粒子群優(yōu)化
- 基于泛癌數(shù)據(jù)的公共驅動通路識別算法
和平均數(shù)；粒子群優(yōu)化；元啟發(fā)式中圖分類號：TP301 文獻標識碼：A文章編號：1009-3044（2023）20-0023-050引言癌癥是一種復雜的疾病，其發(fā)病機制涉及分子水平上的多種因素。因此，從分子層面深入認識癌癥的發(fā)生發(fā)展過程，對于提高癌癥的診斷、治療和藥物設計等方面的水平具有重要的意義。隨著深度測序技術的飛速發(fā)展，科研人員開展了癌癥基因組圖譜計劃[1]、國際腫瘤基因組協(xié)作組[2]等大型癌癥基因組計劃，獲得了海量的癌癥數(shù)據(jù)。如何利用這些數(shù)據(jù)來有效地
電腦知識與技術 2023年20期2023-08-26
- 基于PSO的RF模型在人體活動識別中的應用
出一種基于粒子群優(yōu)化（PSO）的隨機森林（RF）識別方法。利用PSO算法搜尋最優(yōu)的RF超參數(shù)n_estimators和max_depth，構建了PSO-RF人體活動識別模型?；谌A盛頓州立大學CASAS項目數(shù)據(jù)集的實驗共識別30種日常活動。仿真結果表明，PSO-RF模型的識別準確率達到95%，Accuracy、Precision、Recall和F1-score評價指標均優(yōu)于其他經(jīng)典的分類模型，具有較好的預測精度和泛化能力，可為智能家居系統(tǒng)個性化服務提供輔助
計算機時代 2023年5期2023-05-14
- 一種新的混合粒子群優(yōu)化算法
種新的混合粒子群優(yōu)化算法。新算法首先設計了一種新的慣性權重，使慣性權重取值在進化初期和后期都較為適中;其次，為了有效抑制粒子陷入局部極值，引入了粒子最優(yōu)速度和最差適應值的概念，并以此為基礎，設計了粒子的一種新的自適應變異方式;最后引入了平均收斂率和最小平均收斂代數(shù)兩個概念，可以更好地評價和比較本文算法的性能。八個標準測試函數(shù)在100 維、200 維進行的數(shù)值實驗證實，新算法收斂精度高，收斂速度快，且有效預防了早熟現(xiàn)象。關鍵詞：粒子群優(yōu)化;慣性權重;早熟;變
軟件工程 2022年7期2022-07-21
- 基于RFID和機器學習的室內固定資產(chǎn)定位方法
，設計基于粒子群優(yōu)化反向傳播神經(jīng)網(wǎng)絡的定位模型，實現(xiàn)對固定資產(chǎn)設備的精準定位;最后，在高校實驗室環(huán)境下開展了實測實驗。實驗結果表明，該方法對室內固定資產(chǎn)的識別F1值可達0.98，平均定位誤差約0.5 m，滿足建筑智能中對室內固定資產(chǎn)的管理要求，具有資產(chǎn)管理成本低、定位精度高、抗干擾能力強等特點。關鍵詞：射頻識別;機器學習;長短期記憶神經(jīng)網(wǎng)絡;粒子群優(yōu)化;前饋神經(jīng)網(wǎng)絡;定位識別中圖分類號：TP391.44;TP181? ? ? ? ? DOI：10.1637
廣西科技大學學報 2022年3期2022-07-08
- 基于AMW-SVDD的多模態(tài)過程故障檢測方法
搜索方法和粒子群優(yōu)化（particle swarm optimization，PSO）算法，得到最優(yōu)窗寬和由各窗口最優(yōu)SVDD模型構成的模型序列;最后，使用最優(yōu)模型序列進行故障檢測，并將此方法應用于數(shù)值例子及田納西伊斯曼（TE）數(shù)據(jù)集。結果表明，與傳統(tǒng)故障檢測方法如KPCA和SVDD等相比，AMW-SVDD方法可有效捕獲過程數(shù)據(jù)的多模態(tài)特性。AMW-SVDD方法通過滑動窗口技術捕獲數(shù)據(jù)的局部特征，同時應用PSO算法優(yōu)化局部模型，二者結合可以自適應確定窗寬參
河北科技大學學報 2022年1期2022-03-13
- 超高壓直流閥廳套管智能安裝系統(tǒng)研究
