一种基于概率加权的朴素贝叶斯分类

朴素贝叶斯分类是一种简单而高效的方法,但是它的属性独立性假设,影响了它的分类性能。为了克服该问题,提出了一种基于概率推理的加权朴素贝叶斯分类模型。通过计算属性和类之间的相关概率和不相关概率,对属性赋予不同的权重,从而在保持简单性的基础上有效地提高了朴素贝叶斯算     

基于LANDMARC的最近邻居改进算法

对基于动态主动式射频识别标定的定位识别(LANDMARC)室内定位系统算法进行了研究,针对现有LANDMARC室内定位系统算法最近邻居数量固定导致优良的最近邻居丢失、不良最近邻居引入的问题,提出了一种改进的最近邻居算法(K-nearest neighbor algorithm,KNN).该算法利用待测标签的预估位置,划定最近邻居的选择区域,然后根据选择区域内参考标签与预估位置能级差选择最近邻居.MATLAB仿真结果表明,在同等条件下的新算法定位精度提高了9.8%,最大误差降低了21.8%.     

基于Gauss分布和Gram-Schmidt正交化的朴素贝叶斯分类算法

朴素贝叶斯分类算法是一种简单实用的分类方法,人们对它的属性间条件独立性假设做了许多研究,致力于消除冗余属性、减少属性间的关联性,以获得一些新属性来使用朴素贝叶斯算法,但新属性间的独立性却不易度量,因而改进之处的理论支撑有所不足,改进后的朴素贝叶斯算法的效果更多的是由数据实验进行佐证。本文定义了Gauss分布型数据,提出了经Gram-Schmidt正交化方法改进的朴素贝叶斯算法,使其可以方便地使用于Gauss分布型数据的分类。该改进方法不同以往显式的构造新属性集或属性变换矩阵,而是直接正交化属性的样本数据,并证明了正交后的属性数据所对应的抽象新属性的独立性。这说明对于Gauss分布型数据的分类,原朴素贝叶斯算法中的条件独立性的假设不会给算法的使用造成障碍,经Gram-Schmidt正交化后即可满足这个约束条件。     

开关函数加权网络综合算法的改进

文献〔1〕根据任意开关函数可表示成某些变量重复的对称函数,即开关函数的加权表达式,提出了基于一位全加器的加权网络的代数综合算法。由于一位全加器的集成度低,因此需用较多的集成块。本文对文献〔1〕的算法作了改进,使之适用于四位全加器的情况。 四位二进制全加器的图形符号如图1所示。A_3～A_0、B_3～B_0为二个四位二进制数输入,C_0为低位进位输入,S_3～S_0为本位和输出,C_4为进位输出。其输出可表示为 C_4S_3S_2S_1S_0=A_3A_2A_1A_0+B_3B_2B_1B_0 +C_0 （1）式中“+”为二进制加法运算。     

基于多项式回归的自构形算法

自构形算法是BP神经网络提高泛化能力的一种方法,但自构形算法以线性回归理论为基础,在解决非线性问题时剪枝能力和收敛速度都存在不足,针对这一问题,提出基于多项式回归的自构形算法,并以风机故障诊断数据为例,对两种算法进行了详细的实验对比,实验表明基于多项式回归的自构形算法剪枝能力和收敛速度均优于线性自构形算法.     

一种基于优先级的加权公平队列调度算法

根据在无线传感器网络上传输实时业务的要求,深入研究了加权公平队列调度算法.在分析其无法保证实时业务的QoS的原因后,提出一种基于优先级的加权公平队列调度算法P-WFQ.这种算法利用滑动窗口将WFQ和基于优先级的机制结合起来,通过有效的优先级划分策略,在带宽受限的情况下,保证高优先级数据的QoS要求.仿真结果表明:P-WFQ在实时业务的时延性能上比WFQ有明显的改善,而且能够将实时业务的最大时延控制在允许范围之内.     

一种基于非参数贝叶斯模型的聚类算法

鉴于聚类分析是机器学习和数据挖掘领域的一项重要技术, 并且与监督学习不同的是聚类分析中没有类别或标签的指导信息, 所以如何选择合适的聚类个数(即模型选择)一直是聚类分析中的难点. 由此提出了一种基于Dirichlet过程混合模型的聚类算法, 并用collapsed Gibbs采样算法对混合模型的参数进行估计. 新算法基于非参数贝叶斯模型的框架, 能够在不断的采样过程中优化模型参数并形成合适的聚类个数. 在人工合成数据集和真实数据集上的聚类实验结果表明: 基于Dirichlet过程混合模型的聚类算法不但能够自动确定聚类个数, 而且具有较强灵活性和鲁棒性.     

