A Generalized Rough Set Approach to Attribute Generalization in Data Mining

This paper presents a generalized method for updating approximations of a concept incrementally, which can be used as an effective tool to deal with dynamic attribute generalization. By combining this method and the LERS inductive learning algorithm, it also introduces a generalized quasi-incremental algorithm for learning classification rules from data bases.     

基于联合神经网络的水声目标识别方法

为了改善传统的单一识别网络难以充分考虑水下声音样本各方面特征的缺陷,本文利用联合一维卷积神经网络与长短期记忆网络2种网络串行的方式,构建一种新的网络框架,首次将联合网络运用到水声目标识别中.其次,用船舶音频数据作为数据集输入网络,对网络性能进行评价,进行识别结果的可视化分析.通过结果分析得出,该网络能够实现对水声目标的...     

基于机器学习的船舶能耗智能预测方法验证分析

船舶能耗智能预测是实现船舶能效智能评估与优化决策的基础和前提。大数据、人工智能、机器学习等新兴技术促进了船舶能耗预测方法的不断发展,为分析不同基于机器学习的船舶能耗预测算法的预测精度与效果,进行了不同预测算法的实例验证分析。结合船舶油耗及其影响因素实船采集数据,通过采用不同机器学习算法对船舶能耗进行预测分析,验证了各算法的特点和优势,从而为选择合适的船舶能耗预测算法提供参考。     

浅谈项目成本管理中的现金流技术

现金流在施工企业及其项目管理中的重要性不容置疑,在项目投标阶段及实施过程中,对现金流进行预测和干预的必要性不容争议。     

面向海工生产调度问题的多智能体求解系统

设计面向海工项目多主体协商生产调度问题的多智能体求解系统架构,明确海工生产调度多智能体系统的协商机制和冲突消解策略,为问题的求解提供基础保障。此外,为增强智能体的推理决策能力,提高问题求解效率和求解精度,基于分层强化学习理论提出面向海工生产调度问题求解的学习模型与多智能体系统学习机制。在此基础上,开发面向海工生产调度问题的多智能体求解原型系统,进行实例验证,为在海工企业中进行实际应用提供可能。     

基于深度学习的短时交通流预测研究

针对交通流时间序列,在深度学习的理论框架下,构建基于LSTM-RNN的城市快 速路短时交通流预测模型.根据交通流的时空相关性完成时间序列的重构,依靠模型训练对时 空关联特性进行识别和强化,兼顾精度和时效性确定神经网络深度,完成短时交通流预测模 型搭建.基于TensorFlow 的Keras 完成LSTM-RNN的逐层构建和精细化调参,利用路网实测数 据样本完成算法验证,实现模型本地保存并根据预测精度进行自适应更新.结果表明,本文所 采用的预测算法精度高,受训练样本量的限制较小,实时性、扩展性和实用性均得到有效提高.     

基于动态学习的泊位调度方案优化

泊位调度方案的制定要依据在泊船舶的占用泊位情况及预计在泊时间,确定其他待泊船舶的靠泊位置与靠泊时间.然而,预计在泊时间受水文气象等多种复杂因素的影响,且影响程度是随时间动态变化的,给泊位调度方案的制定增加了难度.对此,本文采用动态学习方法对在泊时间计算函数进行更新,再基于所得函数对泊位调度方案进行优化.并设计了包含船舶在泊时间动态学习及泊位调度方案优化的并行算法,前者为后者提供更新的在泊时间计算函数,后者的实际执行结果为前者提供学习样本.通过算例对模型有效性进行了验证,结果表明：加入动态学习过程,船舶在泊时间的计算偏差得以降低;优化方案的平均在泊时间缩短2.4 h,总成本降低11.1%.     

二级学院教学管理系统的研究

二级学院是一所大学的重要组织机构,是支撑学校的坚实骨架,也是学校教学管理的基础。因此,如何提高二级学院教学管理质量、确保人材培养目标,是我们二级学院教学管理人员必须研究的课题。本文从教学管理的组织到教学文件的管理、教师的管理、教学监控和学生动态跟踪与监控系统等方面进行了研究,提出了教学管理新的思路和方法,并在系统中引入了教学质量的保障与监控机制。     

发动机怠速学习控制的调整维修

从故障实例出发，介绍发动机怠速控制系统学习功能以及与怠速不正确故障之间的影响关系，描述加速踏板释放位置学习、节气门关闭位置学习、怠速空气量学习操作的方法。     

Deformable Registration of MR Brains with Best Features

Introduction Deformable registration is very important formedical image analysis and so far various methodshave been proposed in decades[1-4]. HAMMER reg-istration algorithm[5]defines an attribute vector in-cluding intensity, edge type, and geometric mo-ment invariants as a signature of each point, to re-duce ambiguity in correspondence matching duringthe image registration. Another characteristic ofHAMMER is the hierarchical matching mecha-nism, which helps avoid the warping being trapped…