三維定位;粒子群優(yōu)化;動態(tài)路徑規(guī)劃直流套管用于直流輸電工程，是連接閥廳與直流場的高壓設備[1-2]。超高壓直流閥廳的套管安裝具有以下難點：（1）直流套管為細長件，最長套管近19m，最大套管重約4t，最大安裝高度14m，對安裝施工的平穩(wěn)性以及對起重指揮、起重設備操作人員及配合人員的作業(yè)技能都有較高的要求;（2）直流套管的安裝孔洞與套管僅有裕度約5cm，安裝施工精度要求高;（3）主要涉及細長件高空安裝施工，施工高度高，作業(yè)施工面大，常涉及多臺設備在閥廳內、外同
今日消防 2021年11期2021-12-21
- 一種改進的粒子群優(yōu)化算法
摘 要： 粒子群優(yōu)化算法（PSO）是一種群體智能進化計算方法，但在搜索過程中粒子緊跟最優(yōu)粒子運動降低了粒子多樣性和全局搜索能力，從而易陷入局部極值。本文提出一種新的粒子群優(yōu)化算法（PSO-EWD），主要改進體現(xiàn)在2個方面：將慣性權重與進化因子相關聯(lián)，根據(jù)種群的進化狀態(tài)而改變權重大小，以平衡全局搜索能力與局部搜索能力;將時變的分布式時延引入速度更新公式中，以增加粒子的多樣性。本文通過5種算法在9個基準函數(shù)上的實驗對比，證明了新提出的算法相較于另外4種算法具有
智能計算機與應用 2021年7期2021-12-07
- 考慮碳排放成本的長江鐵礦石運輸研究
，引入標準粒子群優(yōu)化（particle swarm optimization， PSO）算法提高求解精度。針對標準PSO算法容易陷入局部最優(yōu)的問題，提出一種基于自適應策略的改進PSO算法，動態(tài)調整慣性權重，提高算法的收斂性和全局尋優(yōu)能力。通過數(shù)值實驗發(fā)現(xiàn)，改進后的算法在全局尋優(yōu)能力和收斂能力上有一定的提高。關鍵詞：? 多層級運輸網(wǎng)絡; 碳排放; 混合整數(shù)非線性規(guī)劃; 粒子群優(yōu)化（PSO）算法中圖分類號：? U695.2文獻標志碼：? A收稿日期： 2021
上海海事大學學報 2021年3期2021-10-08
- 基于IPSO-GPR的HVAC送風溫度預測模型
參數(shù)優(yōu)化;粒子群優(yōu)化;混沌序列;高斯過程回歸;暖通空調送風溫度中圖分類號：TP399文獻標志碼：A收稿日期：2020-11-11基金項目：山東省重點研發(fā)計劃（重大創(chuàng)新工程） （ 批準號：2019JZZY020101）資助。通信作者：于忠清，男，博士，研究員，主要研究方向為嵌入式系統(tǒng)、普適計算、大數(shù)據(jù)。E-mail：1812661472qq.com暖通空調（HVAC）中空氣處理單元（AHU）影響系統(tǒng)整體性能和能耗[1]。在使用模型預測控制（MPC）降低AHU
青島大學學報（自然科學版） 2021年2期2021-09-10
- 基于粒子群優(yōu)化（PSO）超限學習機預測新疆參考作物蒸散量
本研究基于粒子群優(yōu)化（Particle swarm optimization，PSO）-超限學習機（Extreme learning machine，ELM）預測ET0。通過選取新疆地區(qū)3個站點（烏魯木齊、喀什、哈密）的最高氣溫（Tmax）、最低氣溫（Tmin）、平均相對濕度（RH）、風速（u2）、光照時間（n）等氣象數(shù)據(jù)，建立PSO-ELM預測模型，對模型精度和普適性進行研究，并通過與ELM、Makkink、I-A模型的對比，探究不同氣象因子組合模型的預
江蘇農業(yè)學報 2021年3期2021-07-23
- 基于BP神經(jīng)網(wǎng)絡對汽油辛烷值損失預測模型的構建
軟件，基于粒子群優(yōu)化算法，通過BP神經(jīng)網(wǎng)絡模型對工廠生產(chǎn)過程中收集的數(shù)據(jù)進行數(shù)據(jù)挖掘，建立了辛烷值損失預測模型。最后選擇了225個數(shù)據(jù)樣本進行了辛烷值損失預測模型的訓練，100個樣本用于對辛烷值損失模型進行驗證。所構建的模型對目標值的預測具有高度擬合性，較好地解決了相關問題。關鍵詞：辛烷值;BP神經(jīng)網(wǎng)絡模型;粒子群優(yōu)化;損失預測模型【Abstract】Themixtureofsulfurandolefinintheexhaustgasofgasolinec
智能計算機與應用 2021年2期2021-05-11
- 考慮潮汐影響的連續(xù)泊位分配策略
