基于用户相关反馈的排序学习算法研究

在信息检索中,系统需要根据用户查询将文档按照相似度大小进行排序,吸引了众多信息检索和机器学习领域研究者的眼球,并形成了诸多排序算法模型。然而并未考虑到查询短语与文档构成的特征对与用户相关反馈之间存在的同质性。在机器学习算法基础上,通过提取训练样本的主要特征进行有效聚类,并结合用户的相关反馈获取各个类中相关度判断的置信值,形成相似度判定模型,应用该模型来对测试样本进行相关度排序。算法对LETOR数据集进行了测试,实验表明,信息检索性能指标比其他排序算法有了进一步提高,并且无需复杂的数据预处理工作和手动设定算法参数。     

排除虚假交叉定位点的新方法

多站测向交叉定位法是无源定位方法中应用较多的一种,但该方法易产生大量虚假定位点。针对这个问题,提出了一种排除交叉定位中虚假点的新方法。该方法以两个观测站为主站,其他观测站为辅站,利用辅站数据对主站数据进行筛选及反馈从而快速排除两主站中的虚假点。仿真结果表明,该算法能够快速、准确地排除虚假定位点。     

信息推荐系统中的朋友关系预测算法设计

伴随着互联网规模的不断扩展,信息过载问题越来越突出。信息推荐系统被视为解决信息过载问题的最有效方法。然而目前的方法大多数仅考虑用户独立的反馈,而忽略用户的社会属性对推荐的重要作用,这对信息推荐系统的性能会造成巨大的影响。为此,本文提出了基于朋友关系预测的信息推荐算法,将用户的社会关系预测引入信息推荐过程中,分别基于用户的拓扑信息及历史交互信息建立用户社会关系的存在性判定及关系类型判定,并利用线性回归分析方法和逻辑回归分析方法实现了基本特征的融合。最后,通过在Epinions和Slashdot真实数据集上的实验证明,本方法能够有效提高用户社会关系预测的准确性。     

多通道图注意力解耦社交推荐方法

提出具有解耦能力的多通道图注意力社交推荐模型,该模型主要包括深度聚类模块、多通道图注意力聚合模块和评分预测模块。其中,深度聚类模块用于对用户和项目进行分组,并利用聚类结果将用户社交图和用户项目图拆分成多个用户社交子图及用户项目子图,以学习用户兴趣分组及用户对不同类项目的兴趣；多通道图注意力聚合模块学习不同子图对预测结果的注意力；评分预测模块将学习到的用户表示向量和项目表示向量输入多层感知机进行评分预测。在多个真实数据集上的实验结果表明:提出的方法优于其他社交推荐算法。与最新的用于社交推荐的图神经网络方法相比,在Ciao和Epinions数据集上,均方根误差分别降低了2.26%和2.07%,平均绝对误差分别降低了2.58%和3.06%。     

基于Vague集ELINT系统的效能评估算法

为了解决指标取值不确定情况下ELINT系统效能评估问题,提出了基于Vague集的ELINT系统效能模糊评估算法.结合ELINT系统工作原理,梳理出评估指标,建立评估指标体系;将Vague集理论与ELINT系统相结合,通过计算待测系统Vague集和期望Vague集的相似度,利用综合决策规则对系统效能进行优劣排序.通过实例仿真与数据计算,证明了该算法可以解决在样本指标取值不确定时ELINT系统效能评估问题.     

基于神经网络集成方法预测膜蛋白类型

由Chou等人提出的预测膜蛋白分类的机器学习算法在近年来不断改进,使得预测膜蛋白类型的准确率越来越高。但是由于膜蛋白类分布不均衡而导致少数类的预测准确率非常低,使用神经网络集成方法能解决此问题。该方法中Bagging算法通过对多数类欠采样和少数类过采样来解决膜蛋白训练数据集不均衡问题。此外,用神经网络集成方法对已训练数据集和独立数据集进行分类测试,得出神经网络集成方法预测效果优于单个最好神经网络。该方法为解决蛋白质分类预测问题提供了一种新的策略,特别是训练数据集不均衡时,该方法的优势更加明显。     

