国家自然科学基金(61170306)
- 作品数：34 被引量：91H指数：5
- 相关作者：梁意文谭成予董红斌林楠史苇杭更多>>
- 相关机构：武汉大学湖北大学郑州大学更多>>
- 发文基金：国家自然科学基金湖北省自然科学基金国家科技型中小企业技术创新基金更多>>
- 相关领域：自动化与计算机技术理学机械工程更多>>
- 基于危险理论的地震预测方法被引量：5
- 2019年
- 采用机器学习算法进行地震预测存在过拟合且需要大量训练集的问题。为此,将危险理论引入地震预测的应用中,在分析大量地震历史源数据和结合领域专家经验知识的基础上,提出一种利用地震学获取特征指标的地震预测方法。通过Gutenberg-Ricthter规则、特征地震震级分布和近期地震预测研究的结论提取9个地震特征指标,采用具有动态性的危险理论预测未来一个月内发生大地震事件的概率。同时,通过分析四川省地震历史数据,应用危险理论对地震特征指标进行分析和预测,并与现有的地震预测方法 BP神经网络进行比较。实验结果表明,该方法的检查概率、准确率及R得分均高于BP神经网络,表明在采用较少的样本集时其可靠度更高。
- 甘颖梁意文谭成予周雯吴晶晶
- 关键词：地震预测特征指标BP神经网络
- 云工作流任务调度的模拟退火遗传改进算法被引量：12
- 2016年
- 提出一种模拟退火(simulated annealing,SA)算法和遗传算法(genetic algorithm,GA)相结合的任务完成时间-可靠性的多目标优化算法.该算法首先利用任务的影响程度生成合适的初始种群;其次对交叉、变异等遗传操作产生出的个体分别进行模拟退火操作,避免随机算法引起的早熟收敛问题;最后,在变异阶段引入失败率,提高调度结果的可靠性.实验分析表明,该算法在解决早熟收敛和结果不可靠方面比GA性能更优.
- 黄婷婷梁意文
- 关键词：遗传算法任务调度模拟退火算法多目标优化
- 基于线性最小二乘估计的传感网节点三维测距定位算法被引量：6
- 2016年
- 针对传统无线传感器网络节点三维定位算法会产生奇异矩阵及复杂度较高的问题,提出一种新的基于三边测量距离的定位算法,实现无线WSN中节点的三维定位。通过四面体体积公式计算得出偏移向量,运用平面上向量旋转的二维线性最小二乘估计变换的目标位置,由变换的目标位置及偏移向量计算得出目标位置。仿真实验结果表明,与传统的三维LM定位算法相比,改进算法精确性提高约10%且没有出现奇异矩阵,计算复杂度更低。
- 黄庆宇刘新华
- 关键词：无线传感器网络
- 云平台下工作流任务调度的克隆选择改进算法被引量：1
- 2015年
- 提出一种基于克隆选择算法(CSA)的任务完成时间—经济成本多目标优化算法。该算法利用前驱任务优先调度策略生成合法的初始种群,避免随机解引起算法收敛速度慢的问题;在种群的进化阶段,引入交叉算子,增加了种群的差异性。与遗传算法(GA)的对比实验证明该算法在提高收敛速度和探索最优解方面性能更优。
- 徐立梁意文
- 关键词：云计算任务调度克隆选择遗传算法多目标优化
- 基于片上系统协同计算的实时数据自动检测电化学传感器被引量：1
- 2016年
- 针对应用于生物体内特征物质检测与跟踪的电化学传感器的其智能化和集成化问题,文章提出了一种基于片上系统的支持实时数据自动检测的电化学传感器;首先,将应用于电化学传感器结构,通过将测量样品、检测溶液接口、多电极和检测传导器等单元集成在片上系统,结合信号转换和电源装置,实现电化学传感器的独立计算、存储和通信功能;接着,通过实现待测量物多电极、检测溶液电极子和单片机逻辑控制的协同计算满足自动检测需求;最后,基于数据整合与自动化处理设计了支持实时数据检测的电化学传感器;验证结果表明,在数据检测精度和实时性方面所提方案明显优于传统的非片上系统电化学传感器。