并采用改進粒子群優(yōu)化（particle swarm optimization，PSO）算法進行求解。算例結果給出每艘船的靠泊位置和進出港順序安排，并通過與標準PSO算法求解的調度方案進行對比，驗證改進PSO算法的有效性。研究成果可為實際碼頭泊位分配決策提供參考。關鍵詞： 連續(xù)泊位分配; 粒子群優(yōu)化（PSO）算法; 潮汐影響; 先來先服務原則中圖分類號： U691+.3 ? ?文獻標志碼： AAbstract： In view of the demand o
上海海事大學學報 2021年4期2021-01-06
- 基于PSO的LSTM神經(jīng)網(wǎng)絡門診量預測研究
：研究基于粒子群優(yōu)化算法的長短期記憶神經(jīng)網(wǎng)絡模型構建方法及其在醫(yī)院門診管理中的應用，選取三甲醫(yī)院中醫(yī)慢病相關科室門診量歷史記錄數(shù)據(jù)，構建基于長短期記憶神經(jīng)網(wǎng)絡的門診量預測模型，借助粒子群優(yōu)化算法對長短期記憶網(wǎng)絡進行參數(shù)優(yōu)化，并使用優(yōu)化后的模型對門診量進行預測。月度門診量預測結果表明，經(jīng)過粒子群優(yōu)化的長短期記憶神經(jīng)網(wǎng)絡模型在測試集上的預測誤差RMSE，相比未優(yōu)化的模型減小了48.5%。粒子群優(yōu)化算法能高效地優(yōu)化預測模型，可使模型較好地預測出門診量變化趨勢，從
軟件導刊 2020年10期2020-12-01
- 基于優(yōu)化的模糊神經(jīng)模型的光伏發(fā)電預測的研究
測，并使用粒子群優(yōu)化算法對模糊神經(jīng)模型地結構和參數(shù)進行優(yōu)化訓練。實驗證明所提出的優(yōu)化模糊神經(jīng)模型具有更優(yōu)的準確性、緊湊性和可解釋性，可以在線估計和預測單個光伏模塊電氣特性以及最大功率點，且具有較好的計算性能。關鍵詞： 光伏發(fā)電預測; 模糊神經(jīng)網(wǎng)絡模型; 粒子群優(yōu)化中圖分類號： TP 399 ? ? ?文獻標志碼： AAbstract： In this paper， the fuzzy neural network model is used to pred
微型電腦應用 2020年9期2020-10-13
- 基于自適應粒子群優(yōu)化的粒子濾波跟蹤算法
問題，可用粒子群優(yōu)化算法優(yōu)化，但目前的標準粒子群優(yōu)化粒子濾波算法會出現(xiàn)粒子局部尋優(yōu)的情況。對此對算法中的慣性權重和學習因子同時采取自適應調整的方法，平衡粒子的搜索能力以減少這種情況的出現(xiàn)，并且為了解決算法優(yōu)化后因粒子聚集而造成的多樣性缺失問題，對粒子進行隨機變異以提高粒子多樣性。仿真結果表明，經(jīng)過改進后的優(yōu)化算法可有效提高粒子濾波算法的準確性，使跟蹤誤差減小。關鍵詞： 粒子濾波跟蹤; 粒子群優(yōu)化; 自適應調整; 搜索能力平衡; 隨機變異; 優(yōu)化算法中圖分類
現(xiàn)代電子技術 2020年17期2020-09-21
- 基于PCA和SAPSO的船舶風壓差神經(jīng)網(wǎng)絡預測模型
法和自適應粒子群優(yōu)化（self-adaptive particle swarm optimization， SAPSO）算法的船舶風壓差神經(jīng)網(wǎng)絡預測模型。該方法采用PCA法對航行數(shù)據(jù)進行預處理，然后將數(shù)據(jù)輸入由SAPSO算法優(yōu)化的BP神經(jīng)網(wǎng)絡中，改變以往通過復雜的數(shù)學建模計算風壓差的方法，提高預測的時效性和準確性。利用實船數(shù)據(jù)對模型進行船舶風壓差的實時預測仿真，結果驗證了該預測模型具有較高的可靠性。關鍵詞： 船舶;風壓差預測;主成分分析（PCA）;自適應;
上海海事大學學報 2020年2期2020-09-01
- 基于優(yōu)化粒子群算法的云環(huán)境大數(shù)據(jù)聚類算法
