检索结果-内蒙古大学图书馆

计算机科学与探索 2024年第2期18卷 378-386页

作者：刘晓雪姜春茂哈尔滨师范大学计算机科学与信息工程学院哈尔滨150025 福建理工大学计算机科学与数学学院福州350118

三支决策的“分、治、效”(TAO)模型包括构建三分、施加策略、结果评估三个部分。目前,关于结果评估的研究旨在衡量策略施加后结果的前后变化,还无法预测施加哪个策略能达到最大效果。为了解决这一问题,对TAO模型的“治”和“效”进行... 详细信息

三支决策的“分、治、效”(TAO)模型包括构建三分、施加策略、结果评估三个部分。目前,关于结果评估的研究旨在衡量策略施加后结果的前后变化,还无法预测施加哪个策略能达到最大效果。为了解决这一问题,对TAO模型的“治”和“效”进行了研究,提出一种基于强化学习的三支改变模型的策略选择与有效性预测的方法。首先将改变三支决策TAO模型中的改变三分状态和策略分别作为强化学习中的状态和动作,并将每次施加策略得到新的改变三分状态的过程看作一个周期,利用累积前景理论计算每个周期产生的奖励,将智能体与环境的交互过程用马尔可夫决策过程来表示;其次设置一个目标奖励,将各个周期的累计奖励达到目标奖励时的状态作为马尔可夫决策过程的终止状态;然后用Q-learning算法迭代出一个最短周期内达到目标奖励的策略序列,同时利用该策略序列预测当前改变三分状态的未来效用。最后使用一个实例体现出该方法实用性和有效性。

关键词：三支决策改变三支决策强化学习策略选择效用度量

来源：评论

学校读者我要写书评

暂无评论

面向感知质量保障的安全态势预测优化模型

引用

华中科技大学学报（自然科学版） 2018年第1期46卷 22-25,57页

作者：王健李可赵国生哈尔滨理工大学计算机科学与技术学院黑龙江哈尔滨150080 哈尔滨师范大学计算机科学与信息工程学院黑龙江哈尔滨150025

以提高网络安全态势预测准确率为研究目标,提出一种网络安全态势预测优化模型.首先,运用层次量化分析法将多源安全态势信息进行宏观态势值量化,组成时间序列.然后,将态势值数据进行叠加归一化处理,增强数据的规律性,易于模型的建立.最后... 详细信息

以提高网络安全态势预测准确率为研究目标,提出一种网络安全态势预测优化模型.首先,运用层次量化分析法将多源安全态势信息进行宏观态势值量化,组成时间序列.然后,将态势值数据进行叠加归一化处理,增强数据的规律性,易于模型的建立.最后,将协方差矩阵自适应进化策略应用于支持向量机超参数的自主选择,使预测模型更加精确,并通过数据还原将预测结果加以显示.仿真实验表明该模型具有较好的预测效果.

关键词：安全态势预测协方差矩阵自适应进化策略支持向量机叠加交叉验证

来源：评论

学校读者我要写书评

暂无评论

一种多种群进化和差分变异的鲸鱼优化算法

引用

小型微型计算机系统 2024年第11期45卷 2618-2627页

作者：朱杰付伟马宁季伟东苏婷陈珊哈尔滨师范大学计算机科学与信息工程学院哈尔滨150025

针对鲸鱼优化算法容易陷入局部最优,求解精度低,收敛速度慢,提出了一种多种群进化和差分变异的鲸鱼优化算法(MDWOA).首先,根据适应度值将种群划分为两个大小相等的子种群,并为每个子种群分配不同的移动策略,以平衡全局和局部搜索能力.其... 详细信息

针对鲸鱼优化算法容易陷入局部最优,求解精度低,收敛速度慢,提出了一种多种群进化和差分变异的鲸鱼优化算法(MDWOA).首先,根据适应度值将种群划分为两个大小相等的子种群,并为每个子种群分配不同的移动策略,以平衡全局和局部搜索能力.其次,设计了一种种群进化和差分变异的策略来帮助MDWOA提高收敛速度,避免其陷入局部最优.最后,引入反向学习策略,增加种群多样性.将MDWOA与多种优化算法在13个基准函数上进行仿真测试,非参数检验的结果表明相较于其他优化算法来说改进的算法具有更高的精度和稳定性.在此基础上,建立了基于MDWOA优化BP神经网络模型,预测波士顿房价的实验结果表明所提出的预测模型具有更好的预测性能和有效性.

