粒子群優(yōu)化算法
- 基于PSO-DDPG算法的光儲(chǔ)充電站實(shí)時(shí)控制策略研究
學(xué)習(xí)；粒子群優(yōu)化算法；深度確定性策略梯度中圖分類號(hào)：U469.72；TM73? ? 文獻(xiàn)標(biāo)志碼：A? ? 文章編號(hào)：1671-0797（2023）17-0005-04DOI：10.19514/j.cnki.cn32-1628/tm.2023.17.0020? ? 引言隨著電動(dòng)汽車（Electric Vehicle，EV）保有量的快速增長，公共充電設(shè)施得到了越來越多的關(guān)注[1]。常規(guī)的電動(dòng)汽車充電站（Charging Station，CS）僅通過向電網(wǎng)購電、
機(jī)電信息 2023年17期2023-09-08
- 基于PSO-Elman算法的校園人員室內(nèi)定位技術(shù)研究
種基于粒子群優(yōu)化算法（PSO）和Elman神經(jīng)網(wǎng)絡(luò)的算法。采用接入點(diǎn)（AP）和未知節(jié)點(diǎn)的質(zhì)心信息與跳數(shù)信息作為Elman神經(jīng)網(wǎng)絡(luò)的輸入值，通過Elman神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，最終得到未知節(jié)點(diǎn)的預(yù)測位置。仿真結(jié)果表明，該算法的定位誤差明顯小于傳統(tǒng)的TOA、AOA、RSSI等定位方法，定位精度得以大幅提升。關(guān)鍵詞：人員定位；粒子群優(yōu)化算法；Elman神經(jīng)網(wǎng)絡(luò)；WSN中圖分類號(hào)：TP18? 文獻(xiàn)標(biāo)識(shí)碼：A? 文章編號(hào)：2096-4706（2023）06-0057-0
現(xiàn)代信息科技 2023年6期2023-06-25
- 基于PSO-BP神經(jīng)網(wǎng)絡(luò)與PSO-SVM的抗乳腺癌藥物性質(zhì)預(yù)測
性質(zhì);粒子群優(yōu)化算法;BP神經(jīng)網(wǎng)絡(luò);支持向量機(jī)中圖分類號(hào)TP183文獻(xiàn)標(biāo)志碼A收稿日期2021-12-06資助項(xiàng)目國家自然科學(xué)基金（71701099，71501090）；江蘇省高等學(xué)校自然科學(xué)研究項(xiàng)目 （17KJB580008）作者簡介許美賢，女，碩士生，主要從事人工智能輔助藥物設(shè)計(jì)、數(shù)據(jù)挖掘的研究.xumeixain3210@163.com鄭琰（通信作者），女，博士，副教授，主要從事計(jì)算生物物理學(xué)、人工智能輔助生物分子結(jié)構(gòu)預(yù)測的研究.ZhengYan32
南京信息工程大學(xué)學(xué)報(bào) 2023年1期2023-06-14
- 礦井淋水井筒風(fēng)溫PSO-SVR預(yù)測方法
預(yù)測;粒子群優(yōu)化算法;支持向量回歸中圖分類號(hào)：TD 727文獻(xiàn)標(biāo)志碼：A文章編號(hào)：1672-9315（2022）03-0476-08DOI：10.13800/j.cnki.xakjdxxb.2022.0310開放科學(xué)（資源服務(wù)）標(biāo)識(shí)碼（OSID）：PSO-SVR prediction method of airflow temperatureof shaft with water dropping in mineGAO Jianan WU Fenglian
- 基于距離代價(jià)的自適應(yīng)慣性權(quán)重粒子群優(yōu)化算法
性權(quán)重粒子群優(yōu)化算法。該算法在運(yùn)行過程中根據(jù)粒子位置的距離代價(jià)，將種群分為三個(gè)等級(jí)，對不同等級(jí)的種群采用不同的慣性權(quán)重策略更新粒子的速度和位置，并在每次迭代的過程中對全局最優(yōu)加入一個(gè)擾動(dòng)因子來增加粒子的多樣性。通過仿真實(shí)驗(yàn)，將該文提出的PSO算法與其他幾種粒子群優(yōu)化算法進(jìn)行對比，實(shí)驗(yàn)結(jié)果表明：在相同條件下該算法能以較少的迭代次數(shù)得到最優(yōu)解，同時(shí)兼具好的收斂速度和高的收斂精度。關(guān)鍵詞：粒子群優(yōu)化算法;自適應(yīng)慣性權(quán)重;粒子距離代價(jià);DCAPSO;擾動(dòng)因子中圖分
電腦知識(shí)與技術(shù) 2022年5期2022-04-11
- 基于中心位的粒子群優(yōu)化算法
針對粒子群優(yōu)化算法（Particle Swarm Optimization，簡稱PSO）容易陷入局部極值、進(jìn)化后期的收斂速度慢和精度低等缺點(diǎn)，提出了基于中心位的粒子群優(yōu)化算法（Particle swarm optimization algorithm based on center particle，簡稱CPPSO）。該算法采取雙策略更新粒子位置，一種通過隨機(jī)慣性權(quán)重作用的粒子和影響算子作用的個(gè)體極值、全局極值來更新粒子位置，另一種在之前更新的粒子位置基
計(jì)算機(jī)時(shí)代 2021年12期2021-12-28
- 改進(jìn)移動(dòng)閉塞方式多列車運(yùn)行粒子群優(yōu)化算法
改進(jìn)的粒子群優(yōu)化算法具有較佳的優(yōu)化效果，適合于解決移動(dòng)閉塞方式下的多列車運(yùn)行優(yōu)化問題。關(guān)鍵詞：移動(dòng)閉塞;多列車運(yùn)行;粒子群優(yōu)化算法;遺傳進(jìn)化Abstract： Block is an important problem that must be considered in the operation of multiple trains. To improve the blocking effect of multi-train operation und
內(nèi)燃機(jī)與配件 2021年3期2021-09-10
- 水資源約束下哈密市耕地種植結(jié)構(gòu)優(yōu)化研究
件采用粒子群優(yōu)化算法（PSO）建立耕地用水優(yōu)化配置模型，獲得哈密市不同農(nóng)作物類型的適宜種植面積，確定農(nóng)業(yè)用水總量與產(chǎn)出效益，使用DEA模型中的C2R模型分別對優(yōu)化前后的哈密市農(nóng)業(yè)用水效率進(jìn)行評(píng)價(jià)。[結(jié)果]PSO優(yōu)化預(yù)測2025年耕地總面積為70 635 hm2，總效益達(dá)29.02億元，比2015—2019年最高效益（2017年25.88億元）提升了12.13%;優(yōu)化預(yù)測的2025年耕地單位面積效益達(dá)4.11萬元，比2015—2019年最高單位面積效益（20