息濃度;與粒子群優(yōu)化聚類約束條件結合，得到云環(huán)境大數(shù)據(jù)聚類中心最優(yōu)解。仿真結果表明，此算法的數(shù)據(jù)聚類精準度比較高，具有良好的收斂性能。關鍵詞： 大數(shù)據(jù)聚類; 云環(huán)境; 粒子群優(yōu)化; 空間分割; 模糊聚類; 仿真測試中圖分類號： TN919?34? ? ? ? ? ? ? ? ? ? ? ? ? ? ?文獻標識碼： A? ? ? ? ? ? ? ? ? ? ? 文章編號： 1004?373X（2020）14?0072?04PSO?based big data
現(xiàn)代電子技術 2020年14期2020-07-23
- 基于LS-SVM的艦艇修理能力評估研究
持向量機;粒子群優(yōu)化Abstract： Evaluation of warship maintenance capability is limited by several factors， The historical data is lacked，In order to Evaluation of warship maintenance capability， The evaluation index system is constructed bas
裝備維修技術 2020年31期2020-07-08
- 云環(huán)境下結合改進粒子群優(yōu)化與檢查點技術的容錯調度算法
種結合改進粒子群優(yōu)化與檢查點技術的容錯調度算法。通過改進粒子群優(yōu)化算法進行全局搜索，尋找粒子群最優(yōu)解，以保證任務獲取最優(yōu)資源，減少調度復雜度;同時通過設置檢查點，使失效任務從檢查點繼續(xù)執(zhí)行，實現(xiàn)任務動態(tài)恢復，提高調度可靠性。仿真實驗表明，與傳統(tǒng)算法相比，當任務數(shù)量不斷增加時該算法可提高任務執(zhí)行成功率，縮短任務執(zhí)行時間。關鍵詞：云計算;任務調度;容錯;粒子群優(yōu)化;檢查點技術DOI：10. 11907/rjdk. 191566 開放科學（資源服務）標識碼（OS
軟件導刊 2020年2期2020-05-25
- 基于支持向量機參數(shù)優(yōu)化的圖像特征智能辨識
最后，經(jīng)過粒子群優(yōu)化（PSO）算法實現(xiàn)SVM的參數(shù)尋優(yōu)，建立優(yōu)化模型，可視化分類結果。結果表明，PSO-SVM的分類準確率高達95%，說明基于PSO-SVM的人工智能技術可以提供一個方法來實現(xiàn)圖像特征的智能辨識。關鍵詞：人工智能;支持向量機;粒子群優(yōu)化;參數(shù)尋優(yōu);圖像識別中圖分類號：TP393文獻標識碼：A文章編號：1009-3044（2020）04-0173-03收稿日期：2019-10-15作者簡介：肖磊（1998—），男，江西南昌人，學士，本科在讀，
電腦知識與技術 2020年4期2020-04-14
- 分析美國不同的當選者對中國經(jīng)濟的影響
【關鍵詞】粒子群優(yōu)化;POS-BP神經(jīng)網(wǎng)絡;預測分析1.引言近幾十年來，被稱為美國總統(tǒng)大選的競選活動，吸引了全世界的廣泛關注。在美國總統(tǒng)大選之年，共和黨候選人唐納德·特朗普和民主黨候選人喬·拜登一起競選美國總統(tǒng)。但是，雙方的候選人在經(jīng)濟、文化、金融等不同的重點發(fā)展領域有著不同的政治立場和措施。故他們的措施理念也將對美國經(jīng)濟和世界經(jīng)濟產(chǎn)生不同程度的影響。與此同時也會對中國的經(jīng)濟也會產(chǎn)生很大的影響。本文在此背景下，進行分析。由于美國總統(tǒng)對中國經(jīng)濟的影響分析較為
科學導報·學術 2020年57期2020-03-17
- 一種基于粒子群尋優(yōu)的無模型自適應控制方法
制器，使用粒子群優(yōu)化算法解決無模型自適應控制器調整參數(shù)的問題。仿真結果表明，基于數(shù)據(jù)驅動的無模型自適應控制器可實現(xiàn)傾轉翼飛機過渡段平穩(wěn)飛行，同時證明了基于數(shù)據(jù)驅動的無模型自適應控制方法在處理時變、強耦合的非線性系統(tǒng)時具有獨特的優(yōu)勢。關鍵詞：傾轉翼;數(shù)據(jù)驅動;無模型自適應;粒子群優(yōu)化; 飛行控制中圖分類號：TJ765文獻標識碼：A文章編號：1673-5048（2020）06-0074-050 引 ?言傾轉旋翼飛機綜合了直升機和固定翼飛機垂直起降、懸停、平飛速