基于改进贝叶斯和风险评估的无线传感网络信任模型

针对无线传感器网络加密手段和身份认证技术不能解决网络内部攻击问题,提出一种基于改进的贝叶斯和风险评估的无线传感器网络信任模型。该模型针对基本的贝叶斯信任模型进行改进,采用异常折扣因子防止非入侵因素导致的网络异常行为;为实现信任对时间的敏感性,提出了自适应遗忘因子来削弱过去行为的影响;为防止恶意节点的诋毁,利用偏离度来过滤某些推荐节点;同时提出了基于熵的风险评估机制,用于评价信任的不确定性。实验结果表明,所提出的模型具有较高的检测率与较低的误检率,能有效保障无线传感器网络安全性能,并延长网络的生命周期。     

改进的K最短路径算法在通信网络中的应用

经典的K最短路径算法是最短路径算法中一个重要分支,它在交通网络的实时路径选择中起到了很重要的作用,为了将经典的K最短路径算法应用于通信网络中,我们对经典的K最短路径算法进行了改进.在求解K最大期望容量路径算法时,先对其进行权重转换,然后使用MPS算法;在求解K最大容量路径算法时,选取每个弧段源点,终点和弧段对应3个容量值最大的来进行标号;在求解K最大期望容量路径时,建立一系列的子网络,在每个子网络中先求出K最大可靠路径,对其容量进行排序,选出最小的,将大于该最小容量的所有弧集构成的网络定义为它的子网络,以此类推直到源点到目标点没有路径为止,对每个子网络中选取的K最大期望容量路径进行统一排序得到原网络中的K最大期望路径.通过网络通信实例,验证了算法的正确性和可行性.     

一种基于SSM的HMM训练算法

在Baum-Welch(BW)算法的基础上提出了一种基于态相关方法(State—Specific Method：SSM)的隐马尔可夫模型(Hidden Markov Mode：HMM)参数估计算法(简称SBW算法)．该算法在估计HMM不同状态的概率密度函数(probability density function：PDF)的参数时使用了与状态有关的维数较低的特征集合．与传统的BW算法相比，新算法避免了直接估计高维的PDF参数．仿真实验表明，在训练数据量不足的情况下，采用SBW算法的误识率明显低于BW算法．     

一种基于GAF拓扑控制的加权质心定位算法

针对无线传感器网络节点定位的能量均衡问题,提出采用蜂窝结构GAF算法进行拓扑控制的基础上,使用改进的加权质心算法进行节点定位。该算法通过区域划分增加信标节点选择的有效性,通过对距离加权减少多径效应影响。性能分析和仿真结果表明该算法可构造良好的网络拓扑结构,均衡节点能耗,延长整个网络的生存周期,提高节点定位精度,在密集型网络中可获得良好的定位性能。 更多还原     

基于改进RRT-Connect的快速路径规划算法

针对双向快速扩展随机树(RRT-Connect)算法的路径规划效率较低且采样具有随机性,提出了基于RRT-Connect的改进算法(DRRT-Connect)。该算法在起始点与目标点中间选取一个第三节点作为扩展点,使算法可以同时从起始点、目标点和第三节点生成四棵随机树;同时在改进算法中引入自适应步长调节函数,当探索无障碍空间时,算法使用步长调节函数增大扩展步长,从而提高随机树探索空间的速度;在RRT-Connect算法的基础上引入目标偏置策略,使DRRT-Connect在探索无障碍空间时可以朝目标点进行快速扩展,在探索障碍物空间时则调用随机采样函数,使算法可以快速摆脱障碍物,防止陷入局部最优。将DRRT-Connect算法分别与RRT、RRT-Connect、RRT*算法进行仿真对比,结果表明DRRT-Connect在路径规划效率与迭代次数上均明显优于其他对比算法,其中相较于RRT-Connect算法,DRRT-Connect在路径规划速度上提高了50%,迭代次数上降低了32. 3%。     