安徽農(nóng)業(yè)科學(xué) 2021年16期2021-08-30
- 考慮路徑可靠性的垃圾回收選址路徑問題研究
描述，粒子群優(yōu)化算法能夠?qū)Σ煌?guī)模的問題進(jìn)行有效求解，并且隨著可靠性水平的增大，總成本增加，開設(shè)成本無明顯變化，車輛運(yùn)營成本增加，運(yùn)輸和處理成本增加。該研究對提高垃圾回收系統(tǒng)的可靠性具有重要意義。關(guān)鍵詞：? 垃圾回收; 選址路徑問題; 路徑可靠性; 粒子群優(yōu)化算法中圖分類號(hào)： TP29? 文獻(xiàn)標(biāo)識(shí)碼： A收稿日期： 20210331; 修回日期： 20210617基金項(xiàng)目： 遼寧省自然科學(xué)基金指導(dǎo)計(jì)劃項(xiàng)目（20180550300）; 遼寧省教育廳青年科技人
- 基于粒子群優(yōu)化算法和長短時(shí)記憶神經(jīng)網(wǎng)絡(luò)的蟹塘溶解氧預(yù)測
種基于粒子群優(yōu)化算法（PSO）和長短時(shí)記憶神經(jīng)網(wǎng)絡(luò)（LSTM）的蟹塘溶解氧質(zhì)量濃度預(yù)測模型，采用PSO算法優(yōu)化LSTM模型參數(shù)后對蟹塘溶解氧質(zhì)量濃度進(jìn)行預(yù)測。結(jié)果表明，PSO-LSTM模型不僅整體優(yōu)于ARIMA模型，相較于其他LSTM模型也有更高的預(yù)測精度，在連續(xù)10個(gè)時(shí)間點(diǎn)的預(yù)測中相比于LDO-LSTM、LSTM和ARIMA模型平均百分誤差分別降低了2.55%、1.891%和4.055%。說明PSO-LSTM模型在蟹塘溶解氧質(zhì)量濃度預(yù)測中具有良好的準(zhǔn)確性
江蘇農(nóng)業(yè)學(xué)報(bào) 2021年2期2021-06-30
- 基于改進(jìn)粒子群優(yōu)化神經(jīng)網(wǎng)絡(luò)的配電網(wǎng)故障診斷
電網(wǎng);粒子群優(yōu)化算法;神經(jīng)網(wǎng)絡(luò)0 引言本文提出了一種改進(jìn)的粒子群算法與BP神經(jīng)網(wǎng)絡(luò)相結(jié)合的算法，將其應(yīng)用到配電網(wǎng)故障診斷中，同時(shí)引用了遺傳算法的變異思想，在粒子群算法中引入變異操作，使得到的結(jié)果更接近期望值[1]。以4個(gè)基準(zhǔn)函數(shù)對其算法進(jìn)行測試，其仿真試驗(yàn)結(jié)果表明，改進(jìn)粒子群神經(jīng)網(wǎng)絡(luò)優(yōu)化算法具有更好的性能和全局搜索能力。1 ?PSO算法及IPSO算法簡介1.1 標(biāo)準(zhǔn)PSO算法粒子群優(yōu)化算法是一種基于群智能方法的進(jìn)化計(jì)算技術(shù)，該算法源于對鳥群捕食的行為研究。
科技信息·學(xué)術(shù)版 2021年7期2021-01-10
- 基于PSO-ELM的績效管理評(píng)價(jià)研究
習(xí)機(jī);粒子群優(yōu)化算法;績效管理;醫(yī)療衛(wèi)生;評(píng)價(jià)指標(biāo)中圖分類號(hào)：R 197.3文獻(xiàn)標(biāo)志碼：A文章編號(hào)：1007-757X（2020）11-0036-03Abstract：In order to realize the evaluation of hospital performance management， a hospital performance evaluation index system is constructed from hospital
微型電腦應(yīng)用 2020年11期2020-12-23
- 滑移式擋車器制動(dòng)距離計(jì)算及阻尼器優(yōu)化布置研究
距離;粒子群優(yōu)化算法;仿真中圖分類號(hào)：U212.31;U298隨著列車速度提高和載重增加，軌道交通終端安全被動(dòng)防護(hù)等級(jí)隨之提高。擋車器作為線路防護(hù)的最后屏障，其防護(hù)能力逐漸引起研究人員和工程人員的重視。目前為實(shí)現(xiàn)不同功用而設(shè)計(jì)的擋車器種類繁多，尚未形成統(tǒng)一標(biāo)準(zhǔn)?；剖綋踯嚻饕蚱浣Y(jié)構(gòu)簡單、便于安裝和維護(hù)、經(jīng)濟(jì)成本低等優(yōu)點(diǎn)，在我國以及歐洲鐵路站場線路終端作為主要的防護(hù)設(shè)備被廣泛采用。然而，其關(guān)鍵部件阻尼器的配置受到初始沖擊能量、阻尼力、阻尼器對數(shù)、制動(dòng)距離等多
現(xiàn)代城市軌道交通 2020年11期2020-12-07
- 粒子群優(yōu)化算法和支持向量機(jī)的電子音樂信號(hào)分類研究
，提出粒子群優(yōu)化算法和支持向量機(jī)的電子音樂信號(hào)分類方法。首先，分析當(dāng)前國內(nèi)對電子音樂信號(hào)的分類研究現(xiàn)狀，并采集電子音樂信號(hào);然后，對電子音樂信號(hào)分類進(jìn)行噪聲過濾操作，并提取電子音樂信號(hào)變化特征;最后，結(jié)合粒子群優(yōu)化算法和支持向量機(jī)的優(yōu)點(diǎn)，建立電子音樂信號(hào)分類模型，并采用多種類型的電子音樂信號(hào)進(jìn)行分類性能測試實(shí)驗(yàn)。結(jié)果表明，粒子群優(yōu)化算法和支持向量機(jī)可以有效區(qū)分各種電子音樂信號(hào)，電子音樂信號(hào)分類準(zhǔn)確性高，使得電子音樂信號(hào)分類誤差控制在實(shí)際應(yīng)用區(qū)間內(nèi)，同時(shí)，電
現(xiàn)代電子技術(shù) 2020年21期2020-12-07
- 基于粒子群優(yōu)化算法的繩驅(qū)動(dòng)連續(xù)體機(jī)器人軌跡規(guī)劃
?；?span id="syggg00" class="hl">粒子群優(yōu)化算法的繩驅(qū)動(dòng)連續(xù)體機(jī)器人軌跡規(guī)劃研究，提高了連續(xù)體機(jī)器人的運(yùn)動(dòng)性能，可為繩驅(qū)動(dòng)連續(xù)體機(jī)器人的位姿規(guī)劃提供參考。關(guān)鍵詞：機(jī)器人控制;連續(xù)體機(jī)器人;軌跡規(guī)劃;笛卡爾空間;關(guān)節(jié)空間;粒子群優(yōu)化算法中圖分類號(hào)：TP242 ? 文獻(xiàn)標(biāo)識(shí)碼：A ? doi：10.7535/hbkd.2020yx05004Abstract：In order to improve the smoothness and stability of the motion of
