分类： 计算机科学 >> 计算机科学的集成理论 提交时间： 2022-04-07 合作期刊: 《计算机应用研究》
摘要： 针对维度学习策略(Dimensional learning strategy，DLS)中存在的“过度开发”问题，提出了一种综合维度学习的多群协作粒子群优化算法(CDL-MCPSO)，为提高种群搜索效率，算法采用基于主从范式的集群结构，将种群划分为一个主群和四个从群，主群执行综合学习策略在搜索空间进行大范围探索，从群执行综合维度学习策略(Comprehensive Dimensional Learning，CDL)在局部最优解附近进行高精度地开发，主从群通过执行具有不同职能的算法能够有效实现其在勘探和开发之间的平衡，同时为保持种群多样性，提出了一种新的解交换机制(SEM)，用来在主从群独立运行各自算法若干代之后进行信息的交流与协作，以指导粒子后期进行更准确的搜索，最后，针对初始化过程随机性过高，运用拉丁超立方体采样方法对算法重建输入分布，为验证CDL-MCPSO的有效性，将其与5种粒子群算法变体在10个测试函数进行实验对比，结果表明该算法总是可以找到优于或相当于对比算法的解，在求解复杂函数时具有可行性和高效性。
分类： 计算机科学 >> 计算机科学的集成理论 提交时间： 2022-04-07 合作期刊: 《计算机应用研究》
摘要： 交通流预测是智能交通系统中的重要组成部分，由于交通数据的复杂性，长期而又准确的交通流预测一直是时间序列预测中最具挑战性的任务之一。近年来，研究人员将基于图神经网络的时空图建模方法应用于交通流预测任务，并取得了良好的预测性能。然而，现有的图建模方法仅通过预定义的邻接结构反映道路网络中的空间依赖关系，忽略了各节点之间的序列关联关系对预测的重要性。针对这一局限性，提出了一种自适应门控图神经网络(Ada-GGNN)，其核心为通过空间传递模块同时捕获道路网络的空间结构及自适应的时序相关性，并通过门控机制学习节点上的时间序列特征。在两个真实交通网络数据集PeMSD7和Los-loop上的实验结果证明了该模型具有更优越的性能。
分类： 计算机科学 >> 计算机科学的集成理论 提交时间： 2018-12-13 合作期刊: 《计算机应用研究》
摘要： 随着智能终端设备的不断普及，微信、网络即时新闻、电商客户产品评论等富含极短文本数据的信息呈爆发式增长。为了有效提取极短文本中的关键特征信息，提出了一种基于支持向量机的极短文本分类模型。首先对原数据进行数据清洗并利用Jieba分词将清洗过的数据进行处理；再将处理后的数据存入数据库，通过TF-IDF进行文本特征的提取；同时，利用支持向量机对极短文本进行分类。经过（1-0）检验，验证了模型的有效性。实验以芜湖市社管平台中的9906条极短文本数据作为样本进行算法检验与分析。结果表明在分类准确率方面，该方法相比于朴素贝叶斯、逻辑回归、决策树等传统方法得到有效提高；在误分度与精确度指标上匹配结果更加均衡。
点击量
点击量
下载量
评论
