Finding the shortest paths by node combination

By repeatedly combining the source node’s nearest neighbor, we propose a node combination (NC) method to implement the Dijkstra’s algorithm. The NC algorithm finds the shortest paths with three simple iterative steps: find the nearest neighbor of the source node, combine that node with the source node, and modify the weights on edges that connect to the nearest neighbor. The NC algorithm is more comprehensible and convenient for programming as there is no need to maintain a set with the nodes’ distances. Experimental evaluations on various networks reveal that the NC algorithm is as efficient as Dijkstra’s algorithm. As the whole process of the NC algorithm can be implemented with vectors, we also show how to find the shortest paths on a weight matrix.     

On the use of double cross-validation for the combination of proteomic mass spectral data for enhanced diagnosis and prediction

We consider a proteomic mass spectrometry case-control study for the calibration of a diagnostic rule for the detection of early-stage breast cancer. For each patient, a pair of two distinct mass spectra is recorded, each of which is derived from a different prior fractionation procedure on the available patient serum. We propose a procedure for combining the distinct spectral expressions from patients for the calibration of a diagnostic discriminant rule. This is achieved by first calibrating two distinct prediction rules separately, each on only one of the two available spectral data sources. A double cross-validatory approach is used to summarize the available spectral data using the two classifiers to posterior class probabilities, on which a combined predictor can be calibrated.     

Belief functions combination without the assumption of independence of the information sources

This paper considers the problem of combining belief functions obtained from not necessarily independent sources of information. It introduces two combination rules for the situation in which no assumption is made about the dependence of the information sources. These two rules are based on cautious combinations of plausibility and commonality functions, respectively. The paper studies the properties of these rules and their connection with Dempster’s rules of conditioning and combination and the minimum rule of possibility theory.     

基于方法集的棕地再开发项目组合评价研究

棕地再开发项目综合评价具有重要的理论意义实践意义.为了科学、合理地对棕地再开发项目进行评价,提出了一种基于方法集的组合评价模型.首先,分别应用灰色关联评价、模糊综合评价、TOPSIS和主成分评价分别对备选方案进行单一评价;然后,使用KENDALL-W协和系数检验对单一评价的排序结果进行统计一致性检验,并以满足统计一致性的评价方法构成方法集;其次,分别使用平均值法、Borda法、Copeland法对单一评价的排序结果进行组合评价,并使用循环组合的方法保证组合评价结果的完全一致性;最后,应用该模型对某市棕地再开发项目进行组合评价,评价结果验证了模型的有效性.     

具有工作故障及有限容量的MAP/M/1排队系统性能分析

为了拓展随机排队理论,在具有工作故障的MAP/M/1排队的基础上,引入有限容量策略建立起一个新的排队模型.通过Uniformization Technique将连续时间排队模型转化成对应的离散时间排队模型,运用矩阵几何组合解给出系统中的顾客数量和服务器状态的联合稳态概率表达式,并给出基于稳态概率的性能指标.最后通过一些数值例子展示参数对性能指标的影响.     

混合区间多尺度分解的区间时间序列组合预测

鉴于传统预测方法一直基于“点”来衡量时间序列数据,然而现实生活中在给定的时间段内许多变量是有区间限制的,点值预测会损失波动性信息。因此,本文提出了一种基于混合区间多尺度分解的组合预测方法。首先,建立区间离散小波分解方法(IDWT)、区间经验模态分解方法(IEMD)和区间奇异普分析方法(ISSA)。其次,用本文构建的IDWT、IEMD和ISSA对区间时间序列进行多尺度分解,从而得到区间趋势序列和残差序列。然后,用霍尔特指数平滑方法(Holt's)、支持向量回归(SVR)和BP神经网络对区间趋势序列和残差序列进行组合预测得到三种分解方法下的区间时间序列预测值。最后,用BP神经网络对各预测结果进行集成得到区间时间序列最终预测值。同时,为证明模型的有效性进行了AQI空气质量的实证预测分析,结果表明,本文所提出基于混合区间多尺度分解的组合预测方法具有较高的预测精度和良好的适用性。     

基于并列排名的组合评价方法及其鲁棒性分析

本文提出一种允许并列排名的组合评价方法,利用多种单一评价方法对方案进行排序,提取多个排序结果中的一致优劣关系作为约束条件,并以原始决策矩阵为自变量构造效用函数,通过目标规划求解各方案的综合效用值,以综合效用值的大小确定各方案的排名,综合效用值相同的方案被认为没有差别,排名并列。定义Weak-Kendall系数描述评价方法的鲁棒性,从数据的随机扰动和方案数量的变化两个角度设计仿真实验,引入实例,并与离差最大化法、均值法、模糊Borda法等组合评价方法进行比较,结果表明并列排名组合评价方法在这以上两方面具有更强的鲁棒性。最后,通过研究单一评价方法的选择对并列排名法的影响,探讨方法的改进方向。     

光纤传能的移动式激光诱导击穿光谱钢铁快速检测与分类

为了实现工业现场对特种钢材的快速检测与种类识别,采用基于光纤传能的移动式激光诱导击穿光谱（LIBS）样机对14种特种钢材进行光谱数据的采集与分析,采用预选谱线并遍历组合的降维方法与支持向量机(SVM)相结合的算法对特钢材料的光谱进行快速分类。分别将原始光谱数据、归一化处理后的光谱数据、归一化处理+遍历组合优选谱线数据作为SVM分类模型的输入向量,并对比了不同输入向量下模型对特钢识别的准确度。结果表明：在事先选出的51条特征谱线作为输入变量的基础上,归一化光谱数据作为SVM分类模型的输入特征时,识别准确度达到95.71%,明显高于使用原始光谱数据作为输入向量时SVM分类模型的准确度11.43%。进一步地,使用MATLAB程序遍历谱线组合,通过遍历各种谱线组合选出最优的输入谱线组合,当优选6条特定的谱线时,对特钢种类识别的准确度达到100%,且建模速度也有相应提升。可以看出,当预选出大量常见特征数据时,机器自动选取特征与人工挑选谱线相比,具有明显优势,基于此降维方法的SVM算法模型在LIBS快速分类技术中具有很好的工业应用前景。     

Ku/Ka波段双通带频率选择表面设计研究

为了实现双通带频率选择表面(FSS)在较厚介质基底、 较大频带间隔和入射角度下的工程应用, 设计制备了一种性能优良的Ku/Ka波段双频FSS结构. 利用FSS栅瓣图分析了FSS具有稳定滤波特性的条件. 应用矢量模式匹配法计算了基于分形技术和复合图形技术的FSS的传输特性. 根据单元谐振模式和FSS传输特性归纳了厚介质基底、较远双通带FSS的设计原则, 最终优化出一种由方环复合“Y”环单元组成的FSS结构. 结果表明: 该结构在6.7 mm厚介质基底上0°-45°扫描范围内, 在Ku/Ka波段具有稳定的双频传输特性, 透过率均优于75%. 这为设计基底厚度较大、频带间隔较远、入射角度要求较高的双带FSS结构提供了理论参考与实验依据. 关键词： 频率选择表面 双通带 分形结构FSS 复合结构FSS