一种新型的自适应多核学习算法

针对样本基数较大、 维数较高、 特征较复杂的数据集训练问题, 将支持向量机与蚁群优化算法相融合, 提出一种自适应多核学习算法. 利用吸引子传播聚类算法自适应地发现相似特征, 并据此利用蚁群算法自适应地选择核函数参数, 从而快速选择最优核函数. 通过UCI数据集的5组数据实验表明, 该算法相比于传统的支持向量机分类准确率和F₁值更高, 验证了该算法的有效性和可行性.     

一种求解复杂优化问题的快速遗传算法算子

针对利用遗传算法解决参数维度高、计算复杂,且适应度依赖于其他工具的问题,提出一种加快遗传算法收敛速度的聚集算子.该算子首先利用AP(affinity propagation)聚类对种群进行划分,然后通过主成分分析(PCA)对每个聚簇降维,再利用加权最小二乘法在低维空间下将种群分布拟合成二次曲面,并将计算极值点作为优势个...     

基于MEMS微芯片的井下多物理场微型测量器

通过随钻测量工具获取井下工程参数是准确掌握井筒信息的有效手段,基于微机电系统(micro-electromechanical systems, MEMS)技术,研发一款集井下温度、压力、磁场和动力学信号测量为一体的微型测量器,以实现对井下多个物理场的协同测量,最终目的是通过多维数据的分析进行井下复杂工况的判断。通过室内管柱循环试验测试,对微型测量器的移动高效性和功能完整性进行验证。结果表明,获得的测量数据可以较好地反映井下漏失、溢流等复杂情况。