河北科技大學(xué)學(xué)報(bào) 2020年5期2020-11-17
- 基于改進(jìn)PSO的水火電短期發(fā)電優(yōu)化調(diào)度
度; 粒子群優(yōu)化算法; 反向?qū)W習(xí)策略; 約束處理; 仿真分析中圖分類號(hào)： TN915?34; TP391.4? ? ? ? ? ? ? ? 文獻(xiàn)標(biāo)識(shí)碼： A? ? ? ? ? ? ? ? ? ? ? ?文章編號(hào)： 1004?373X（2020）06?0119?05Short?term hydrothermal power generation optimal scheduling based on improved PSOFANG Na1，2， WAN C
現(xiàn)代電子技術(shù) 2020年6期2020-08-03
- 大電網(wǎng)可靠性中的故障限流器優(yōu)化配置研究
。采用粒子群優(yōu)化算法，以電網(wǎng)短路下可靠性水平、限流器數(shù)量最少為目標(biāo)，對限流器的布點(diǎn)進(jìn)行優(yōu)化。最后以某省實(shí)際電網(wǎng)為例，結(jié)果表明，這一方法可縮小最優(yōu)解的搜索空間，實(shí)現(xiàn)限流器的優(yōu)化配置，并有效地限制短路電流，提高電網(wǎng)運(yùn)行可靠性。關(guān)鍵詞：短路電流;可靠性;故障限流器;優(yōu)化配置;粒子群優(yōu)化算法;特高壓DOI：10.15938/j.emc.2020.06.010中圖分類號(hào)：TM 713文獻(xiàn)標(biāo)志碼：A 文章編號(hào)：1007-449X（2020）06-0081-09Opti
電機(jī)與控制學(xué)報(bào) 2020年6期2020-07-14
- 國內(nèi)輥彎成形機(jī)電系統(tǒng)動(dòng)力學(xué)優(yōu)化研究
采用的粒子群優(yōu)化算法。在此基礎(chǔ)上，就目前輥彎成形機(jī)電系統(tǒng)動(dòng)力學(xué)優(yōu)化中存在的問題進(jìn)行了分析，提出了今后輥彎成形機(jī)電系統(tǒng)動(dòng)力學(xué)優(yōu)化研究的發(fā)展方向。關(guān)鍵詞：輥彎成形;動(dòng)力學(xué)優(yōu)化;能量守恒原理;粒子群優(yōu)化算法0 引言輥彎成形又被稱為冷彎成形或者輥壓成形，該成形方法通過一定順序配置多個(gè)道次的具有特定輪廓型面的成形軋輥，對卷材或單張板材逐漸進(jìn)行橫向彎曲，從而得到特定斷面的金屬型材[1]。與其他金屬板材成形工藝相比較，輥彎成形具有投資成本低、生產(chǎn)效率高、產(chǎn)品表面質(zhì)量好、
機(jī)電信息 2020年5期2020-07-04
- 多層隔熱裝備的熱防護(hù)性能與優(yōu)化設(shè)計(jì)
分法;粒子群優(yōu)化算法一、引言近年來，森林火災(zāi)發(fā)生頻率激增，不斷吞噬消防員的生命， 因此對于高溫作業(yè)下熱防護(hù)服的優(yōu)化設(shè)計(jì)顯得尤為重要。關(guān)于 熱防護(hù)服的設(shè)計(jì)，國內(nèi)外許多的學(xué)者做了大量的研究。不同于 以往研究，本文主要用假人的體溫變化來研究在特定邊界條件 下防護(hù)服的的熱防護(hù)性能，利用有限差分法求解拋物型偏微分 方程并得到溫度分布三維圖;采用粒子群算法優(yōu)化算法來計(jì)算 體溫條件下的 II 層的最優(yōu)厚度。二、工況設(shè)定與模型建立2.1 工況設(shè)定本文工況測試選取專業(yè)服裝材
中國新通信 2020年2期2020-06-24
- 一種多算法融合的改進(jìn)人工魚群算法
過引入粒子群優(yōu)化算法的學(xué)習(xí)機(jī)制和遺傳算法的交叉變異迭代，提升算法的收斂速度和收斂精度。最后通過仿真實(shí)驗(yàn)，驗(yàn)證了PSO-GA-AFSA算法在高緯度尋優(yōu)中具有更優(yōu)的性能，同時(shí)又具有與傳統(tǒng)方法相融合的基礎(chǔ)，有著良好的應(yīng)用前景。關(guān)鍵詞：粒子群優(yōu)化算法;人工魚群算法;遺傳算法;混合算法;算法融合Abstract：In order to solve the problem of slow convergence speed and low convergence ac
現(xiàn)代信息科技 2020年19期2020-06-08
- 基于MOPSO算法的斜拉橋索力優(yōu)化分析
優(yōu)化;粒子群優(yōu)化算法;多目標(biāo)優(yōu)化;有限元中圖分類號(hào)：U448.27? ? 文獻(xiàn)標(biāo)志碼：A? ?文章編號(hào)：2096-6717（2020）02-0107-08Optimization of cable tension of cable-stayed bridges based on multi-objective particle swarm optimization algorithmZhang Yuping， Liu Xuesong， Li Chuanxi
土木建筑與環(huán)境工程 2020年2期2020-05-19
- 基于PSO的B樣條曲線光順重構(gòu)算法
變化;粒子群優(yōu)化算法摘要：針對工程實(shí)踐中存在的曲線重構(gòu)技術(shù)很難同時(shí)考慮曲線誤差和曲線光順性的問題，提出了一種基于粒子群優(yōu)化（PSO）的B樣條曲線光順重構(gòu)算法.該算法利用PSO算法同時(shí)調(diào)整影響曲率壞點(diǎn)、壞區(qū)，以及最壞點(diǎn)處的主、副等多個(gè)控制頂點(diǎn)，找出控制點(diǎn)位置的最優(yōu)解，優(yōu)先對曲線上曲率符號(hào)不一致的壞點(diǎn)或壞區(qū)進(jìn)行光順，以避免曲線上出現(xiàn)多余拐點(diǎn)，而后對曲率變化劇烈的區(qū)域進(jìn)行光順，迭代更新生成最優(yōu)曲線.實(shí)驗(yàn)結(jié)果表明，該算法有效地提升了光順效率，得到了更好的光順效果，
鄭州輕工業(yè)學(xué)院學(xué)報(bào)(社會(huì)科學(xué)版) 2020年2期2020-05-06
- 粒子群優(yōu)化算法在企業(yè)財(cái)務(wù)危機(jī)預(yù)警中的應(yīng)用
