简介:给出了n阶带形状参数的三角多项式T-Bézier基函数.由带形状参数的三角多项式T-Bézier基组成的带形状参数的T-Bézier曲线,可通过改变形状参数的取值而调整曲线形状,随着形状参数的增加,带形状参数的T-Bézier曲线将接近于控制多边形,并且可以精确表示圆、螺旋线等曲线.阶数的升高,形状参数的取值范围将扩大.
简介:链路预测是网络信息挖掘的主要研究内容,通过对网络结构和其他信息的分析,挖掘缺失的链接或预测未来可能出现的链接。链路预测在推荐系统、社会网络和生物网络分析中有着十分广泛的应用。本文首先介绍了基于公共邻居、路径和随机游走的8种常用的链路预测指标.并在此基础上提出了一种基于这8种指标线性组合的度量指标,并经过实验找出了较好的优化参数。然后,提出了基于这8种指标的神经网络模型.并分别基于Weka平台和FANN库进行了实现。在社会网络的4个公开测试集上的实验结果表明.基于FANN库的神经网络模型的预测结果最好,在4个数据集上最高的AUC值分别达到了0。95l8、0.9289、0.7480和0.8677,与单一指标最好的AUC值相比分别提高了3.92%、1.45%、7.06%和24.35%。
简介:单个不可分的操作员g_(Ω,α),和Marcinkiewicz不可分的操作员μ_(Ω,α)被学习。操作符的内核象|y一样表现|~(-n-α)(α>0)接近起源,并且包含震荡的因素e~((i|y|)~(-β))(β>0)并且联合起来的范围S~(n-1)上的分发Ω。如果Ω与0
简介:带柔性时间窗的开放式车辆路径问题(OpeningVehicleRoutingProblemwithFlexibleTimewin—dows,OVRPFTW)对物流配送中的延迟或者提早具有一定程度的容忍.本文首先建立了OVRPFTW的数学模型,然后分别将Sine映射,Chebyshev映射和Logistic映射引入基本蚁群算法,构建了三种混沌蚁群算法,并将其用于求解OVRPFTW.算倒测试表明:Sine映射和Chebyshev映射能够明显地改进基本蚁群算法的优化性能,基于Sine映射和Chebyshev映射的混沌蚁群算法的求解性能优于基本蚁群算法和基于Logistic映射的混沌蚁群算法.
简介:本文应用Markov骨架过程方法,研究了带干扰的理赔为一般到达的保险风险模型,得到了破产时间与破产时刻前后资产盈余的联合分布以及破产时间的分布.