摘要：为了提高蚁群算法处理大规模问题的性能,提出一种基于规模压缩的混合蚁群算法.根据TSP问题的最优解与次优解共享部分路径片断的原理,设计城市压缩算法,减少了TSP问题的城市处理量.在求解过程中,引入最优解的区域特征的概念,采用优化状态转移规则,压缩了解空间.仿真实验结果证明,采用所提出算法得到解的质量和收敛速度都有显著提高.

摘要：阿尔及利亚BARAKI体育场工程共设计旋挖钻孔灌注桩1 000余根,其中最长桩长58m,直径1.2m。针对当地施工条件,主要阐述了58m长旋挖成孔灌注桩设备选型及护筒施工、泥浆制备、钢筋笼制安、钻孔施工、混凝土配制与灌注等施工工艺,并按照法国规范要求,采用声波透射法检测,取得理想效果。

摘要：在对国内多个大型体育场工程进行调研的基础上,系统介绍了预制清水混凝土看台板的施工技术,从深化设计、制作、安装等方面对预制清水混凝土看台板的施工进行了详细阐述,并提出了施工中应注意的问题。

摘要：基于不同智能技术开发的故障诊断系统在不同的应用环境中表现迥异,如何根据应用评估并选择合适的算法是故障诊断系统设计的关键问题。提出了故障诊断系统中正负收益和综合收益的概念,分析了影响故障诊断系统实施效用的主要因素,设计了综合收益评价模型。该模型在汽车发动机、航空发动机两种典型设备的故障诊断系统设计过程中的应用结果显示综合收益评价模型有较高的评估选择能力。

摘要：潜在狄利克雷分配(LDA)是一种流行的非监督式降维工具,被广泛的应用于文本挖掘和信息检索领域。消息传递算法在效率和准确率上都明显优于LDA模型的其他近似推理算法。本文提出稀疏限定的消息传递算法,采用基于L1范数和L2范数的方法度量向量的稀疏度,并在迭代过程中投影单词在主题上的概率分布到稀疏空间,从而得到更加准确的单词语义表示。实验结果表明提出的稀疏消息传递算法在文本聚类和分类准确率上胜过了消息传递,吉布斯采样以及非负矩阵分解算法。

摘要：随着移动设备的普及与定位技术的成熟,涌现出了各种基于地理位置的应用软件不断涌现。为了使这类应用软件给用户提供精准的基于地理位置的服务,实时、准确、可靠地预测移动对象的不确定性轨迹显得尤为重要。目前大多数传统的轨迹终点预测方法都是通过计算轨迹之间的相似度来预测给定轨迹的终点,这种算法的弊端是没有充分考虑轨迹数据时间序列之间的前后联系,导致预测结果偏差较大。理论证明,马尔可夫模型对处理时间序列数据具有较好的效果。因此,针对轨迹终点预测的问题,提出了一种基于马尔可夫模型的预测算法。同时,针对样本运动空间提出一种新的划分网格策略——K-d tree网格划分。实验结果表明,相比于传统方法,运用马尔可夫模型预测轨迹终点的算法的精度有明显提高,预测时间会大大缩短。

摘要：用户投诉预测模型能有效地降低电信用户投诉率,对企业提高用户满意度和竞争力有着至关重要的作用。在模型训练过程中,由于人工设计特征的缺陷和设计过程中存在难以预估的复杂性,使得模型预测的精度和设计特征的效率不能有很大的提升。针对上述问题,提出了一种基于深度学习的用户投诉预测模型。该模型通过深层网络特征学习单元能从电信用户原始数据中自动学习到适合分类器分类的高层非线性组合特征,并将这些高层特征输入到传统分类器中来提高模型的精度。通过实验结果分析,预测模型在AUC指标上比以往用户投诉模型提升了7.1%,证明了该模型自动学习特征的有效性和深度学习在电信大数据领域的可用性。

摘要：多Agent系统的很多特点使其成功应用于故障诊断系统。为提高MAS故障诊断系统的通用性和智能性,首先分析了某型飞机的任务分解的层次结构,据此设计了任务分解的知识表示机制。其次应用了改进的合同网协议进行任务分配:重视利用任务分配经验知识,缩小任务招标的有效对象范围,对同一任务允许多种方法求解。在某型飞机故障诊断的应用中,该任务分配分解机制显示出较高的准确性和智能性。

摘要：随着电信行业市场竞争的不断加剧,用户对服务质量要求逐步提高,导致用户投诉率不断攀升。在此情况下,通过准确预测用户投诉行为来降低用户投诉率成为运营商关注的重点。目前传统的投诉预测模型仅从分类算法和人工调研特征来讨论,而没有充分利用运营商的大数据。因此,提出了在Hadoop/Spark大数据平台上使用并行随机森林来构建用户预测投诉模型,它不仅用到了业务支持系统数据,而且还用到了运营支持系统数据和客服工单数据,并在此基础上进一步增加了反映用户相互关系的图特征和二阶特征。基于上海市某运营商数据的实验结果表明,利用多来源、高维度的特征来训练用户投诉预测模型的精度会明显高于传统方法,在此基础上有针对性地对目标用户采取安抚措施,可以降低用户投诉率,获得较高的商业价值。

摘要：在仿真足球机器人比赛中,考虑到策略程序对机器人运动控制的时效性问题,对球和机器人运动进行预测是提高球队整体实力的一个必需并且有效的办法。该文提出并分析了SimuroSot11vs11平台中的机器人和球的运动学模型,并且在此基础上提出了一种有效并且实用的预测方法,其有效性已在实验中得到验证。