，運(yùn)用粒子群優(yōu)化算法，對樣本進(jìn)行指標(biāo)分析，得出企業(yè)財(cái)務(wù)預(yù)警模型的分析結(jié)論，對企業(yè)經(jīng)營決策起到重要的參考和指導(dǎo)性作用。關(guān)鍵詞：粒子群優(yōu)化算法;財(cái)務(wù)預(yù)警;企業(yè)盈利能力一個(gè)公司運(yùn)營的成功與否通常最直接的表現(xiàn)形式就是公司的財(cái)務(wù)狀況。財(cái)務(wù)危機(jī)是企業(yè)經(jīng)營失敗的具體體現(xiàn)，因此必須要重視對財(cái)務(wù)危機(jī)的預(yù)防，研究企業(yè)陷入財(cái)務(wù)困境的背景并建立一套可行的預(yù)警模型對于企業(yè)發(fā)展具有重大的意義[1]。本文采用粒子群優(yōu)化算法來建立企業(yè)財(cái)務(wù)危機(jī)預(yù)警模型，克服以往財(cái)務(wù)預(yù)警模型中遇到的信息量大
無線互聯(lián)科技 2020年3期2020-04-09
- 基于改進(jìn)CART算法的降雨量預(yù)測模型
法; 粒子群優(yōu)化算法; 增量學(xué)習(xí); 性能評(píng)價(jià); 實(shí)驗(yàn)驗(yàn)證中圖分類號(hào)： TN98?34 ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?文獻(xiàn)標(biāo)識(shí)碼： A ? ? ? ? ? ? ? ? ? ? ?文章編號(hào)： 1004?373X（2020）02?0133?05Rainfall prediction model based on improved CART algorithmLI Zhengfang， DU Jinglin， ZHOU YunAbstr
現(xiàn)代電子技術(shù) 2020年2期2020-03-04
- 英語環(huán)境下預(yù)選機(jī)制投資組合優(yōu)化實(shí)驗(yàn)研究
借助于粒子群優(yōu)化算法對資產(chǎn)進(jìn)行優(yōu)化選擇，并設(shè)計(jì)了4組不同設(shè)置的實(shí)驗(yàn)。從4組實(shí)驗(yàn)的數(shù)據(jù)可以得出，所提出的預(yù)選擇方法不但確保了優(yōu)化問題的準(zhǔn)確度，同時(shí)通過人工智能技術(shù)給投資者提供國際化投資組合建議。[關(guān)鍵詞]粒子群優(yōu)化算法;預(yù)選機(jī)制;投資組合策略[DOI]10.13939/j.cnki.zgsc.2020.02.0321 投資組合優(yōu)化的前景國際環(huán)境下的投資者需要分析若干個(gè)資產(chǎn)的相關(guān)英語文件，進(jìn)一步從一個(gè)龐大的可能性集中形成一個(gè)單一的投資組合方案，以便最大限度地提
中國市場 2020年2期2020-02-04
- 求解0-1背包問題的混合粒子群改進(jìn)算法研究
二進(jìn)制粒子群優(yōu)化算法、貪心優(yōu)化策略和模擬退火算法有機(jī)結(jié)合，提出了一種改進(jìn)算法：帶貪心優(yōu)化的混合粒子群和模擬退火算法.基于新算法，完成了9組不同維度數(shù)據(jù)的仿真實(shí)驗(yàn).實(shí)驗(yàn)結(jié)果表明，BPSOSA-CGOO算法能夠以較小的種群規(guī)模及迭代次數(shù)實(shí)現(xiàn)0-1背包問題的有效求解，并在問題維度為20維的測試數(shù)據(jù)中找到優(yōu)于已知最優(yōu)解的解;獨(dú)立重復(fù)實(shí)驗(yàn)驗(yàn)證了，無論對于低維度還是高維度背包問題，BPSOSA-CGOO算法均能以較高概率命中最優(yōu)解，提高了高維度背包問題求解的穩(wěn)定性和可
- 基于DEPSORVM的B787電池剩余壽命預(yù)測
算法和粒子群優(yōu)化算法融合的的方法。通過差分進(jìn)化算法和粒子群優(yōu)化算法對相關(guān)向量機(jī)的參數(shù)進(jìn)行優(yōu)化，增強(qiáng)其對電池歷史監(jiān)測數(shù)據(jù)退化趨勢的預(yù)測能力。應(yīng)用卡爾曼濾波器對融合算法實(shí)施優(yōu)化，將優(yōu)化后的預(yù)測結(jié)果作為在線樣本添加到訓(xùn)練集中，對提出的模型重新訓(xùn)練，以此來動(dòng)態(tài)調(diào)整系數(shù)矩陣和相關(guān)向量以執(zhí)行下一次迭代預(yù)測?；贐787鋰離子電池測量數(shù)據(jù)，對所提方法的有效性和魯棒性進(jìn)行了驗(yàn)證。關(guān)鍵詞： 剩余壽命預(yù)測; 相關(guān)向量機(jī); B787鋰離子電池; 差分進(jìn)化算法; 粒子群優(yōu)化算法;
現(xiàn)代電子技術(shù) 2019年20期2019-11-12
- 中國股指波動(dòng)率的PSOUGM-GARCH類預(yù)測模型
力，將粒子群優(yōu)化算法（PSO）與無偏灰色預(yù)測（UGM（1，1））模型引入到GARCH類模型中，構(gòu)建PSOUGM-GARCH類模型。UGM（1，1）模型用于修正GARCH類模型的隨機(jī)誤差項(xiàng)，增強(qiáng)當(dāng)期隨機(jī)誤差對條件方差的影響。同時(shí)利用PSO算法優(yōu)化UGM（1，1）模型中的灰參數(shù)。通過對滬深300指數(shù)和深證綜指的實(shí)證研究，比較分析了PSOUGM-GARCH類模型的樣本外預(yù)測能力。結(jié)果表明，與UGM-GARCH類模型、GM-GARCH類模型和GARCH類模型比較，
中國管理信息化 2019年19期2019-11-12
- 開鏈?zhǔn)蕉噙B桿機(jī)構(gòu)的逆運(yùn)動(dòng)學(xué)求解算法
，結(jié)合粒子群優(yōu)化算法（PSO），通過迭代的方式求解逆運(yùn)動(dòng)學(xué)問題。針對PSO算法求解時(shí)的精度不高、易陷入局部極值的缺點(diǎn)，提出局部搜索策略，提高解的精度，并采用逃逸策略保證種群多樣性，使算法在全局中搜索。經(jīng)驗(yàn)證，改進(jìn)后的PSO算法是一種精確、有效的求解逆運(yùn)動(dòng)學(xué)的算法。關(guān)鍵詞：逆運(yùn)動(dòng)學(xué);粒子群優(yōu)化算法;局部搜索;逃逸策略中圖分類號(hào)：G242? ? ? ? 文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：1009-3044（2019）23-0209-04開放科學(xué)（資源服務(wù)）標(biāo)識(shí)碼（OSI
電腦知識(shí)與技術(shù) 2019年23期2019-11-03