航空兵器 2020年6期2020-01-25
- 基于粒子群優(yōu)化算法的動力定位非線性觀測器設計
影響，采用粒子群優(yōu)化算法對觀測器增益矩陣中的9個關鍵參數(shù)進行組合尋優(yōu)進一步提高觀測器動態(tài)性能。還以一艘供給船為例進行仿真分析，驗證了所設計非線性觀測器的有效性。關鍵詞：動力定位;觀測器;粒子群優(yōu)化中圖分類號：TP273? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?文獻標識碼：ADesign of Nonlinear Observer for Dynamic Positioning Basedon Particle Swarm
計算技術與自動化 2020年4期2020-01-05
- 基于改進蟻群算法的自動駕駛汽車自主避障路徑優(yōu)化分析
蟻群算法;粒子群優(yōu)化;自主避障Abstract：In order to further improve the accurate response and fast response ability of autonomous obstacle avoidance in real dynamic environment， an improved AC （ant colony algorithm） model based on PSO （Particle S
科學與財富 2019年35期2019-10-21
- 面向云環(huán)境中任務負載的粒子群優(yōu)化調度策略
一種改進的粒子群優(yōu)化算法（Modified Particle Swarm Optimization， M-PSO）.首先構建出一個云計算能耗模型，同時考慮處理器的執(zhí)行能耗和任務傳輸能耗.基于該模型，對任務分配問題進行定義描述，并采用粒子群優(yōu)化算法對問題進行求解.此外，構建動態(tài)調整的慣性權重系數(shù)函數(shù)以克服標準PSO算法的局部最優(yōu)和收斂速度慢的問題，有效提高系統(tǒng)性能.最后通過仿真實驗對該算法模型的性能進行了評估，結果表明M-PSO算法與其他算法相比能有效地降低
湖南大學學報·自然科學版 2019年8期2019-10-18
- 基于分類思想的改進粒子群優(yōu)化算法
關鍵詞： 粒子群優(yōu)化; 參數(shù)改進; 適度值; 適度值均值; 適度值標準差; 粒子分類; 有效經(jīng)驗中圖分類號： TN911.1?34; TP18 ? ? ? ? ? ? ? ? ? ? 文獻標識碼： A ? ? ? ? ? ? ? ? ? 文章編號： 1004?373X（2019）19?0011?04Abstract： In order to solve the problems of slow convergence speed， low converge
現(xiàn)代電子技術 2019年19期2019-10-14
- 基于PSO-LSSVM算法的造紙過程短期電力負荷預測模型
提出了一種粒子群優(yōu)化算法（PSO）和最小二乘支持向量機（LSSVM）相結合（PSO-LSSVM）的短期電力負荷預測方法，該方法可對造紙廠未來每30 min的電力負荷進行預測。結果表明，采用PSO-LSSVM算法對短期電力負荷進行預測時，預測結果的相對百分誤差絕對值的平均值約為0.75%，精度高于其他行業(yè)的電力負荷預測值，模型具有良好的可行性和有效性。關鍵詞：數(shù)學建模;短期預測;電力負荷;最小二乘支持向量機;粒子群優(yōu)化中圖分類號：TS7文獻標識碼：A近年來，
中國造紙學報 2019年1期2019-09-10
- 粒子群算法（PSO）優(yōu)化兩級熱電制冷器幾何設計
電制冷器;粒子群優(yōu)化;三維多物理場模型半導體熱電制冷器（TEC）是無可動部件的能量轉換器，可以利用帕爾貼效應[1]的原理利用電流驅動產(chǎn)生制冷效果。本研究的動機基于以下兩個方面：（1）對于雙層熱電制冷器的幾何參與工況設計對于器件性能有較大影響，需要進行優(yōu)化分析。（2）對于優(yōu)化工作而言，性能預測模型的準確性是十分重要的。因此本文采用結合三維有限元模型與粒子群（PSO）優(yōu)化算法對于雙層熱電制冷器進行優(yōu)化。建立并求解雙層熱電制冷器件的三維有限元模型，考慮其中的多種
