生源地进行聚类分析是可行的、有效的,可以避开人的主观因素,更迅速客观地得到聚类结果。它为独立学院编制招生计划和招生宣传方案提供了一种新的参考依据,在独立学院招生领域具有较好的应用前景。     

中间件技术在全国普通高校招生系统中的应用

实现Three-Tier结构系统的关键技术是中间件技术,基于组件的中间件模型可适应现实应用多变的需求,同时降低应用客户端的复杂性,保证了快速升级和应用的高性能,给出一个通用的基于组 件的中间件模型以及在高校招生系统中的应用与实现。