- 彩色圖像顏色量化問題的求解方法
聚類;粒子群優(yōu)化算法;智能算法中圖分類號(hào)：TP317.4文獻(xiàn)標(biāo)志碼：AMethod for solving color images quantization problem of color imagesLI He， JIANG Dengying*， HUANG Zhangcan， WANG ZhanzhanSchool of Science， Wuhan University of Technology， Wuhan Hubei 430073， Chi
計(jì)算機(jī)應(yīng)用 2019年9期2019-10-31
- 基于粒子群算法的微網(wǎng)優(yōu)化運(yùn)行
設(shè)計(jì)的粒子群優(yōu)化算法的可行性，表明了在大電網(wǎng)中并入微網(wǎng)具有較高的經(jīng)濟(jì)性?！娟P(guān)鍵詞】微網(wǎng)；經(jīng)濟(jì)運(yùn)行；粒子群優(yōu)化算法；環(huán)保經(jīng)濟(jì)運(yùn)行第一章 緒論環(huán)境污染與能源危機(jī)目前已經(jīng)成為當(dāng)今世界的兩大主要問題。然而，面對日益增長的能源需求與化石能源的短缺，傳統(tǒng)集中式大電網(wǎng)的弊端已經(jīng)日益凸顯。于本世紀(jì)初，來自世界各國的學(xué)者或機(jī)構(gòu)提出了微型電網(wǎng)的各種概念，簡而言之，概括為：微網(wǎng)是由分布式電源、儲(chǔ)能裝置、能量轉(zhuǎn)換裝置、負(fù)荷、監(jiān)控、保護(hù)裝置等組成，通過分布式電源向附近負(fù)荷提供電能與
科學(xué)導(dǎo)報(bào)·科學(xué)工程與電力 2019年9期2019-10-20
- 協(xié)同進(jìn)化策略的粒子群優(yōu)化算法
步提高粒子群優(yōu)化算法的尋優(yōu)精度，并改善收斂速度慢的問題，本文基于傳統(tǒng)的粒子群優(yōu)化算法，借鑒協(xié)同進(jìn)化的思想和共生機(jī)制，提出了將協(xié)同進(jìn)化算法和粒子群算法相結(jié)合的算法模型（CEA-PSO）。群體內(nèi)部采用精英保留策略保留精英個(gè)體，將個(gè)體的進(jìn)化和群體之間發(fā)生信息交換，達(dá)到優(yōu)勢互補(bǔ)的效果。實(shí)驗(yàn)結(jié)果表明，協(xié)同進(jìn)化策略的粒子群優(yōu)化算法精度更高，優(yōu)化性能更佳。關(guān)鍵詞： 協(xié)同進(jìn)化;粒子群優(yōu)化算法;精英保留策略中圖分類號(hào)： TP301.6 ? ?文獻(xiàn)標(biāo)識(shí)碼： A ? ?DOI：
軟件 2019年8期2019-10-08
- 基于粒子群優(yōu)化的車牌識(shí)別算法研究
并基于粒子群優(yōu)化算法建立求解該模型的車牌識(shí)別算法。比較性的數(shù)值實(shí)驗(yàn)顯示，該算法能有效提升車牌識(shí)別的準(zhǔn)確率，且字符特征向量對車牌識(shí)別有極大影響。關(guān)鍵詞：車牌識(shí)別;方向梯度直方圖;支持向量機(jī);粒子群優(yōu)化算法中圖分類號(hào)：TN391文獻(xiàn)標(biāo)識(shí)碼： A隨著我國經(jīng)濟(jì)水平的不斷提高，機(jī)動(dòng)車擁有量的增長速度較快，道路交通擁擠現(xiàn)象日益突顯，給交通管理帶來了極大挑戰(zhàn)。車牌識(shí)別作為交通管理的重要組成，被廣泛應(yīng)用于停車場、ETC、交通違章等場景，為道路交通的管理發(fā)揮著重要作用[1-
- 一種用于大范圍優(yōu)化的隨機(jī)主導(dǎo)學(xué)習(xí)群優(yōu)化算法
學(xué)習(xí);粒子群優(yōu)化算法;參數(shù)自適應(yīng)策略中圖分類號(hào)：TP274? 文獻(xiàn)標(biāo)識(shí)碼：A? 文章編號(hào)：1673-260X（2019）11-0047-041 引言 盡管已經(jīng)證明現(xiàn)有的大多數(shù)進(jìn)化算法（EAs）對解決大規(guī)模優(yōu)化問題[1]很有希望，但它們?nèi)匀幻媾R著一些局限性.特別是維數(shù)的增加給EAs帶來了以下主要的挑戰(zhàn).（1）問題的解決方案空間通常隨著維度大小的增加呈指數(shù)增長.（2）局部最優(yōu)數(shù)量也可能隨著維數(shù)的增加而增長.一方面，隨著維數(shù)的增長，一些單峰問題可能成為具有許多局
- 基于粒子群算法的陜西省能源消費(fèi)結(jié)構(gòu)優(yōu)化研究
再利用粒子群優(yōu)化算法（PSO）對優(yōu)化模型計(jì)算，對最優(yōu)能耗、最優(yōu)能源強(qiáng)度、最優(yōu)碳強(qiáng)度三種方案進(jìn)行相應(yīng)的優(yōu)化求解，找出滿足該三種方案的最佳能源消費(fèi)結(jié)構(gòu)。最終比較三種方案，得出最優(yōu)能源強(qiáng)度方案不僅能超出陜西省GDP增速的規(guī)劃值，并且能使能源消費(fèi)總量低于規(guī)劃的約束目標(biāo)，降低能源強(qiáng)度，反映出能源的利用效率的不斷提高，具有較強(qiáng)的可實(shí)施性，為最佳能源消費(fèi)結(jié)構(gòu)調(diào)整方案。關(guān)鍵詞：陜西省;能源消費(fèi)結(jié)構(gòu);能源強(qiáng)度;碳強(qiáng)度;粒子群優(yōu)化算法為強(qiáng)化能源消費(fèi)總量和強(qiáng)度雙控，實(shí)施能源消費(fèi)
青年生活 2019年33期2019-09-10
- 基于改進(jìn)鯨魚優(yōu)化算法的外骨骼機(jī)器人步態(tài)檢測
、基于粒子群優(yōu)化算法的支持向量機(jī)（PSO-SVM）、基于鯨魚優(yōu)化算法的支持向量機(jī)（WOA-SVM）算法進(jìn)行比較，結(jié)果表明，該算法識(shí)別準(zhǔn)確率分別提高了5.33%、2.70%、1.44%，能夠?qū)ν夤趋罊C(jī)器人的步態(tài)進(jìn)行有效檢測，進(jìn)而實(shí)現(xiàn)外骨骼機(jī)器人的精確控制及穩(wěn)定行走。關(guān)鍵詞：外骨骼機(jī)器人;步態(tài)檢測;鯨魚優(yōu)化算法;遺傳算法;粒子群優(yōu)化算法;支持向量機(jī)Abstract： In order to solve problems in traditional gait
計(jì)算機(jī)應(yīng)用 2019年7期2019-09-04
- 模糊環(huán)境下多周期多決策生鮮閉環(huán)物流網(wǎng)絡(luò)
