分类： 计算机科学 >> 计算机科学的集成理论 提交时间： 2018-05-02 合作期刊: 《计算机应用研究》
摘要： 数据分布的不平衡性和数据特征的非线性增加了分类的困难，特别是难以识别不平衡数据中的少数类，从而影响整体的分类效果。针对该问题，结合KFDA（kernel fisher discriminant analysis）能有效提取样本非线性特征的特性和集成学习中Boosting算法的思想，提出了KFDA-Boosting算法。为了验证该算法对不平衡数据分类的有效性和优越性，以G-mean值、少数类的查准率与查全率作为分类效果的评价指标，选取了UCI中10个数据集测试KFDA-Boosting算法性能，并与支持向量机等六种分类算法进行对比实验。结果表明，对于不平衡数据分类，尤其是对不平衡度较大或呈非线性特征的数据，相比于其他分类算法，KFDA-Boosting算法能有效地识别少数类，并且在整体上具有显著的分类效果和较好的稳定性。
分类： 计算机科学 >> 计算机科学的集成理论 提交时间： 2018-04-19 合作期刊: 《计算机应用研究》
摘要： 任务分配是众包流程的关键所在，也是众包价值的重要体现。从众包活动参与者即主体企业、众包平台、平台会员的视角出发，研究服务众包定价问题。在考虑会员信誉度和任务聚集度的基础上，针对含有地理因素的众包任务设计打包分配定价方案。以服务成本、任务价值、会员收益等为导向，对不同任务进行组合配置，从而设计多目标规划任务配置及定价模型，并针对该模型构建了精英蜂群算法。在精英蜂群算法中，充分利用蜜源信息并着重考虑成长性较好的蜜蜂，进而避免了局部最优问题，提高了搜索效率。通过对众包服务企业运营数据分析，获取到众包服务会员特征及任务完成相关基础信息，以此进行仿真实验。仿真结果表明通过众包任务打包定价机制，任务完成率、企业总成本、三方总收益等方面均有显著优化。综合模型及数据实验可知，众包任务在定价与发布过程中根据自身特征差异，在无差异服务中只需要考虑会员信誉度，对于具有服务差异性的任务则需要考虑打包发布。
分类： 计算机科学 >> 计算机科学的集成理论 提交时间： 2018-04-17 合作期刊: 《计算机应用研究》
摘要： 城市最后一公里物流已经成为了城市物流系统的重要组成部分，最后一公里物流节点的选取是其中的重要环节，不仅能够提高配送效率、降低运营成本，还能提升企业形象和缓解城市拥堵压力等。从多种参与者角度出发，基于聚类分析优先选取物流配送覆盖度、均衡度、城市拥堵情况等多个指标及目标构建了的城市物流一级节点识别模型，并使用贪婪算法对一级节点周边的二级节点进行识别，形成最后一公里物流节点网络。使用南京仙林区物流需求情况及周边交通情况进行实证仿真，给出相应的一级节点及二级节点，实证结果表明，南京仙林区总面积308.29 km2，优化后的整个物流网络服务范围高达289.50 km2，覆盖率高达93.91%，满足整体物流网络的货运需求，最高转运率高达0.949。
点击量
点击量
下载量
评论