基于GM(1,1)预测与改进Vague集距离的装甲分队目标威胁评估

针对装甲分队目标威胁评估动态指标的变化特性,运用灰色模型(Grey Model,GM(1,1))对装甲分队目标威胁评估动态指标进行了预测;针对现有vague集距离度量法缺失信息较多、违背直觉等不足,通过理论推导提出了vague集新的距离度量公式,然后将其应用到TOPSIS(Technique for Order Preference by Simularity to Ideal Solution)算法中,对装甲分队目标威胁进行了评估与排序,并与非预测方法的评估结果进行了对比,结果表明:采用本文提出的评估算法得出的评估结果更加合理有效,研究成果可为装甲分队火力优化分配提供科学参考。     

一种基于灰关联分析的QoS服务选择方法

随着网络中可供选择QoS服务日益增多,在用户请求服务时,为了确保用户获得满足其功能与QoS要求的服务,提出了一种基于灰关联分析的QoS服务选择方法,根据用户对网络服务的QoS需求估计各项QoS指标的主观权重,以用户的偏好感知作为服务选择的约束条件;基于候选服务集合构建候选服务决策矩阵,采用灰关联分析方法从中获得用户QoS满意度最高的服务。仿真和分析表明,该服务选择策略能为服务质量敏感的用户提供有效的满足QoS需求的服务方案。     

基于数据场改进的目标分群算法

针对支持向量聚类算法训练样本不稳定问题,引入数据场概念,提出一种基于数据场的支持向量聚类算法,将数域空间构成的数据场中势值较高样本作为训练集获得模型再进行预测聚类。将改进的算法用于态势估计中目标分群问题,仿真结果表明:该算法在样本容量不是很高条件下的准确率较传统算法有所提高,很好地解决了训练样本选择影响聚类效果的问题,但改进后算法耗时较原先有所增加。     

基于BP神经网络的水下对抗预测模型研究

针对水下平台水下对抗作战量化验证评估困难、指导机动规避作战模型欠缺等问题,设计了一种基于大数据学习的水下对抗预测模型。首先进行水下平台水下对抗建模,基于蒙特卡洛方法执行若干轮次仿真获得规避概率数据集;同时,为解决海量仿真下时间效率不佳的问题,提出利用BP神经网络预测算法进行数据学习,提供准确、快速、可视化的对抗结果。试验结果表明,在本文设定的试验环境下,基于BP神经网络预测算法的平均预测误差为7.28%,可有效对水下平台规避概率进行预测,为指挥员指挥决策提供数据支撑。     

基于随机搜索策略的中继卫星调度方法

高质量的调度方案不仅能满足用户的需求,还能为中继卫星系统的计划编制提供科学的决策手段和依据。针对日益多样化的用户需求,采用全新的中继卫星调度应用模式,允许用户提交多个可以滑动的时间窗口。面向这种调度模式,考虑中继业务中任务调度的灵活性和任务间的冲突,构建考虑多滑动窗口的中继卫星调度模型,并设计基于随机搜索策略的中继卫星调度算法。算法包括任务资源匹配与邻域生成、可用时间段生成、任务冲突分析、邻域搜索与冲突消解以及资源与任务集更新5个算子。通过仿真实验将该算法与基于时间自由度的启发式算法进行对比,验证了算法的有效性。     

神经网络和DEA方法的炮兵火力毁伤先验评估模型

提出运用BP神经网络理论和数据包络分析(DEA)方法,对炮兵火力毁伤先验评估问题进行研究。利用以往经验数据建立样本集,通过BP神经网络预测模型,对待评估的炮兵火力毁伤计划进行分析,预测其毁伤效益,再建立带有偏好锥结构的DEA评估模型,分析火力计划的可行性和合理性;最后以某部17组炮兵火力毁伤数据进行实例分析。结果表明,该模型能给出科学、明确、可靠的先验评估结果。     

基于元学习的作战行动效能评估标准数据生成方法研究

部队作战行动效能评估难度大的主要原因是缺乏科学可靠的评估标准数据。为了选择适当的算法生成评估标准数据,建立了基于元学习的评估标准数据生成方法总体框架,并提出集成近似排序树方法来建立作战行动数据集元特征与算法性能排序的映射关系形成元知识,从而辅助指挥决策人员选择适当的算法生成评估标准数据。     