算法;粒子群優(yōu)化算法Abstract： Concerning the high frequency logistics distribution of fresh products due to the products perishability and vulnerability， as well as the uncertainty of demand and return， a multi-period closed-loop logistics
計(jì)算機(jī)應(yīng)用 2019年7期2019-09-04
- 結(jié)合優(yōu)化支持向量機(jī)與K-means++的工控系統(tǒng)入侵檢測方法
分析;粒子群優(yōu)化算法;支持向量機(jī);密度中心法;K-means算法中圖分類號(hào)：TP393.08文獻(xiàn)標(biāo)志碼：A文章編號(hào)：1001-9081（2019）04-1089-06Abstract： Aiming at the problem that traditional single detection algorithm models have low detection rate and slow detection speed on different ty
計(jì)算機(jī)應(yīng)用 2019年4期2019-08-01
- 改進(jìn)的粒子群優(yōu)化算法對斷路器儲(chǔ)能彈簧的優(yōu)化設(shè)計(jì)
進(jìn)的云粒子群優(yōu)化算法對斷路器的儲(chǔ)能彈簧參數(shù)進(jìn)行優(yōu)化設(shè)計(jì)。首先，根據(jù)儲(chǔ)能彈簧的工作原理，推導(dǎo)儲(chǔ)能彈簧的數(shù)學(xué)優(yōu)化設(shè)計(jì)模型以及彈簧參數(shù)設(shè)計(jì)的約束條件;然后，根據(jù)優(yōu)化模型對算法進(jìn)行改進(jìn)，在傳統(tǒng)粒子群優(yōu)化算法的基礎(chǔ)上，引入鯰魚效應(yīng)策略產(chǎn)生多樣候選解，避免算法陷入局部最優(yōu)值，并結(jié)合云模型適時(shí)調(diào)整尋優(yōu)速度權(quán)重因子，以加快算法的收斂和提高全局搜索能力;最后，采用改進(jìn)算法對斷路器的儲(chǔ)能彈簧優(yōu)化模型進(jìn)行仿真及相應(yīng)的彈簧參數(shù)計(jì)算。實(shí)驗(yàn)結(jié)果表明，可以應(yīng)用改進(jìn)的粒子群優(yōu)化算法對斷路
計(jì)算機(jī)應(yīng)用 2019年5期2019-08-01
- 基于粒子群優(yōu)化和支持向量機(jī)的花粉濃度預(yù)測模型
量機(jī);粒子群優(yōu)化算法;Spark;花粉濃度預(yù)測中圖分類號(hào)： TP391; TP181文獻(xiàn)標(biāo)志碼：AAbstract： To improve the accuracy of pollen concentration forecast and resolve low accuracy of current pollen concentration forecast model， a model for daily pollen concentration fo
計(jì)算機(jī)應(yīng)用 2019年1期2019-08-01
- 基于分層自主學(xué)習(xí)的改進(jìn)粒子群優(yōu)化算法
智能;粒子群優(yōu)化算法;粒子差異性;種群多樣性;自主學(xué)習(xí)中圖分類號(hào)： TP301.6; TP18文獻(xiàn)標(biāo)志碼：AAbstract： Focusing on the shortages of easily falling into local optimal， low convergence accuracy and slow convergence speed in Particle Swarm Optimization （PSO） algorithm， an
計(jì)算機(jī)應(yīng)用 2019年1期2019-08-01
- 粒子群與遺傳算法優(yōu)化支持向量機(jī)的應(yīng)用
鍵詞：粒子群優(yōu)化算法;遺傳算法;支持向量機(jī);青霉素發(fā)酵DOI：10.15938/j.jhust.2019.03.014中圖分類號(hào)： TP183文獻(xiàn)標(biāo)志碼： A文章編號(hào)： 1007-2683（2019）03-0087-06Abstract：In order to improve the precision of the parameter optimization， the research integrates the Particle Swarm Opt
哈爾濱理工大學(xué)學(xué)報(bào) 2019年3期2019-07-31
- 基于粒子群最小二乘支持向量機(jī)的股指波動(dòng)率預(yù)測
量機(jī);粒子群優(yōu)化算法[中圖分類號(hào)]F830;TP1831 引 言股指波動(dòng)率是衡量金融資產(chǎn)風(fēng)險(xiǎn)的重要指標(biāo)之一。金融資產(chǎn)的投資組合、測度與管理均依賴于股指波動(dòng)率的準(zhǔn)確估計(jì)和預(yù)測。多年來，國內(nèi)外研究者不斷提出各種模型與方法預(yù)測股指波動(dòng)率，以GARCH模型[1]為代表的計(jì)量經(jīng)濟(jì)學(xué)模型在波動(dòng)率預(yù)測方面獲得了廣泛的應(yīng)用和認(rèn)可。為進(jìn)一步提高股指波動(dòng)率的預(yù)測精度，近些年來，以神經(jīng)網(wǎng)絡(luò)為代表的智能預(yù)測方法被大量應(yīng)用于股指波動(dòng)率的預(yù)測研究。作為一種非參數(shù)的數(shù)據(jù)驅(qū)動(dòng)方法，神經(jīng)網(wǎng)
新財(cái)經(jīng) 2019年7期2019-06-27
- 基于改進(jìn)粒子群算法的植物冠層圖像分割
圖像;粒子群優(yōu)化算法;模擬退火算法;多閾值圖像分割;大津法中圖分類號(hào)：S432;TP391.41 文獻(xiàn)識(shí)別碼：A 文章編號(hào)：1006-8023（2019）01- 0047-06Abstract： Aiming at the problem that the standard particle swarm algorithm is easy to fall into the local optimum which leads to poor image se