- 周剑李跃新
- 关键词：电化学传感器片上系统
- 基于反向选择的地震预测方法被引量：3
- 2019年
- 针对大地震历史数据缺乏导致的大地震预测准确率低的问题,提出一种基于反向选择的地震预测方法。采用可变实值反向选择算法生成成熟检测器,用于预测地震是否发生。由于反向选择在训练过程中无须非我数据,可减小大地震数据缺乏对训练效果的影响。实验采用四川省历史地震数据,对一个月内是否发生5. 0级及以上地震进行预测。与传统机器学习算法进行对比,结果表明反向选择算法具有更好的预测效果。
- 吴晶晶梁意文谭成予周雯
- 关键词：地震预测神经网络
- 基于DCA算法的微博虚假信息检测被引量：2
- 2019年
- 通过对微博虚假信息的分析,基于DCA算法的思想,提出一种检测微博虚假信息的方法;以新浪微博为例,从虚假信息发布者的用户属性和虚假信息评论的文本内容两个方面进行分析;从用户方面选取用户的特征属性,如是否认证、有无简介、地址信息是否详细、关注数、粉丝数等,从评论内容方面选取评论与微博内容的相关性、评论的支持性及其置信度等特征属性,将以上属性的分析结果作为区别虚假信息与真实信息的特征信号,并基于树突状细胞算法(Dendritic Cells Algorithm,DCA)实现新浪微博虚假信息的识别;使用新浪微博真实数据对算法有效性进行了验证和对比实验,结果表明该方法能够有效检测出新浪微博中的虚假信息,具有较高的检测准确率。
- 杨超项振辉李涛
- 关键词：虚假信息人工免疫树突状细胞算法
- 一种联合的时序数据特征序列分类学习算法被引量：4
- 2016年
- 针对时序数据特征学习中特征序列占用空间大和运算复杂度高的问题,提出一种联合学习特征序列和分类参数的分类算法。对时序数据进行特征变换后,采用线性分类器从最小距离矩阵中学习模型参数,以预测目标变量。在目标函数中,对分类预测的损失函数和分类器的线性权重进行联合学习,并利用随机梯度下降法求解优化问题。实验结果表明,与F-Stat和表达式变换方法相比,该算法在保持较少运算时间的前提下,具有较高的分类预测准确率。
- 史苇杭林楠
- 关键词：时序数据优化算法
- 基于线性学习模型的社会媒体流排名算法被引量：1
- 2015年
- 在社会媒体中,对用户推荐适合的状态更新不仅降低了用户搜索信息的时间,也可以增加用户对服务的粘性。针对社会媒体中状态更新而推荐的准确性低的不足,提出了一种基于线性学习模型的状态更新排名算法。首先,根据社会媒体的性质定义了相应的偏好属性,并提出了一种基于线性模型的潜在偏好模型;其次,根据状态更新以及接收者的特征定义了相应的线性特征模型;最后,将潜在偏好模型和特征模型相结合,提出了一种引入时间效应的线性模型。通过实验验证表明,提出的算法与其它相关算法相比,算法的预测准确性更高,执行效率更快。
- 张威李跃新
- 关键词：排名算法
- 基于自适应性分类器的垃圾邮件检测被引量：5
- 2018年
- 垃圾邮件形式内容多变,容易伪装成正常邮件而绕过检测,其中新型垃圾邮件的检测漏报率较高。为此,结合反向选择和支持向量机(SVM)的思想,设计一种新的自适应性分类器并应用于垃圾邮件检测。使用SVM的最优超平面对邮件进行预分类,得到与预测模型匹配的"正常邮件"和垃圾邮件,运用反向选择算法(NSA)对筛选出的"正常邮件"数据集进行二次过滤以检测出新型垃圾邮件,并利用含有标签的正常邮件和垃圾邮件集合自适应更新原有的最优超平面,循环上述检测过程直至垃圾邮件的识别率趋于稳定,最终得到的最优超平面符合当前检测最优。实验结果表明,相对于SVM与NSA,该检测方法能在保证正常邮件高识别率的基础上,提高新型垃圾邮件的识别率。
- 陈龙梁意文谭成予
- 关键词：支持向量机自适应分类器