关键词：多种群进化差分变异鲸鱼优化算法反向学习 MDWOA-BP神经网络

来源：评论

学校读者我要写书评

暂无评论

基于多维动态S盒和LFSR的分组密码算法

引用

华中科技大学学报（自然科学版） 2015年第5期43卷 119-123页

作者：赵国生李光程王健哈尔滨师范大学计算机科学与信息工程学院黑龙江哈尔滨150025 哈尔滨理工大学计算机科学与技术学院黑龙江哈尔滨150001

提出一种基于多维动态S盒混淆替换和n级联动线性反馈移位寄存器(LFSR)的分组密码算法.首先,通过矩阵变换初步将明文扰乱,进而进行多维动态S盒混淆替换,以此增强密文的非线性安全度;然后,通过列混淆函数进行组字节位循环移位,增强密文的... 详细信息

提出一种基于多维动态S盒混淆替换和n级联动线性反馈移位寄存器(LFSR)的分组密码算法.首先,通过矩阵变换初步将明文扰乱,进而进行多维动态S盒混淆替换,以此增强密文的非线性安全度;然后,通过列混淆函数进行组字节位循环移位,增强密文的扩散性;最后,使用n级联动线性反馈移位寄存器组生成动态密钥,增强每一轮迭代时的密钥随机性,使算法具有密码分组链接模式.性能分析结果表明:相对于AES算法和DES算法,本算法在增强安全性的同时对算法加解密速度影响较小.相关系数检验和差分分析实验进一步证明了算法可有效抵抗线性密码分析攻击和差分分析攻击等目前主流的密码算法攻击手段.

关键词：混淆替换 S盒流密码线性反馈移位寄存器分组密码

来源：评论

学校读者我要写书评

暂无评论

基于MODIS-EVI2与集成学习的森林火烧迹地面积预测

引用

遥感技术与应用 2024年第5期39卷 1261-1270页

作者：冯俊辰董昊韩鹏李远斌刘靖宇丁云鸿哈尔滨师范大学计算机科学与信息工程学院黑龙江哈尔滨150025

在林火救援中,根据火灾早期阶段预测最终燃烧面积,可有效指导火灾救援。然而,以往研究采用归一化差值植被指数(Normalized Difference Vegetation Index,NDVI)作为输入指标,其对土壤反射率敏感,数据噪声大。因此两波段增强植被指数(Two-... 详细信息

在林火救援中,根据火灾早期阶段预测最终燃烧面积,可有效指导火灾救援。然而,以往研究采用归一化差值植被指数(Normalized Difference Vegetation Index,NDVI)作为输入指标,其对土壤反射率敏感,数据噪声大。因此两波段增强植被指数(Two-band Enhanced Vegetation Index,EVI2)被使用以准确预测野火过火面积。此外,针对单一机器学习预测算法抗干扰能力差的问题,一种基于堆叠泛化(Stacking)集成学习的Stacking-XRSK模型被提出。结果表明:使用EVI2使模型R^(2)较NDVI提高6.05%,MAE和MSE分别降低0.88%和0.41%。相比于单一模型,使用Stacking-XRSK模型的R^(2)最高,高出范围在2.8%~11.06%之间,MAE、MSE和AOC最低。验证了利用EVI2代替NDVI预测火烧迹地面积的可行性和准确性,同时表明Stacking模型能在充分发挥单一基模型优势的基础上提高模型的泛化能力,为森林火灾安全管理与及时扑救提供科学的参考。

