一种基于抽象凸估计的曲线拟合方法

    公开(公告)号:CN103745079A

    公开(公告)日:2014-04-23

    申请号:CN201310600939.7

    申请日:2013-11-22

    IPC分类号: G06F19/00

    摘要: 一种基于抽象凸估计的曲线拟合方法,包括以下步骤:以两个边界点开始建立支撑向量,形成初始支撑矩阵,以此初始支撑矩阵为根建立二叉树;然后对已知的数据点建立支撑向量,并按照一定的条件更新此二叉树;再设置一个采样步长,在x的定义域范围内进行采样,然后找出采样点所属的树叶子节点,计算出采样点所属树叶子节点区域的下界低估值;连接所有的采样点就可以得到待拟合曲线的下界锯齿估计;以同样的方法求得待拟合曲线的上界锯齿估计,取上界和下界锯齿估计的平均得到的曲线即为待拟合曲线。本发明提供一种计算量小,可以保留原始数据点,拟合效率和准确率高的基于抽象凸估计的曲线拟合方法。

    一种基于群体阶段性样本训练的k-近邻预测全局优化方法

    公开(公告)号:CN105373831A

    公开(公告)日:2016-03-02

    申请号:CN201510648422.4

    申请日:2015-10-09

    IPC分类号: G06N3/12

    CPC分类号: G06N3/126

    摘要: 一种基于群体阶段性样本训练的k-近邻预测全局优化方法,在差分进化算法为框架,基于k-近邻预测方法,通过k-近邻预测值来代替新个体的实际目标函数值,从而减少函数评价次数;在进化过程中,根据种群中个体的拥挤度,即各个体之间的平均距离将算法分为两个阶段,从而分阶段进行样本训练,第一阶段,根据平均距离判断何时终止对所有个体进行样本训练,避免前期样本训练代数设置不恰当而影响算法性能;第二阶段,当样本训练达到一定数量后,根据k-近邻预测值与实际目标函数值之间的误差保存样本个体,避免样本个体过多而导致空间复杂度较高。本发明不需要进行样本训练代数设置,且空间复杂度较小。

    一种基于RFID技术的快递配送单生成方法

    公开(公告)号:CN104933539A

    公开(公告)日:2015-09-23

    申请号:CN201510158145.9

    申请日:2015-04-03

    IPC分类号: G06Q10/08 G06Q50/28 G06K17/00

    摘要: 一种基于RFID技术的快递配送单生成方法,包括以下步骤:A1、获取原始的快递配送单必填的基本信息(收件人姓名、电话、收件地址)并通过地址匹配算法将文本地址转化问经纬度信息;A2、采用自定义编码方式将省市区分别采用2位数字编码,省市区后面是联系人电话号码,电话号码后面是收件地址的经纬度信息,最后是收件人姓名;A3、使用RFID读写器将编码好的信息写入到13.56MHz的柔性RFID标签中,最后贴于包裹表面。本发明能提高快递行业的信息化程度和自动化程度。

    一种基于最优个体Lipschitz支撑面的群体全局优化方法

    公开(公告)号:CN105303234A

    公开(公告)日:2016-02-03

    申请号:CN201510648852.6

    申请日:2015-10-09

    IPC分类号: G06N3/00

    摘要: 一种基于最优个体Lipschitz支撑面的群体全局优化方法,在基本差分进化算法框架下,基于Lipschitz支撑思想,首先,对初始种群中的每个个体建立Lipschitz估计下界支撑面从而形成目标函数的初始下界估计;其次,获取新个体的下界估计信息分情形来判断是否值得对新个体进行目标函数评价,并利用下界估计区域的极值信息找出部分无效区域;然后,借助Lipschitz下界支撑面的广义下降方向作局部增强,进一步加快算法的收敛速度;最后,对种群中的最优个体建立Lipschitz下界支撑面,使得下界估计不断向目标函数逼近。本发明可靠性较高、计算代价较低,且收敛速度较快。

    一种基于动态Lipschitz下界估计的变策略群体全局优化方法

    公开(公告)号:CN105224987A

    公开(公告)日:2016-01-06

    申请号:CN201510607342.4

    申请日:2015-09-22

    IPC分类号: G06N3/08

    摘要: 一种基动态Lipschitz下界估计的变策略群体全局优化方法,在基本差分进化算法框架下,首先,对初始种群中的个体建立Lipschitz估计下界支撑面从而形成目标函数的初始下界估计;其次,根据种群个体的拥挤度,即各个体之间的平均距离将整个算法过程分为三个阶段,对各阶段设置不同的变异策略;然后,在第一和第二阶段,利用下界估计信息指导种群更新,在第三阶段,则根据下界估计信息有选择性的对个体进行评价并更新;最后,根据各阶段的更新结果,选取不同的个体建立Lipschitz下界支撑面来动态更新目标函数的下界估计信息。本发明计算代价较低、收敛速度快、不需要进行样本训练、不需要进行模型选择,且解的质量较高。