基于MSTSO算法的冷水机组负荷分配模型研究

为降低空调系统的运行能耗,优化冷水机组的负荷分配,首先提出了一种多策略改进的金枪鱼优化算法(MSTSO),引入黄金正弦觅食机制和非线性惯性权重来加强算法对最优解的全局定位能力;通过蜜獾随机搜索策略赋予算法更强的性能以跳出局部最优。接着利用双向长短期记忆网络(BiLSTM)搭建能效预测模型并用MSTSO算法对其初始参数进行寻优从而获得最佳训练效果。最后进一步提出BiLSTM-MSTSO负荷分配模型,对多台冷水机组的负荷进行合理分配与优化。实验结果表明,优化后的BiLSTM预测模型拥有更高的预测精度,MSTSO算法相较其他智能优化算法可以减少更多的能耗并最大化提升冷水机组的运行效率。因此BiLSTM-MSTSO智能模型适用于多冷水机组的能耗预测与优化。     

微粒群并行聚类在客户细分中的应用 *

提出了基于自适应微粒群优化的并行聚类算法 ,采用了任务分布方案和部分异步并行通信 ,降低了计算时间。这种并行自适应微粒群算法结合了并行微粒群算法的快速寻优能力和自适应参数动态优化特性 ,保持了群体多样性从而避免了种群退化。最后将该算法应用于电信客户细分中。实验证明 ,该算法在并行机群上具有了较好的准确性、加速性和可扩展性。     

改进RPE算法的神经网络在客户欺诈预测中的应用

客户欺诈在一定程度上抑制了消费，这会妨碍电信运营商和电信用户的亲密度，从而削弱电信运营商的市场竞争力。客户欺诈现象存在非常复杂的多元非线性关系，从统计学角度出发，难以建立预测模型，针对这些问题，提出了基于递推预报误差(RPE)算法神经网络的方法建模，并采用改进的动态遗忘因子方法保证了平稳收敛。实验结果表明，用该算法预测客户欺诈的危险度效果优于BP神经网络模型，具有实用性和有效性。     

基于智能体的电子商务协作推荐系统

传统的协作筛方法存在的主要问题是需要人为地提供评价，该文对其进行了改进，根据用户事务模式自动获取用户评价，构建评价矩阵。针对现有个性化信息推荐系统存在的问题，将Agent应用到电子商务个性化信息推荐，引入设计的协作筛方法，设计了基于Agent的电子商务协作推荐系统(ECCRS)。ECCRS是基于服务器端的电子商务协作推荐系统，它考虑了用户访问页面的时间特性，不需要用户注册，在推荐时考虑了页面的新颖性，同时实现了离线处理、增量更新与在线推荐的结合。实验结果表明，ECCRS采用的推荐方法是有效的。     

基于鲁棒最小二乘支持向量机的电机振动故障诊断

对时序数据建模与辨识技术进行了分析，提出了使用鲁棒最小二乘支持向量机(LS-SVM)算法建立自回归移动平均(ARMA)时序预测模型。该模型是在LS-SVM的约束条件中考虑了鲁棒特性和时序模型参数，使之在求解的过程中对孤立点与噪声不敏感，并且能准确地辨识时序模型参数。考虑到电机振动故障诊断的输入输出数据集间存在着复杂非线性时序上的关系，通过用基于鲁棒LS-SVM的ARMA模型预报电机的振动值，从而预测电机振动故障。实验表明该模型在对非线性时间序列预测精度和稳定性上具有明显的优越性，为确保电机正常运行创造了良好条件。     

和声搜索的半监督聚类研究与应用

由于现有的聚类算法还存在一些问题,研究了如何用和声搜索算法快速寻找最优的聚类中心,对于和声搜索算法也进行了一些改进.为了获得最佳的类中心数,采用了半监督方式循环测试各种中心数情况下的聚类质量.考虑到各维特征属性对聚类效果影响不同,采用了维度加权的方法进行特征选择.所有这些措施都是为了达到一个更好的聚类效果.实验结果表明,该聚类算法性能优于其它同类算法.算法被应用于并行计算性能分析中,用于区分和识别并行机的各个处理器运行性能类别.     

自构建小波神经网络的内模控制在深度脱硅中的应用

为了稳定氧化铝深度脱硅过程的热工制度和降低能耗,采用小波神经网络辨识的内模控制方法进行氧化铝深度脱硅工艺过程控制。根据小波基函数的激励强度和衰减程度可以添加或者删除小波神经网络隐含层神经元,从而优化小波神经网络隐含层结构。再用自构建小波神经网络辨识内模控制系统的正模型和逆模型,从而改进神经网络内模控制技术。实验结果表明,所提出的控制方法比传统方法在鲁棒性和抗扰性方面具有更好的性能表现,各项指标均优于传统控制方法,实现了氧化铝深度脱硅工艺优化。     

一种快速并行关联规则算法研究及仿真*

在比较了当前几种并行关联规则挖掘算法的基础上,对并行关联规则算法进行了比较全面的分析,为了解决其性能和效率方面存在的问题,提出了一种快速挖掘策略的并行处理算法（FPARM）,并对这种快速并行关联规则算法的性能作了比较分析。经过计算机仿真实验的性能比较,采用快速并行算法的性能和效率提高了,达到了算法优化的目的。     

一种变步长CMAC的沉降NARMAX模型*

为了提高氧化铝生产质量和降低能耗,本文分析了氧化铝沉降工艺中影响沉降过程的各种因素,采用小脑模型神经网络(CMAC)系统辨识的方法建立沉降系统的带外部输入的自回归滑移模型(ARMAX)。针对CMAC收敛性存在的问题,提出了基于变步长小脑模型神经网络(CMAC)算法,通过双曲正割函数优化学习步长,提高了小脑模型神经网络算法的收敛速度和计算精度,进而优化了沉降槽密度ARMAX模型。仿真实验表明,该算法的ARMAX模型可以对沉降过程中的槽内密度进行准确识别,指导氧化铝的沉降生产操作。     

自构建小波神经网络的内模控制研究与应用

考虑到小波神经网络隐含层神经元的数目决定了整个网络的规模和性能,根据小波基函数的激励强度和衰减程度可以添加或者删除小波神经网络隐含层神经元,优化了小波神经网络隐含层结构,采用自构建小波神经网络辨识内模控制系统的正模型和逆模型,该模型的神经网络结构可根据性能要求动态调整,从而改进了神经网络内模控制技术,实验结果表明,提出的控制方法比传统方法在鲁棒性和抗扰性方面具有更好的性能表现,各项指标均优于传统控制方法.实现氧化铝熟料烧结工艺优化。