关键词：森林火烧迹地面积两波段增强植被指数预测模型集成学习机器学习

来源：评论

学校读者我要写书评

暂无评论

基于多元竞争淘汰的自然计算方法

引用

计算机应用研究 2023年第8期40卷 2274-2280页

作者：胡建暄马宁付伟季伟东刁衣非刘聪黄鑫宇哈尔滨师范大学计算机科学与信息工程学院哈尔滨150025

在自然计算方法中,为解决高维数据优化问题,需提高种群规模以获得更高精度,但同时需要的时间复杂度较大,若种群规模降低又会因种群多样性不足导致算法陷入局部最优。为解决优化过程中种群规模难以平衡、算法收敛速度慢及易陷入局部最优... 详细信息

在自然计算方法中,为解决高维数据优化问题,需提高种群规模以获得更高精度,但同时需要的时间复杂度较大,若种群规模降低又会因种群多样性不足导致算法陷入局部最优。为解决优化过程中种群规模难以平衡、算法收敛速度慢及易陷入局部最优等问题,提出一种基于多元竞争淘汰(multiple competitive elimination,MCE)策略的自然计算方法,其适用于各类优化算法,而不依赖于算法进化的具体步骤,具有普适性。首先将原始解空间划分为具有竞争关系的两类大空间,每类大空间中细化分解为N元小空间;然后在两类大空间中分别执行反向学习和混合变异两种不同的淘汰方法,淘汰较差个体;最后选取N元小空间的部分较优个体跨两类大空间进行竞争交换以保持整体种群的多样性,提高了算法收敛速度和收敛精度。将该策略分别应用到粒子群算法和遗传算法中,并与标准粒子群算法、遗传算法及目前较先进的改进群智能优化算法对比,利用高维经典测试函数验证其性能。实验结果表明,多元竞争淘汰改进算法较其他对比算法表现出了更好的寻优能力,具有普适性。

关键词：自然计算方法高维多元空间反向学习混合变异

来源：评论

学校读者我要写书评

暂无评论

基于三支决策的虚拟机节能迁移策略

引用

计算机应用 2021年第4期41卷 990-998页

作者：杨翎姜春茂哈尔滨师范大学计算机科学与信息工程学院哈尔滨150025

虚拟机迁移技术作为云计算中降低数据中心能耗的重要手段被广泛应用。结合三支决策的分、治、效模型提出一种基于三支决策的虚拟机迁移调度策略(TWD-VMM)。首先,通过建立层次阈值树搜索所有可能取到的阈值,由此以数据中心能耗为优化目... 详细信息

虚拟机迁移技术作为云计算中降低数据中心能耗的重要手段被广泛应用。结合三支决策的分、治、效模型提出一种基于三支决策的虚拟机迁移调度策略(TWD-VMM)。首先,通过建立层次阈值树搜索所有可能取到的阈值,由此以数据中心能耗为优化目标得到总能耗最低的一对阈值,从而实现三分区域,即高负载区域、中负载区域和低负载区域。其次,针对不同负载的主机采取不同的迁移策略:对于高负载主机,以主机预迁出后的多维资源均衡度和主机负载下降幅度为目标;对于低负载主机,主要考虑主机预放置后的多维资源均衡度;对于中等负载主机,如果迁移过来的虚拟机依旧满足中负载特性,则可以接受迁入。实验采用CloudSim模拟器进行,将TWD-VMM算法分别与基于阈值调度算法(TVMS)、基于虚拟机迁移节能调度算法(EEVS)、云计算中心节能调度算法(REVMS)算法在主机负载、主机多维资源利用均衡度、数据中心总能耗等方面进行比较,结果表明TWD-VMM算法在提高主机资源利用率、均衡主机负载等方面有明显效果,且能耗平均降低了27%。

关键词：三支决策云计算虚拟机迁移负载均衡云能耗

来源：评论

学校读者我要写书评

暂无评论

结合质心思想和柯西变异策略的粒子群优化算法

引用

计算机应用 2017年第5期37卷 1369-1375,1418页

作者：吕立国季伟东哈尔滨师范大学计算机科学与信息工程学院哈尔滨150025

针对基本粒子群优化(PSO)算法收敛精度低、容易陷入局部最优的问题,提出了一个结合质心思想和柯西变异策略的粒子群优化算法。首先,在粒子的初始化阶段采用混沌初始化策略,以提高初始粒子的均匀分布能力;其次,为了提高粒子群的收敛速度... 详细信息

