面向异常检测的时间序列树突状细胞算法

针对树突状细胞算法中信号及参数的定义存在高度随机性,导致检测率较低的问题,提出了一种时间序列数据的异常检测树突状细胞算法．采用多维数据流相关性分析和变化点检测方法对抗原进行检测,遴选出能够反映突变状态的关键点数据作为异常活动候选解;基于变化点子空间追踪算法提取特征集,准确地获取及分类各种输入信号子空间;在算法的上下文评估中加入动态迁移阈值的概念,累积一定窗口时间内的抗原评估,有效地减少了误判率．通过仿真实验证明该算法能够利用更少的存储空间和计算资源,有效地提高异常检测的检测率与准确率,具有更高的稳定性．     

基于灰色Elman-NN模型的乡村旅游游客流量预测方法

影响乡村旅游游客流量因素较多，导致乡村旅游游客流量预测误差较大，并且效率较低，设计一种基于灰色Elman-NN模型的乡村旅游游客流量预测方法。将所有数据按照一定的顺序排列，选取预测因子，对旅游数据关联度计算，采用灰色Elman-NN模型实现了乡村旅游游客流量预测。实验结果表明，所研究的基于灰色Elman-NN模型的乡村旅游游客流量预测方法在节假日前与节假日时的客流量预测上误差都较低，并且预测效率较高，满足乡村旅游游客流量预测方法的设计需求。     

统计调优的算法及编程

对数学模型进行编程，在计算机上实现统计调优技术。     

基于优化目标可调控的免疫网络算法的分析与应用

针对目前几种免疫网络模型在数据聚类方面应用的一些不足,在aiNet免疫算法的基础上结合函数优化的思想提出一种基于目标可调控的免疫模型。并在算法中给出目标控制函数,和细胞记忆库的概念。本算法提高了免疫学习质量并从整体上对免疫网络进行优化。     

免疫Agents在网络故障诊断方法中的研究

针对传统的网络故障诊断方法普遍具有自适应差、误报率高等的不足,提出了一种结合免疫算法和agent技术的网络故障诊断方法。在分布式环境中,按照网络的不同特征和环境差异,利用不同功能、不同类别的agent进行故障诊断,同时各agent之间能够互相协作,彼此进行信息交流,和采集数据,从而对所获得的故障类型进行诊断。实验证明,该方法能够对网络故障类型进行有效的判定,对以后大型网络故障诊断是一个很好的借鉴。     

基于KRTG的动态拓扑结构的粒子群算法研究

标准的粒子群优化算法作为一种随机全局搜索算法,因其在种群中传播速度过快,易陷入局部最优解。基于KRTG的动态拓扑结构的粒子群算法（KRTGPSO）,从粒子间的拓扑结构出发,动态地调整种群的拓扑结构,增加种群的多样性,使算法收敛于全局最优解。通过测试函数以及与其他算法的比较,并通过实验表明,该算法在收敛速度与数据精度上收到了满意的效果。     

基于独特型免疫网络的故障诊断方法研究

随着目前大型设备的日益复杂,传感器节点之间的数据是动态互相影响的,如果仅靠从知识库中去寻找最佳匹配来诊断故障,很容易发生漏诊或误诊。根据Jerne的独特型网络理论提出了一个简单、通用性好,能综合反映网络细胞（抗体和抗原）的浓度、相似度信息,以提高免疫算法的全局搜索能力的模型,该模型利用案例检索的优势,考虑了机电设备结点之间相互影响的特性。实验证明,该模型在加快免疫算法后期的收敛速度和提高故障检测率方面均高于其他算法。     

基于融合注意力机制的图像标题生成

图像标题生成利用机器自动产生描述图像的句子,属于计算机视觉与自然语言处理的交叉领域.传统基于注意力机制的算法侧重特征图不同区域,忽略特征图通道,易造成注意偏差.该模型通过当前嵌入单词与隐藏层状态的耦合度来赋予特征图不同通道相应权重,并将其与传统方法结合为融合注意力机制,准确定位注意位置.实验结果均在指定的评估方法上有一定的提升,表明该模型可以生成更加流利准确的自然语句.     

(40+56+40)m铁路连续箱梁桥满堂支架设计

结合某(40+56+40)m铁路连续箱梁桥的施工实例,从支架的稳定性、纵横木的强度、刚度以及地基承载力三个方面对碗扣型满堂支架进行了设计及验算,并对支架搭设要点进行了总结,对现浇箱梁的施工有一定的参考价值。