森林工程 2019年1期2019-06-11
- PSO-BP神經(jīng)網(wǎng)絡(luò)在語音干擾效果評(píng)估中的應(yīng)用
絡(luò); 粒子群優(yōu)化算法; Mel倒譜; 特征參數(shù); 主觀MOS中圖分類號(hào)： TN912?34 ? ? ? ? ? ? ? ? ? ? 文獻(xiàn)標(biāo)識(shí)碼： A ? ? ? ? ? ? ? ? ? ? ? ? ?文章編號(hào)： 1004?373X（2019）06?0043?04Abstract： An objective speech interference effect evaluation method which uses the particle swarm o
現(xiàn)代電子技術(shù) 2019年6期2019-04-04
- 基于PSO優(yōu)化算法的鏈路預(yù)測AA指標(biāo)適用網(wǎng)絡(luò)問題研究
，運(yùn)用粒子群優(yōu)化算法探究其網(wǎng)絡(luò)最佳適用參數(shù)。結(jié)果表明網(wǎng)絡(luò)密度較小的小世界網(wǎng)絡(luò)采用AA指標(biāo)測評(píng)時(shí)精確度較好?！娟P(guān)鍵詞】復(fù)雜網(wǎng)絡(luò);鏈路預(yù)測;相似性算法;粒子群優(yōu)化算法中圖分類號(hào)： O157.5 文獻(xiàn)標(biāo)識(shí)碼： A 文章編號(hào)： 2095-2457（2019）02-0117-002【Abstract】Link prediction similarity index is a kind of algorithm which calculates node simila
科技視界 2019年2期2019-03-25
- 基于稀疏表示的圖像超分辨率重建算法
習(xí); 粒子群優(yōu)化算法; 特征提取算子中圖分類號(hào)： TN911.73?34 ? ? ? ? ? ? ? ? ? ? ? 文獻(xiàn)標(biāo)識(shí)碼： A ? ? ? ? ? ? ? ? ? ? ? ? 文章編號(hào)： 1004?373X（2019）03?0045?04Abstract： A single image super?resolution reconstruction method based on sparse representation of image blo
現(xiàn)代電子技術(shù) 2019年3期2019-02-19
- 一種跨鄰域?qū)W習(xí)的改進(jìn)粒子群優(yōu)化算法
善傳統(tǒng)粒子群優(yōu)化算法過早陷入局部最優(yōu)解的缺點(diǎn)，進(jìn)一步增強(qiáng)算法收斂性，通過使用一定范圍內(nèi)鄰域最好位置1Best代替自身歷史最好位置pBest進(jìn)行速度與位置更新，以增強(qiáng)粒子跨鄰域?qū)W習(xí)能力。使用整個(gè)群體中最好位置gBest進(jìn)行速度與位置更新，可增強(qiáng)算法收斂性，且具有較好的全局搜索能力。在8個(gè)不同的單峰和多峰函數(shù)上系統(tǒng)地對3種算法進(jìn)行測試與比較，實(shí)驗(yàn)結(jié)果表明，提出的跨鄰域?qū)W習(xí)改進(jìn)粒子群優(yōu)化算法可避免粒子群陷入局部最優(yōu)解，求解精度與算法收斂性都提升了15%以上。關(guān)鍵
軟件導(dǎo)刊 2019年12期2019-02-07
- 基于PCA睵SO睸VR的丹江口水庫年徑流預(yù)報(bào)研究
分析；粒子群優(yōu)化算法；回歸支持向量機(jī)；丹江口水庫中圖分類號(hào)：P333 文獻(xiàn)標(biāo)志碼：A 文章編號(hào)：16721683（2018）05003506Research on annual runoff forecast of Danjiangkou Reservoir based on PCAPSOSVRZHANG Yan1，YANG Mingxiang2，LEI Xiaohui2 ，SHU Jian1，NIU Wensheng3，YU Lang2（1.School
南水北調(diào)與水利科技 2018年5期2018-12-29
- 基于統(tǒng)計(jì)分析和AGNES算法的醫(yī)保欺詐行為自動(dòng)檢測研究
ES；粒子群優(yōu)化算法中圖分類號(hào)：TP3016 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1007-9416（2018）08-0114-03隨著社會(huì)保障信息系統(tǒng)的廣泛應(yīng)用和醫(yī)保制度推廣范圍的擴(kuò)大，醫(yī)保數(shù)據(jù)呈現(xiàn)指數(shù)級(jí)別的增長。這些數(shù)據(jù)中蘊(yùn)含著醫(yī)保行業(yè)極其重要的資金信息，此外，還有病人的就診信息、醫(yī)生的醫(yī)囑信息、病癥的治療方案、就診費(fèi)用等。如果這些數(shù)據(jù)能夠被挖掘出來加以利用，將對醫(yī)療行業(yè)具有重要意義?？墒牵壳皣鴥?nèi)對這些重要的民生數(shù)據(jù)只能做一些簡單的處理，例如增加、修改、圖表顯
數(shù)字技術(shù)與應(yīng)用 2018年8期2018-12-08
- 基于PSO睸VR的丹江口年徑流預(yù)報(bào)
題，將粒子群優(yōu)化算法（PSO）加入到SVR模型中，建立PSOSVR模型，實(shí)現(xiàn)了參數(shù)的自動(dòng)優(yōu)選。結(jié)果表明，PSOSVR模型較之SVR模型，提高了預(yù)報(bào)精度；較之ANN模型，穩(wěn)定性更強(qiáng)，可信度更高。該模型具有較好的應(yīng)用價(jià)值，可為南水北調(diào)中線工程調(diào)度方案制定提供一定的參考依據(jù)。關(guān)鍵詞：丹江口水庫；回歸支持向量機(jī)；粒子群優(yōu)化算法；年徑流預(yù)報(bào)；預(yù)報(bào)因子中圖分類號(hào)：TV121文獻(xiàn)標(biāo)志碼：A文章編號(hào)：16721683（2018）03006507Annual runoff
南水北調(diào)與水利科技 2018年3期2018-11-13
- 粒子群算法在鋼結(jié)構(gòu)截面優(yōu)化設(shè)計(jì)的應(yīng)用
截面；粒子群優(yōu)化算法Abstract：. The particle swarm optimization method was applied to the optimization design of steel element sections. And then a steel element section mathematical model base was established， form which we can optimize a v
