基于BP神经网络与粗糙集理论的分类挖掘方法

分类是数据挖掘中重要的课题,为协调决策分类,提出了一种基于粗糙集理论和BP神经网络的数据挖掘的方法。在此方法中首先用粗糙集约简决策表中的冗余属性,然后用BP神经网络进行噪声过滤,最后由粗糙集从约简的决策表中产生规则集。此方法不仅避免了从训练神经网络中提取规则的复杂性,而且有效的提高了分类的精确度。     

基于修正残差的物联网节点定位算法仿真

针对物联网系统中,底层传感节点种类众多,分布随机性很强,节点分布不均匀,节点之间的属性存在较大差异,很难建立统一的节点属性的测距模型.传统的测距定位算法由于无法建立统一的定位测距模型,造成在密集节点区域节点属性多样化明显,造成节点属性的测距误差较大,引起定位不准的问题.提出了一种基于修正残差算法的物联网节点定位方法.通过对测距结果进行测距残差的有效修复,在残差修正的基础上,利用跟踪滤波算法进行节点的跟踪处理,保证未知节点的位置计算的准确性.计算机仿真结果证明,改进方法能够较大幅度提高物联网结构下节点定位的准确性,在物联网小区域的节点定位领域有广阔的应用前景.     

物流需求预测算法的仿真研究

研究物流需求预测问题,影响物流需求因素过多且复杂,与经济消费和价格变化相关,是一种高度非线性关系,传统预测方法采用简单的数学模型进行预测,预测精度比较低,物流需求预测复杂的非线性问题已经成了物流界研究的重点.为了提高物流需求的预测精度,提出一种支持向量机的物流需求预测方法.通过采用支持向量机的非线性能力对历史物流需求量进行学习,通过粒子群算法获得模型最优参数,对将来物流需求进行预测.采用农产品物流需求数据对模型性能进行测试,测试结果表明,支持向量机提高了物流需求预测精度,对物流管理着着重要的现实意义,为预测提供了有效的方法.     

“web程序设计”教学改革探讨

结合近几年梧州学院计算机系所承担的应用型项目为案例,由浅入深,从部分到整体,从易到难,从框架设计到细节实现,先实验后讲解原理的路线对"web程序设计"的教学方式进行探讨。此教改通过一个学期的强化训练,模拟案例开发,学生能够了解项目的实际开发的全过程,以及项目开发的细节、核心技术,达到自己完全可以单独承担项目的开发的目标。     

基于改进的Apriori算法和遗传算法的数据挖掘模型

针对Apriori算法的局限性，本文在此算法的基础上应用基于划分技术的方法，并结合遗传算法的特点建立一种改进的Apriori算法和遗传算法的关联规则挖掘模型。同时对此模型中遗传算法的早熟问题进行研究，通过模型中的一个应用实例，证明了此模型在关联规则挖掘中是可行的，有效的。     

基于DSP的异步电机自适应模糊PID控制的设计

为了提高对交流异步电机的矢量控制能力。采用新型DSP芯片TMS320F2812并将一种具有白适应调整能力的模糊PID控制器应用于其中。该控制器将模糊控制原理与常规的PID控制算法相结合。通过模糊规则参数修正算法实现了对PID参数的在线调整,使系统具有自适应能力,从而改善了传统PID控制器在电机参数改变时鲁棒性较差、抗干扰能力差等不足[8]。实验结果表明,该自适应模糊PID控制器较常规PID控制器具有更好的控制效果。     

区域物流需求预测的应用研究

为了提高区域物流需求精度,综合考虑区域物流需求线性、周期性和非线性信息,提出了采用组合模型的预测方法.通过将各种单一预测模型看作代表不同信息的片段,通过BP神经网络对不同信息进行集成,充分利用各单项预测方法的有用信息,从而提高区域物流需求预测精度.通过上海市的物流需求数据对组合模型进行测试,实验结果表明,组合模型很好揭示了上海物流需求的变化规律,提高了物流需求的预测精度,为区域物流需求预测提供了一种新的思路和方法.     

复杂路网条件下的物流配送方案研究

为了有效提高在复杂路网条件下物流配送路径优化效率,文中提出了采用蚂蚁算法复杂路网条件下物流配送路径优化算法.算法运用Repast Simphony仿真平台和GIS技术,对复杂路网条件下的城市物流配送进行仿真实验.实验结果表明,该物流配送方案可以较好地解决了复杂路网条件下的车辆路径问题(VRP)难题,同时仿真实验模型简单,具有非常优越的可扩展性能.     

无线传感网中一种基于自回归模型的数据收集方案

数据收集问题是无线传感网中的一个研究热点。针对现有数据收集方法的不足,提出一种基于自回归模型的数据收集方案。首先分析感知数据稀疏性变化情况对于重构性能的影响,然后基于自回归模型对压缩感知重构问题进行建模,最后sink利用时间相关性来对重构误差进行评价,并根据重构误差要求来决定是否需要增加测量次数,从而实现对感知数据的自适应重构。仿真实验结果表明,该方法是有效的,在数据重构精度以及网络生命周期等方面要优于传统的方法。