简介：摘要：随机森林是当前一种常用的机器学习算法，其是Bagging算法和决策树算法的一种结合。本文就基于随机森林的相关性质及其原理，对它的改进发展过程给予了讨论。

简介：基本矩阵的估算可以分为线性算法、非线性优化迭代算法、鲁棒估计算法三大类,而以鲁棒估计效率、效果最为突出,但是实现比较复杂.本文通过数码相机获取的两张未标定照片,采样互相关系数法和RANSAC算法,在MATLAB中实现了基本矩阵的自动拟合,实验表明拟合精度较高、速度快,为下一步三维场景的自动重建和量测奠定了基础。

简介：高生存性是任何网络计算系统所必须具备的属性。分析了自主服务调度算法的特点,针对服务器群集系统中服务器间服务迁移的不确定性,提出了一种伪随机机制。该机制引入了一个调度序列和基于马尔科夫链的自主竞争机制,实现了服务器的自主调度,同时增加了恶意入侵者入侵服务器群集系统的难度,增强了服务器群集系统的生存率。实验表明,具备伪随机序列的服务迁移自主调度算法性具有更好的抗攻击性能,能够更好地协调安全性和服务连续性间的平衡。

简介：运用遗传算法解多目标问题,结果往往会陷入局部最优。引入传统算法求得的外部种群,提出基于随机扰动的RDMOGA遗传算法。将新算法用标准多目标测试函数进行测验,并与韩丽霞提出的NMOGA算法进行对比,实验结果表明,新算法表现出良好的搜索性能。

简介：高频开关动作产生的振荡对对数字采样有一定的影响，以Boost型PFC电路为例，分析了受影响区间，进而提出线性外推的改进算法，最后把此算法运用到一个实验模型中，实验结果证明了该算法的有效性。

简介：针对视频图像运动目标跟踪时的时延问题和目标被遮挡时易丢失的问题,提出了-种基于Meanshift采样的辅助变量粒子滤波跟踪算法.采用AVPF算法作为跟踪算法的主体框架,对每个辅助采样粒子进行Meanshift转移,利用采样粒子确定候选目标区域,对候选目标模型与目标模型进行相似性度量,更新粒子权重,最后估计目标状态.仿真结果显示,本文算法能够有效处理跟踪过程中目标部分被遮挡的问题,具有较好的鲁棒性和较好的实时性.

简介：[摘要]本文对随机数均匀分布、正态分布的生成算法进行了探讨，给出了一种服从正态分布随机数生成方法，该方法用于描述取值范围较集中的现象，它在客观世界中有着广泛的应用。[关键词]随机数均匀分布正态分布教学一、引言在数据结构、算法分析与设计、科学模拟、信息安全等方面都需要用到随机数。特别是一些安全级别要求比较高的应用，对于随机数的质量提出了很高的要求。随机数的生成一般有两种方式，一种是硬件方式，一种是软件方式。一般情况下，硬件方式生成的随机数质量要好于软件方式生成的随机数。但是对于一般的用户来说，需要每位用户都配备一种硬件设备来生成随机数，这种方式可能不太现实。因此，通过软件方式来寻找高质量的随机数，这是一个很重要而且人们不断探讨的课题……

简介：随机早期检测RED（RandomEarlyDetection）算法是广泛应用于路由器中的IP层的拥塞控制算法之一，它的主要思想是在拥塞发生以前，通过计算队列中包的丢失概率，从而随机丢弃一部分数据包，以达到实现网络拥塞控制的目的。但该算法在应用中仍有不足。针对于此，重新计算在缓冲区最大门限值附近的丢弃概率，提出新的改进算法，以增大网络吞吐量。

简介：摘 要：城市交通的出行者是交通网络分析的对象，本文针对固定需求随机用户平衡问题，提出了粒子群优化算法并进行数值实验分析，通过构造初始解；设置约束条件控制迭代步长，根据适应度函数求出粒子自身历史最优位置和群体全局最优位置并更新速度和位置向量；同时在迭代更新过程中保证同一OD对各有效路径上流量之和等于其交通需求，最后达到设置的迭代次数，输出OD对各路径流量。结果表明用粒子群算法求解随机用户平衡问题有效可行，迭代收敛较快。

简介：摘 要：城市交通的出行者是交通网络分析的对象，本文针对固定需求随机用户平衡问题，提出了粒子群优化算法并进行数值实验分析，通过构造初始解；设置约束条件控制迭代步长，根据适应度函数求出粒子自身历史最优位置和群体全局最优位置并更新速度和位置向量；同时在迭代更新过程中保证同一OD对各有效路径上流量之和等于其交通需求，最后达到设置的迭代次数，输出OD对各路径流量。结果表明用粒子群算法求解随机用户平衡问题有效可行，迭代收敛较快。

简介：宽带频谱检测的目的是完成对宽频段内信号的检测。在Nyquist采样理论下，为瞬时覆盖这么宽的带宽会对模数转换器（ADC，analog—to-digital）的采样率提出过高要求。研究了基于随机解调器压缩采样的宽带频谱检测方法。该方法能够以低于Nyquist采样率的速率完成对宽频段的采样，降低了ADC的负担。仿真结果表明，在频谱满足稀疏性的条件下，所研究的方法能够较准确检测宽频段内的各个信号。

