检索结果

Select

1. 基于多尺度的时序数据部分周期模式增量挖掘

荀亚玲, 王林青, 蔡江辉, 杨海峰

《计算机应用》唯一官方网站 2023, 43 (2): 391-397. DOI: 10.11772/j.issn.1001-9081.2021122190

摘要（335）

HTML （8）

PDF （2226KB）（131）

针对动态时序数据部分周期模式挖掘过程存在的计算复杂度过高和扩展性差等问题，提出了一种结合多尺度理论的时间序列部分周期模式挖掘算法（MSI-PPPGrowth），所提算法充分利用了时序数据客观存在的时间多尺度特性，将多尺度理论引入时序数据的部分周期模式挖掘过程。首先，将尺度划分后的原始数据以及增量时序数据作为更细粒度的基准尺度数据集进行独立挖掘；然后，利用不同尺度数据间的相关性实现尺度转换，以间接获取动态更新后的数据集对应的全局频繁模式，从而避免了原始数据集的重复扫描和树结构的不断调整。其中，基于克里金法并考虑时序周期性设计了一个新的频繁缺失计数估计模型（PJK-EstimateCount），以有效估计在尺度转换过程中的缺失项支持度计数。实验结果表明，MSI-PPPGrowth具有良好的可扩展性和实时性，尤其是对于稠密数据集，其性能优势更为突出。

图表 | 参考文献 | 相关文章 | 多维度评价

Select

2. 混合伊藤算法求解多尺度着色旅行商问题

韩舒宁, 徐敏, 董学士, 林青, 沈凡凡

《计算机应用》唯一官方网站 2022, 42 (3): 695-700. DOI: 10.11772/j.issn.1001-9081.2021040776

摘要（289）

HTML （11）

PDF （474KB）（97）

着色旅行商问题（CTSP）是多旅行商问题（MTSP）与旅行商问题（TSP）的一种扩展，主要应用于含重复区域的多机工程系统（MES）等工程问题。CTSP是NP完全问题，尽管相关研究尝试采用遗传算法（GA）、模拟退火（SA）等方法求解该问题，但它们求解的问题尺度有限，且速度和求解质量上不尽人意。基于此，尝试采用一种基于均匀设计（UD）融合蚁群（ACO）算法和伊藤算法（IT?）的混合伊藤算法（UDHIT?）来求解该问题。UDHIT?采用UD来选择合适的参数组合，借助ACO的概率图模型来产生可行解，并利用伊藤算法的漂移和波动算子进行优化。实验的结果表明，UDHIT?求解多尺度CTSP的最优解和平均解比传统GA、ACO和IT?有所改善。

图表 | 参考文献 | 相关文章 | 多维度评价

Select

3. 基于小样本的神经网络参数优化选择方法

吴贵芳林青松孙秀明徐金梧徐科

计算机应用

摘要（1673）

PDF （582KB）（1010）

提出了一种基于小样本的神经网络参数优化选择方法，并应用于冷轧带钢表面缺陷在线检测系统中。该方法利用小样本对神经网络的每一种可能的组合参数进行模拟训练及测试，通过直方图求取最优化的一组神经网络参数。实验表明，利用该方法选择出来的神经网络参数，可以实现对冷轧带钢表面缺陷的最优识别。