针对基本粒子群优化(PSO)算法收敛精度低、容易陷入局部最优的问题,提出了一个结合质心思想和柯西变异策略的粒子群优化算法。首先,在粒子的初始化阶段采用混沌初始化策略,以提高初始粒子的均匀分布能力;其次,为了提高粒子群的收敛速度和寻优能力,引入了质心的概念,通过计算获得种群中所有粒子所构成的全局质心和所有个体极值构成的个体质心,使得粒子群内部可以实现充分的信息共享;为避免粒子陷入局部最优解,在粒子群算法中引入了柯西变异运算对当前最优粒子进行扰动,并依据柯西变异运算的规律,适应性地调整扰动步长,该算法以群体多样性为依据,动态调整惯性权重;最后,使用7个经典的测试函数对算法进行验证,通过函数运行结果的均值、方差和最小值能够表明,新算法在收敛精度上有较好的优越性。

关键词：粒子群优化算法质心柯西变异群体多样性收敛精度

来源：评论

学校读者我要写书评

暂无评论

融合评论文本和社交网络的矩阵分解推荐方法

引用

小型微型计算机系统 2022年第2期43卷 312-319页

作者：马宁付伟季伟东丁云鸿朱海龙严武尉李超杨耀哈尔滨师范大学计算机科学与信息工程学院哈尔滨150025

基于矩阵分解的推荐方法易受到数据稀疏性问题的影响,常见的解决办法是向矩阵分解模型中融入评论文本信息,但是这类方法通常假设用户是独立存在的,忽略了用户之间的社交关系.现实世界中用户的行为与喜好往往会受到其信任好友的影响,因... 详细信息

基于矩阵分解的推荐方法易受到数据稀疏性问题的影响,常见的解决办法是向矩阵分解模型中融入评论文本信息,但是这类方法通常假设用户是独立存在的,忽略了用户之间的社交关系.现实世界中用户的行为与喜好往往会受到其信任好友的影响,因此本文提出一种融合评论文本和社交网络的矩阵分解推荐方法(Review and social probabilistic matrix factorization,RSPMF).首先设计了深度神经网络模型用于学习评论文本的上下文特征;其次,设计了信任传播模型用于根据社交好友的特征修正用户的潜在隐特征;最后将上述两种模型以正则化方式融入概率矩阵分解模型,通过训练模型获取用户与物品之间的内在关系并实现物品推荐.在公开的真实数据集Yelp上进行了实验,并与多种前沿的算法进行了性能对比,结果表明本文提出的RSPMF方法具有良好的推荐性能.

关键词：推荐系统深度神经网络矩阵分解社交网络信任传播

来源：评论

学校读者我要写书评

暂无评论

结合正交补空间反向学习策略的自然计算方法

引用

小型微型计算机系统 2023年第3期44卷 544-552页

作者：黄亮张军季伟东哈尔滨师范大学计算机科学与信息工程学院哈尔滨150025

反向学习策略可以提高自然计算方法性能,然而现有策略生成的反向解多样性不足,为此提出一种反向学习策略,算法根据群体最优个体计算其正交补空间的反向解,增加种群多样性以提高找到全局最优解的概率.将所提策略应用到标准粒子群与标准... 详细信息

反向学习策略可以提高自然计算方法性能,然而现有策略生成的反向解多样性不足,为此提出一种反向学习策略,算法根据群体最优个体计算其正交补空间的反向解,增加种群多样性以提高找到全局最优解的概率.将所提策略应用到标准粒子群与标准遗传算法并在基准测试函数上进行验证,实验结果表明策略能提高算法在多数测试函数上的性能.最后,将策略与重心反向学习结合应用于随机拓扑粒子群算法,CEC13函数集作为测试函数,与四种经典或性能优异的反向学习粒子群算法进行对比,实验结果验证了策略的有效性.

关键词：正交补空间反向学习多样性粒子群算法自然计算

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：