简介：针对现有页岩气储集层总有机碳含量预测模型存在的模型泛化能力弱、稳定性差的问题,提出了一种利用随机森林回归算法预测储集层总有机碳含量的方法。该方法使用地球物理测井提供的密度、铀含量、钍含量、自然伽马及光电吸收截面吸收指数等测井响应值作为输入,岩芯实验总有机碳含量作为输出,通过学习输入曲线与总有机碳含量的函数关系,动态预测整口井的总有机碳含量曲线。通过对焦石坝地区两口页岩气探井建模及预测可知,当随机森林中树的数量达到500时,建立的模型即可对训练样本中输入与输出的函数关系进行完全学习。通过训练结果及预测结果可知,随机森林回归方法不易发生过拟合现象,泛化能力极强,同时预测得到的曲线更为平滑,预测总有机碳含量较其他方法更为准确,有效地提高测井信息预测总有机碳含量模型的精度,对页岩气储集层评价提供帮助。

简介：为提高基于随机森林算法重复拨打投诉预警模型的效果,文章从数据、指标、参数3个方面对模型进行优化。在数据处理方面,利用SMOTE算法平衡投诉与非投诉比例,一方面防止了模型出现过拟合;另一方面消除了非平衡数据对模型效果的影响。在特征选择方面,使用基尼系数进行特征选择,从而减少数据的噪声,提高模型预测的准确度。在参数调整方面,使用R语言软件对模型决策树数量参数和最大特征参数进行调整,模型最终的OOB误差率为5.03%,准确率和召回率均超过70%。目前投诉预警模型已经进行试点应用,实现了投诉业务的提前识别,通过采用相应服务策略,减少了服务升级事件,降低了客户投诉率,有效提升了客户感知。

简介：精确的网络流量分类是实现互联网可控可管的关键，传统的单一分类算法需要构建基于特定假设的某种模型，算法对于待分类数据的分布要求高，不能满足复杂多变的网络流量的分类要求。基于此，采用多决策树组合的随机森林算法实现网络流量分类。通过实际网络流量数据实验表明，在各种情况下，随机森林算法都能显著改善网络流量特别是小比例样本的分类效果，算法降低了单一算法过于依赖特定假设模型的要求，对于待分类样本的分布要求低，随机森林算法具有良好的分类效果和鲁棒性。

简介：摘要：随机森林算法以其稳定性强、运行速度快等优点在遥感分类中广泛运用。为提高复杂地物环境下水体提取精度，引入随机森林算法，利用Landsat8 OLI多光谱遥感影像通过有放回的随机选择训练数据子集构建决策树，使得Gini指数最小的属性作为分裂节点的属性，通过绝对多数投票法获得最终分类结果。结果表明该方法能较准确的识别提取图像中的水体目标,在复杂背景、细小河流等不利条件下分类结果较为理想。

简介：地震数据规则化是地震信号处理中一个重要步骤,近年来受到广泛关注的压缩感知技术已经被应用到地震数据规则化中。压缩感知技术突破了传统的Shannon-Nyqiust采样定理的限制,可以用采集的少量地震数据重构完整数据。基于压缩感知技术的地震数据规则化质量主要受三个因素影响,除了受地震信号在不同变换域的稀疏表达和11范数重构算法的影响外,极大地取决于地震道随机稀疏采样方式。尽管已有学者开展了2D地震数据离散均匀分布随机采样方式研究,但设计新的稀疏采样方案仍然很有必要。在本文中,我们提出满足Bernoulli分布规律的Bernoulli随机稀疏采样方式和它的抖动形式。对2D数值模拟数据进行四种随机稀疏采样方案和两种变换（Fourier变换和Curvelet变换）实验,对获取的不完整数据应用11范数谱投影梯度算法（SPGL1）进行重构。考虑到不同随机种子点产生不同约束矩阵R会有不同的规则化质量,对每种方案和每个稀疏采样因子进行10次规则化实验,并计算出相应信噪比（SNR）的平均值和标准偏差。实验结果表明,我们提出的新方案好于或等于已有的离散均匀分布采样方案。

简介：研究具有连续参数的宽平稳随机场的采样定理，并求出它的相关函数；谱密度函数和谱函数的估计式以及它们的一致收敛的速度．

简介：针对静态背景和缓动背景下的多目标跟踪,提出一种基于HOG与粒子采样定位的单目标和多目标跟踪方法。从背景建模与更新策略出发,采用方向梯度HOG特征与朴素贝叶斯分类学习方法对检测的可疑目标进行判别,识别出兴趣目标。同时提出粒子采样定位算法,在初步确定的目标位置附近,利用一定分布特性的粒子对目标的位置状态进行逼近。对多场景多实例的跟踪仿真实验结果表明：该方法能够自动检测并判别兴趣目标,可以稳定跟踪单个或多个目标,并具有较高的定位精度。该方法可应用于静态背景和缓动背景下的单目标和多目标跟踪。

简介：为了对微小型飞行器上的MIMU（微惯性测量单元）的随机漂移进行补偿，在比较了Mallat算法与átrous算法之后，基于小波变换与多尺度分析方法，提出了多尺度时间序列建模方法，它充分利用了átrous算法的快速性与时间平移不变性，将MEMS陀螺仪随机漂移进行多尺度分解。对各尺度上分解得到的信号进行重建，并对重建得到的各个信号进行时间序列建模。将各尺度时间序列模型的预测输出的和作为陀螺仪的随机噪声估计，对陀螺仪的随机漂移进行补偿。最后的实际数据建模表明该建模方法运算量小、建模速度快、精度高、模型适用性强，有很强的实际应用价值。

简介：对最优加权随机汇池网络的自适应算法进行研究,以均方误差作为随机汇池网络输出性能评价指标,推导了最小均方(LMS)和Kalman-LMS算法的递归表达式,并应用到输入信号方差发生改变的非稳态情况中,结果表明两种自适应算法都能够迭代收敛到权的最优解。与LMS算法相比,Kalman-LMS算法不仅收敛速度快,而且权均方偏差每一步都是最优的,在网络节点的个数较少时,Kalman-LMS算法能够获得更小的均方误差,而随着网络节点的个数增加,两种自适应算法得到的均方误差趋于一致。