-
题名多机器人追捕中带双向筛选的动态任务分配算法研究
被引量：4
- 1
-
-
作者
刘政强
陈寿元
邵增珍
张永
刘衍民
-
机构
山东师范大学信息科学与工程学院
山东省物流优化与预测工程技术研究中心
遵义师范学院数学与计算科学学院
-
出处
《小型微型计算机系统》
CSCD
北大核心
2017年第7期1568-1572,共5页
-
基金
中国博士后科学基金项目(2016M592697)资助
山东省科技发展计划项目(2014GGH201022)资助
+2 种基金
山东省经信委软科学计划项目(2015EI010)资助
国家自然科学基金项目(71461027)资助
贵州省自然科学基金(黔教合KY[2014]295)资助
-
文摘
多机器人执行并行追捕任务时,须通过任务分配形成若干子群,每个子群针对某一目标进行协作追捕.由于环境中目标数量及位置的变化,要求任务分配能够动态进行.提出基于合同网任务分配模型的带双向筛选机制的动态任务分配方法,以减少协商过程的通信开销.机器人自主动态构建任务数据集且在追捕过程中自动更新.招标机器人和投标机器人筛选数据集中的最优信息选择结盟,且根据任务数据集信息在不同合同网联盟间动态迁移.仿真结果表明,使用该方法在不同情况下均能高效地实现防入侵追捕任务,同时可有效降低协商过程通信开销.
-
关键词
多机器人
追捕
任务分配
合同网
双向筛选
-
Keywords
multi-robot
capture
task allocation
contract net protocol
bilateral selective mechanisms
-
分类号
TP301
[自动化与计算机技术—计算机系统结构]
-
-
题名基于二分图网络的总体多样性增强推荐算法
被引量：1
- 2
-
-
作者
张骏
丁艳辉
金连旭
赵文朋
-
机构
山东师范大学信息科学与工程学院
山东省物流优化与预测工程技术研究中心
-
出处
《计算机应用研究》
CSCD
北大核心
2018年第6期1628-1630,1667,共4页
-
基金
国家自然科学基金青年基金资助项目(61303007)
-
文摘
针对传统推荐算法过于强调推荐准确率而造成推荐系统长尾现象加剧问题,提出一种基于二分图网络的总体多样性增强推荐算法。首先,利用现有推荐算法生成的预测评分构建用户候选推荐列表,进而构建二分图网络模型;其次,设定项目容量对热门项目的推荐次数予以限制;最后,结合推荐增广路生成最终推荐列表。与现有的推荐多样性增强算法在真实电影评分数据集上进行实验对比,实验结果表明,该算法在保证推荐准确率的同时能有效提高推荐的总体多样性。
-
关键词
推荐系统
总体多样性
二分图
-
Keywords
recommendation system
aggregate diversity
bipartite graph
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名基于中国观鸟数据的移动对象周期模式发现
被引量：2
- 3
-
-
作者
陈东
邵增珍
魏争争
刘衍民
-
机构
山东师范大学信息科学与工程学院
山东省物流优化与预测工程技术研究中心
遵义师范学院数学与计算科学学院
-
出处
《计算机工程》
CAS
CSCD
北大核心
2017年第4期1-7,共7页
-
基金
中国博士后科学基金(2016M592697)
山东省科技发展计划项目(2014GGH201022)
山东省经信委软科学研究课题(2015EI010)
-
文摘
移动对象的轨迹数据中包含大量时空信息,挖掘时空信息背后隐藏的周期模式对掌握移动对象变化规律具有重要作用。为此,提出一种三阶段移动对象周期模式检测算法,通过研究轨迹点的时空特征识别并剔除重复数据,利用密度聚类算法发现轨迹点密集区域并找出密集区域中每一类移动对象的周期模式,解决移动对象轨迹周期模式挖掘中轨迹数据重复、采样数据不连续及潜在周期模式发现问题。基于2003年—2015年中国观鸟记录中心、中国观鸟年报等公开数据的实验结果表明,该算法可有效处理轨迹数据并准确挖掘出规律性移动对象的周期模式。
-
关键词
移动对象
数据挖掘
数据预处理
周期模式
中国观鸟数据
-
Keywords
moving object
data mining
data preprocessing
periodic pattern
China birding data
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名不平衡数据集下特征词两面性的新型降维算法
被引量：1
- 4
-
-
作者
付鑫
王洪国
邵增珍
杜秋霞
-
机构
山东师范大学信息科学与工程学院山东省物流优化与预测工程技术研究中心
-
出处
《计算机应用研究》
CSCD
北大核心
2018年第7期1947-1949,1969,共4页
-
基金
山东省科技发展计划资助项目(2014GGH201022)
山东省经信委软科学计划资助项目(2015EI010)
国家自然科学基金资助项目(71461027)
-
文摘
传统DFS特征选择算法在降维处理时既未考虑样本分布不均的情况,又未涉及负特征词对类别的影响。综合考虑DFS的缺陷并进行优化处理,将DFS与卡方检测算法CHI结合,提出一种改进型特征选择算法DFS-sCHI。引入负特证词作为类别划分的影响因子之一,解决不平衡数据集下所提特征词类别分布不均的问题。经实验分析,不平衡数据集下,DFS-sCHI相比较于DFS在分类精度上有明显提高。
-
关键词
不平衡数据集
文本分类
特征选择
DFS-sCHI
-
Keywords
imbalance data set
text classification
feature selection
DFS-sCHI
-
分类号
TP391.1
[自动化与计算机技术—计算机应用技术]
-
