一种基于ADPSO优化的循环神经网络模型

针对循环神经网络(Recurrent Neural Network,RNN)采用传统的训练方法造成的收敛速度慢、易陷入局部最优的问题,提出一种自动调整的动态粒子群优化算法(ADPSO),利用ADPSO较强的全局寻优能力来优化RNN的初始权值及阈值,构建基于ADPSO优化的RNN模型(ADPSO-RNN),从而提升RNN的预测性能及泛化性能.在ADPSO中,将动态搜索空间策略引入到粒子群算法中,同时自适应地调整学习因子以平衡算法的全局和局部搜索能力.在实验中,将ADPSO与PSO进行算法优化性能对比,结果表明ADPSO具有更好的寻优性能;然后以某股票的股票价格历史数据为实验数据,将ADPSO-RNN与常规RNN、PSO优化的RNN分别对其进行预测,结果表明ADPSO-RNN模型在股票价格预测中预测指标平均绝对误差和均方误差上相对于另外两种模型均有所降低,具有更好的泛化性能.     

基于数据仓库的决策支持系统体系结构

在分析传统DSS的不足之后,提出了基于数据仓库决策支持系统的体系结构,主要包括模型库、方法库、知识库和数据仓库及其相应的管理系统,联机分析处理、数据挖掘单元和问题综合处理单元等几部分组成.研究了系统中各部分的功能、相互关系及基于数据仓库的决策支持系统的关键技术.     

基于MDA的WEB服务社区信息资源共享平台

结合MDA和WEB服务技术,提出了基于MDA的WEB服务社区信息资源共享开发模式和总体框架,实现了社区信息资源在不同层面的高度共享.该方法在社区信息资源共享平台建设方面取到很好的效果.     

基于MDA的WEB服务社区信息资源共享平台

结合MDA和WEB服务技术,提出了基于MDA的WEB服务社区信息资源共享开发模式和总体框架,实现了社区信息资源在不同层面的高度共享.该方法在社区信息资源共享平台建设方面取到很好的效果.     

基于模型驱动架构的企业信息系统开发框架

传统企业信息系统存在结构灵活性差、复用率低、开发周期长等缺点,为此在引入模型驱动架构和企业建模方法的基础上,提出了基于模型驱动架构的企业信息系统开发框架,在这种框架下,首先建立企业的业务需求模型,经过模型诊断、优化,建立起设计模型,以此模型为基础,逐步建立起面向过程的计算无关模型、面向对象的平台无关模型和面向模式的平台相关模型,最终转化为软件代码．     

面向模型驱动的数据仓库开发方法研究

传统的数据仓库(Data Warehouse,DW)开发方法难以很好满足企业的决策需求,复杂性和高效性是数据仓库系统开发面临的两大主要问题,在模型驱动体系架构(Model Driven Architecture,MDA)框架下,提出了一种模型驱动的数据仓库开发方法,从而实现了以模型为驱动的数据仓库模型开发过程.最后通过为某企业采购价格差异分析主题数据仓库建模实际应用,验证了该方法的可行性和高效性.