基于流量均衡和跨层技术的星群路由算法

针对分布式星群网络业务通信QoS不高的问题,提出了一种基于流量均衡和跨层技术的分布式星群网络路由算法(TACA)。该算法首先通过跨层技术将物理层、MAC层的相关信息搜集起来,作为判断链路负载状况的依据;然后对不同类型的业务进行分类,根据链路负载状况和业务QoS级别选择不同的路由层次,从而均衡流量以提高QoS。仿真表明,该路由算法在一定程度上降低了星群的呼叫阻塞率和切换阻塞率,平衡了网络的负载,提高了网络吞吐量。     

基于K-means-RBF的机载传感器评估

针对传统RBF神经网络存在的高维数据学习训练问题,采用K-means聚类算法设计RBF神经网络数据中心,建立基于聚类RBF神经网络的机载传感器精度评估模型,运用改进的RBF神经网络对机载传感器系统进行精度评估研究.仿真研究结果表明,与传统RBF神经网络评估算法相比,该算法有效减少评估时间,提高预测精度,表明算法是合理和有效的.     

基于LVQ网络的高校科研能力评估

作为高校核心能力的科研能力,其高低已成为衡量一所高校综合实力的重要指标。如何准确高效的评价高校科研能力成为政府、企业和高校面临的一个十分重要的问题。影响高校科研能力的因素众多,本文选取11个典型指标,建立了基于LVQ的高校科研能力评估模型及算法。首先,介绍了LVQ网络;其次,建立了一种新的基于LVQ的高校科研能力评估模型及算法;最后,利用MATLAB R2009a编程实现了LVQ高校科研能力评估模型及算法。选取25所高校的科研能力数据用于仿真实验,其中20所高校数据作为训练集,其它5所作为测试集,该算法分类正确率为80%,达到了预期目标。仿真结果表明,该模型提高了高校科研能力评价的准确率,评价结果更加客观、公正,对高校科研能力评价具有一定的参考意义。     

LEACH—DRT算法中基于神经网络的数据预测算法

为了保证无线传感器网络中数据的完整性,针对基于LEACH路由协议的动态轮时间算法存在的问题,提出一种基于人工神经网络的数据预测算法。该动态轮时间算法中,部分簇因调整后的轮时间不足以完成数据的采集而丢失数据。数据预测算法结合传感器节点数据具有时空相关性的特点,将时空延迟算子引入神经网络模型,并通过建立的神经网络模型对数据进行预测。仿真时采用伯克利英特尔实验室的传感器数据,通过Mafl软件对模型进行测试并分析仿真结果。实验结果表明：该算法对连续多个数据的预测效果理想,预测误差始终保持在较低水平。     

网络图像信息过滤技术的探讨

网络图像信息过滤系统的处理流程是对输入图像进行处理,将与模板匹配的图像提交给用户,同时根据用户的反馈,修改模板。为了提高系统性能,我们对系统进行了优化,主要采取系统在不同的工作模式下采用不同的过滤规则;输入图像仅与一定大小范围的图像进行匹配;设置匹配结果有效天数;将所有过滤规则读取到客户端并且载入内存。     

QoS约束的代表性Skyline Web服务选择

目前,指挥控制系统呈现网络化、服务化发展趋势。将服务质量(Quality of Service,QoS)约束条件作为Web服务选择的依据时,为了缩小Skyline Web服务集,提高服务选择的效率,提出一种面向Skyline Web服务的新型服务选择方法。基于代表性Skyline服务选择原理,结合效用函数与服务顺序结构组合技术,设计Web服务的优化选择算法,实现Skyline服务集的最大选择概率。基于开放的QWS数据集,针对服务选择效用值、服务选择执行时间指标进行实验,实验结果表明:相比于传统Skyline方法服务选择算法,新算法的服务选择执行时间至少减少了25%,服务选择平均效用值约提升10%。     

改进的基于背景预测的红外弱小目标检测方法

提出一种改进的基于背景预测的红外弱小目标检测的算法,该算法通过"裁判模型"自动排除预测窗口内偏离真实值的噪点,从而减少了噪声和背景起伏对背景预测的影响,不仅能解决传统预测算法的边缘模糊问题,而且有较强的抗噪声特性,尤其适用于具有复杂云层的空背景,是背景预测算法的一个重要扩展.针对实际红外图像的实验仿真表明,该算法是有效的.