建筑科技與經(jīng)濟(jì) 2018年5期2018-11-07
- 粒子群分?jǐn)?shù)階PIλDμ在壓電疊堆控制中的應(yīng)用
疊堆；粒子群優(yōu)化算法中圖分類號(hào)：TP275 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1009-3044（2018）21-0263-03Abstract： In order to overcome the hysteresis characteristics of piezoelectric stack and control piezoelectric stack more accurately， a control system is established and
電腦知識(shí)與技術(shù) 2018年21期2018-11-07
- 基于粒子群參數(shù)辨識(shí)法的SINS初始對準(zhǔn)方法謝祖輝楊功流
比， 粒子群優(yōu)化算法的方位失準(zhǔn)角估計(jì)時(shí)間縮短了94.52%， 水平失準(zhǔn)角縮短了60%左右。關(guān)鍵詞： 捷聯(lián)慣導(dǎo)系統(tǒng)； 初始對準(zhǔn)； 參數(shù)辨識(shí)； 遞推最小二乘法； 粒子群優(yōu)化算法中圖分類號(hào)： TJ765； U666.1 文獻(xiàn)標(biāo)識(shí)碼： A文章編號(hào)： 1673-5048（2018）03-0018-060 引 言捷聯(lián)慣導(dǎo)系統(tǒng)作為一種自主導(dǎo)航設(shè)備， 廣泛運(yùn)用于各種場合。 而慣導(dǎo)系統(tǒng)的導(dǎo)航解算又是建立在迭代計(jì)算的基礎(chǔ)上[1-2]。 因此， 慣導(dǎo)系統(tǒng)的初始對準(zhǔn)精度是一個(gè)非常
航空兵器 2018年3期2018-10-10
- 粒子群優(yōu)化模糊PID的履帶機(jī)器人運(yùn)動(dòng)控制研究
，采用粒子群優(yōu)化算法的模糊PID控制的運(yùn)動(dòng)控制系統(tǒng)具有更加理想的響應(yīng)速度、穩(wěn)定性、抗干擾性和控制精度，在硬件平臺(tái)驗(yàn)證了履帶機(jī)器人的直行效果良好。關(guān)鍵詞： 履帶機(jī)器人； 粒子群優(yōu)化算法； 模糊PID； 速度同步補(bǔ)償器； 運(yùn)動(dòng)控制； 驅(qū)動(dòng)電機(jī)中圖分類號(hào)： TN383+.3?34 文獻(xiàn)標(biāo)識(shí)碼： A 文章編號(hào)： 1004?373X（2018）18?0049?05Research on tracked robot motion control based on pa
現(xiàn)代電子技術(shù) 2018年18期2018-09-12
- 用于變壓器DGA故障診斷的改進(jìn)PSO優(yōu)化SVM算法研究
法； 粒子群優(yōu)化算法； SVM中圖分類號(hào)： TN99?34； TP183 文獻(xiàn)標(biāo)識(shí)碼： A 文章編號(hào)： 1004?373X（2018）15?0124?05Study on SVM algorithm optimized by improved PSO usedfor transformer DGA fault diagnosisMIN Yaqi1， MA Xin2， ZHAI Zhengang3， MO Jiaqing1， 4， L? Xiaoyi1（1.
現(xiàn)代電子技術(shù) 2018年15期2018-08-06
- 基于小波變換和改進(jìn)的粒子群的新型圖像匹配算法的研究
檢索；粒子群優(yōu)化算法；分類中圖分類號(hào)：TP311 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1009-3044（2018）11-0175-041 引言信息飛速發(fā)展的今天，各行各業(yè)中圖像檢索已經(jīng)成為不可或缺關(guān)鍵技術(shù)，目前使用者在搜集目標(biāo)圖片的時(shí)候使用的大部分是圖片的文字標(biāo)題，而基于內(nèi)容的圖片搜索是十分 少見的，但是基于文字標(biāo)題的檢索效率低，精度差，往往會(huì)檢索出大量的結(jié)果讓用戶苦不堪言。圖形圖像檢索越來越多的使用在各行各業(yè)，特別是大數(shù)據(jù)和智能計(jì)算的今天，生活中越來越多的使用圖
電腦知識(shí)與技術(shù) 2018年11期2018-07-28
- 基于PSO優(yōu)化SVM的MEMS加速度計(jì)溫度補(bǔ)償方法研究
權(quán)重的粒子群優(yōu)化算法來優(yōu)化支持向量機(jī)算法，創(chuàng)建MEMS加速度計(jì)溫度補(bǔ)償模型，并利用STM32F405RG64實(shí)現(xiàn)實(shí)時(shí)溫度補(bǔ)償系統(tǒng)。實(shí)驗(yàn)結(jié)果表明，補(bǔ)償后加速度計(jì)的標(biāo)度因數(shù)溫度系數(shù)、全溫零偏極差、非線性度分別由補(bǔ)償前的264 ppm/℃，71.98 mg，2.07%降低到105 ppm/℃，10.31 mg，0.25%，可見補(bǔ)償后加速度計(jì)的性能得到比較明顯的改進(jìn)，能證明該方法的有效性和可行性。關(guān)鍵詞： MEMS加速度計(jì); 扭擺式硅微加速度計(jì); 粒子群優(yōu)化算法;
現(xiàn)代電子技術(shù) 2018年10期2018-05-15
- 連續(xù)退火爐加熱段爐溫智能優(yōu)化設(shè)定
多目標(biāo)粒子群優(yōu)化算法確定最優(yōu)穩(wěn)態(tài)爐溫，作為爐溫控制器的參考輸入，有效避免爐溫優(yōu)化設(shè)定的盲目性，更好的指導(dǎo)工業(yè)生產(chǎn)。關(guān)鍵詞： 連續(xù)退火爐；穩(wěn)態(tài)優(yōu)化；多目標(biāo)優(yōu)化；粒子群優(yōu)化算法中圖分類號(hào) TP 274 文獻(xiàn)標(biāo)識(shí)碼 A 文章編號(hào)Intellective temperature setting in cold annealing furnace heating sectionAbstract：For the furnace temperature steady-s
科學(xué)與財(cái)富 2017年36期2018-04-21