基于PSO的信息熵数据融合非均匀分簇路由算法

针对无线传感器网络分簇算法中能量分布不均衡导致的"热区"和簇头负载过重问题,提出了一种基于PSO算法优化簇头选举的非均匀分簇算法。在候选簇头选举和竞争半径计算过程中综合考虑节点动态能量、节点密度和节点距基站距离,将网络进行非均匀分簇,并引入PSO算法进行最终簇头选举。根据节点能量、节点密度和距基站距离确定簇间单跳多跳结合的路由规则,选取代价函数小的节点作为下一跳节点。基于节点信息熵确定融合阈值,进行簇内数据融合剔除冗余数据。仿真结果表明,改进算法的数据传输量比EEUC算法和UCRA算法分别提高了20%和10%,提升了数据的融合效率,有效延长了网络生命周期,簇头能量消耗得到均衡,减少了网络能量消耗,网络的整体性能显著优于其他对比算法。     

A proposed configurable approach for recommendation systems via data mining techniques

This study presents a configurable approach for recommendations which determines the suitable recommendation method for each field based on the characteristics of its data, the method includes determining the suitable technique for selecting a representative sample of the provided data. Then selecting the suitable feature weighting measure to provide a correct weight for each feature based on its effect on the recommendations. Finally, selecting the suitable algorithm to provide the required recommendations. The proposed configurable approach could be applied on different domains. The experiments have revealed that the approach is able to provide recommendations with only 0.89 error rate percentage.     

基于改进指纹聚类的WLAN定位优化方法

将K-means聚类算法应用到无线局域网（WLAN）位置指纹定位中，虽然可以缩短定位时间，但是容易降低定位精度。为了解决此问题，提出了基于改进指纹聚类的WLAN定位优化方法。首先根据接收信号强度标准差来优化初始聚类中心的选取,然后对指纹数据进行聚类处理,最后进行在线定位。实验结果表明，与传统的WLAN位置指纹定位方法和K-means聚类定位方法相比，基于改进指纹聚类的定位优化方法不仅缩短了定位时间，还能有效提高定位精度。     

基于两阶段法的多车型卷烟配送路径优化研究

在烟草商业企业中,物流是其重要的环节,是连接客户与烟草企业间的纽带,其卷烟配送线路设计的合理与否直接影响到卷烟的配送效率和配送成本,就如何合理的规划线路成为卷烟配送的关键问题。文章以Q烟草公司为例,运用先分组后路线的两阶段法对问题进行求解,先利用K-means聚类算法对区域进行划分,再考虑工作量均衡的条件下引入遗传算法对区域进一步调整,最后利用混合遗传算法对各配送区域进行线路优化,通过实例从线路数、车辆数、空载率、配送里程及总成本等指标上可以看出两阶段法的配送效果更优。     

一种加权聚类划分决策树算法

针对斜划分决策树算法普遍存在时间效率低、部分算法仅能应用于二分类问题，提出了一种基于加权距离的聚类决策树算法。通过Relief-F算法为预测属性计算权重，并将权重用于树结点中数据的聚类过程，使用分簇结果对结点进行多路划分，得到可直接用于多分类问题的决策树。理论分析和实验结果表明，该算法与经典轴平行决策树相比，拥有更好的泛化能力以及相近的算法时间复杂度，与大部分斜决策树相比，在付出更少计算代价的前提下，获得了近似的正确率以及模型简洁度。     

融合反距离加权和矩阵填充的位置指纹库构建

为解决位置指纹定位在离线阶段构建位置指纹库时耗费的人力和时间成本较大，构建指纹库效率低和利用空间插值法构建的指纹库精度不高的问题，提出了一种融合反距离加权和矩阵填充的位置指纹库构建算法。该算法仅需人工采集定位区域内少量参考点的接收信号强度值用作信标点指纹信息，结合反距离加权算法特性计算出次信标点指纹信息，根据位置指纹库数据矩阵的低秩性，应用奇异值阈值矩阵填充算法构建出位置指纹数据库。仿真实验结果表明，所提算法有效降低了矩阵填充算法构建位置指纹库所需的人工和时间成本，构建出的位置指纹库定位性能优于反距离加权和克里金空间插值法，接近传统人工采集法，显著地提高了位置指纹库的构建效率。     

利用改进特征金字塔模型的SAR图像多目标船舶检测

深度学习模型中的特征金字塔网络（Feature Pyramid Network，FPN）常被用作合成孔径雷达（Synthetic Aperture Radar，SAR）图像中多目标船舶的检测。针对复杂场景下多目标船舶检测问题，提出了一种基于改进锚点框的FPN模型。首先将特征金字塔模型嵌入传统的RPN（Region Proposal Network）并映射成新的特征空间用于目标检测，然后利用基于形状相似度距离（Shape Similar Distance,SSD）度量的Kmeans聚类算法优化FPN的初始锚点框，并使用SAR船舶数据集测试。实验结果表明，所提算法目标检测精确率达到98.62%，在复杂场景下与YOLO、Faster RCNN、FPN based on VGG/ResNet等模型进行对比，模型准确率提高，整体性能更好。     

一种基于自适应相似矩阵的谱聚类算法

为了消除在构建谱聚类算法的相似矩阵时,高斯核函数中尺度参数的波动影响,构建了一种自适应相似矩阵,并应用到谱聚类算法中。自适应相似矩阵中数据点间的距离度量采用测地距离算法,相距较近的两点间的距离近似于欧氏距离,相距较远的两点则先根据欧氏距离得到每个数据点的k个近邻点,然后累加近邻点的测地距离,由此得到每对数据点间的最短距离。两点间的局部密度用共享近邻的定义来表示,更好地刻画了数据集的本征结构。在5个人工数据集和国际通用UCI数据库中的5个真实数据集上进行实验。实验结果表明,所提算法的聚类准确率高于对比算法的准确率,对复杂分布数据有很强的自适应能力。研究成果为数据挖掘及机器学习提供了思路和方法。     

Consumer Trends and Attitudes to Functional Foods

Abstract

Consumers' needs have grown to such an extent that they are sought out of nutritious and pleasant organoleptic foods, as well as functional foods. This study explores consumer attitudes towards health nutrition products and particularly functional foods, using data from a survey to 325 consumers. The results designate that consumers recognize different kinds of functional foods, willing to pay a premium for their purchase. They perceive that functional foods may contribute to easily follow a healthy and balanced diet and reduce the risk of health problems but appeared anxious about the health benefits these foods communicate in their labelling.     

探究生鲜人工智能秤的发展状况与趋势

为解决农贸市场、菜市场、超市的销售果蔬、肉类等生鲜的称重、计价、封袋流程复杂、耗时长、精确度不高和结账方式的问题。通过大量查阅和深究国内外的智能电子秤资料,分析和在总结了当前国内外的智能电子秤发展状况与趋势,包括图像识别技术、红外线检测技术和指纹快速结账技术,论述了智能电子秤发展的主要因素与发展趋势,可为智能电子秤科学研究和企业发展提供借鉴。