基于GCC-PHAT的改进近场声源定位算法

结合GCC-PHAT与SRP搜索的算法被广泛应用于声源定位系统,但其定位结果随信噪比降低而恶化严重,且难以估计窄带声源。针对这些问题,提出一种用于近场模型的改进算法。首先计算阵列信号求和功率谱的峰均比,再经对数变换和设置噪声抑制阈值等步骤,得到反映频点信噪比的加权因子,将其应用在GCC-PHAT中,并进一步优化SRP搜索策略。大量仿真结果表明:改进的算法具有强的抗噪能力,且对宽带和窄带声源信号均有良好的估计效果,很适合实时处理。更多还原     

基于Hits算法的Web安全改进模型

针对某些恶意页面利用搜索引擎的局限性隐藏在搜索结果排名较靠前的位置这一问题,本文提出了基于Hits算法的Web安全改进模型.该模型在Hits算法的基础上,结合向量空间模型来评价网页的风险程度,通过对恶意页面的Authority值进行＂惩罚＂来降低恶意页面在搜索结果中的排序,从而减低恶意页面被访问到的概率.实验结果表明,恶意网页的Authority值明显降低,而非恶意网页的Authority值有所上升,这使得用户通过搜索引擎点击到恶意页面的概率大幅降低.     

基于用户相似度的加权项目偏差SlopeOne协同过滤推荐算法

协同过滤算法旨在从海量的历史数据中,挖掘出拥有共同经验的用户群体的行为习惯,以此来协助对目标用户的个性化偏好作出合理的预测。根据这些预测结果,对目标用户进行有针对性的产品或资讯推荐,这对商家来说具有重大的意义和价值。传统的SlopeOne协同过滤推荐算法虽然实现简单,运行效率高,但其准确率不高。为了进一步提高预测结果的准确率,同时又尽可能的保留原算法所具有的效率优势,提出了基于用户相似度的加权项目偏差计算方法,优化了项目之间偏差性的衡量尺度,从而得到基于用户相似度的加权项目偏差SlopeOne协同过滤推荐算法(WID_SlopeOne_US)。大量实验证明,新算法具有更高的准确率、较高的效率、和良好的稳定性等优点。     

基于自适应神经PID改进算法的非线性系统控制

通过研究非线性系统动态特性,分析了一般神经PID控制器的控制特点并在此基础上给出了一种改进算法.通过在线训练和学习来修正参数,实现神经网络自适应调整比例常数PID控制.该算法充分利用BP神经网络算法逼近任意连续有界非线性函数的能力,使得比例常数随着偏差的大小而变化,使目标函数达到最优化.仿侣真结果表明.在对非线性动态系统进行控制时,自适应PID神经网络控制算法具有很强的灵活性和高效性,能取得良好的控制性能.     

基于色差分析的图像边缘跟踪改进算法

在以色差分析边缘跟踪方法的基础上,针对内窥镜采集的临床图像的特点,将边缘检测和边缘点连接结合为一体,提出一种基于形状知识指导下的色差分析自适应边缘跟踪方法,实现了图像边缘特征点的全自动定位.实验表明,该方法快速而有效.     

基于改进阈值的小波域语音增强算法

提出了一种基于改进阈值的小波域语音增强算法.在阈值函数中引入参数,通过调整参数以获得较优的小波系数的阈值估计,使得改进阈值介于硬阈值与软阈值之间.利用改进阈值对染噪语音的小波系数进行阈值处理,达到了语音增强的目的.实验结果表明,该方法在抑制白噪声的同时减少了语音信息的损失,较硬阈值与软阈值的小波域语音增强方法相比,增强语音的信噪比、均方误差等性能均有明显的提高.     

基于改进遗传算子的QoS自适应路由算法

基于改进遗传算子的自适应路由算法有效地解决了应用RIP、SPF等协议造成的网络拥塞问题,模拟试验表明该算法简明有效。     

基于相关滤波的改进Staple人脸跟踪算法

在基于相关滤波的目标跟踪算法Staple的研究基础上,针对相关滤波在处理目标人脸消失、遮挡、脱离镜头时跟踪框漂移问题,本文提出一种自适应置信度机制的人脸跟踪算法.先通过人脸检测确定首帧人脸位置,再对相应位置的人脸的HOG特征与颜色特征进行提取,并预留两者特征,利用视频首帧提取的特征进行跟踪置信度判断,及时对融合特征进行更新.设计并实现了能够克服目标人脸位置移动、消失和表情姿态变化的人脸跟踪算法.实验表明,本文改进较前人算法有较大的提升.