科技風 2019年21期2019-09-04
- 基于粒子群優(yōu)化模糊控制器永磁同步電機控制
進一步說明粒子群優(yōu)化方法在電動機中車有一定的可行性。關鍵詞：粒子群優(yōu)化 ?模糊控制器 ?永磁同步 ?電機控制中圖分類號：TM341 ? 文獻標識碼：A ? ? ? ? ? ?文章編號：1672-3791（2019）05（a）-0033-02對于永磁同步電機來說，其具有較強的能量密度和效率，體積小，響應較快，常用于電動汽車驅動系統(tǒng)中。目前很多電動機控制系統(tǒng)均采用永磁同步電機，將其視作為驅動部件。這種驅動設備和傳統(tǒng)的電動汽車相比，一般都是選控制策略PID控制方
科技資訊 2019年13期2019-08-13
- 基于遺傳算法的漫畫藝術設計研究與實現(xiàn)
作，并加入粒子群優(yōu)化策略，經(jīng)過多次迭代計算，得到漫畫的角色人物造型。經(jīng)過實驗證明，相比于SGA算法和AGA算法，文中所提算法在漫畫設計效率方面優(yōu)勢明顯。關鍵詞： 漫畫設計; 角色造型; 遺傳算法; 適應度; 粒子群優(yōu)化; 設計效率中圖分類號： TN911.1?34; TP393 ? ? ? ? ? ? ? ? ? ?文獻標識碼： A ? ? ? ? ? ? ? ? ? 文章編號： 1004?373X（2019）15?0120?03Research and
現(xiàn)代電子技術 2019年15期2019-08-12
- 基于定期競爭學習的多目標粒子群優(yōu)化算法
目標優(yōu)化;粒子群優(yōu)化;定期競爭;競爭學習機制;全局最優(yōu)選取策略中圖分類號： TP183; TP301.6文獻標志碼：AAbstract： In order to improve the diversity of population and the convergence performance of algorithm， a Scheduled competition learning based Multi-Objective Particle Swa
計算機應用 2019年2期2019-08-01
- 基于粒子群與神經(jīng)網(wǎng)絡的光伏逆變器設計
關鍵詞： 粒子群優(yōu)化; 神經(jīng)網(wǎng)絡; 光伏逆變器; 算法; 逆模型; 諧波含量中圖分類號： TN711?34; TM615 ? ? ? ? ? ? ? ? 文獻標識碼： A ? ? ? ? ? ? ? ? ? ?文章編號： 1004?373X（2019）02?0085?04Design of photovoltaic inverter based on particle swarm optimization and neural networkZHANG Y
現(xiàn)代電子技術 2019年2期2019-04-04
- PSO優(yōu)化三維Otsu森林冠層圖像快速分割算法
tsu法;粒子群優(yōu)化DOI：10.15938/j.jhust.2019.05.021中圖分類號： TP391.4文獻標志碼： A文章編號： 1007-2683（2019）05-0128-06Forest canopy image segmentation is a key step to forest canopy parameters using digital image processing methods. According to the cha
哈爾濱理工大學學報 2019年5期2019-01-14
- 針對全球語言發(fā)展趨勢的分析及預測
型以及基于粒子群優(yōu)化的神經(jīng)網(wǎng)絡模型，對人口遷移以及語言發(fā)展展開了相關研究。同時考慮到影響母語使用者數(shù)量的因素，建立了多元線性回歸模型，預測未來50年語言使用人數(shù)的變化。針對全球人口遷移受經(jīng)濟和交通等因素的影響，提出了基于粒子群優(yōu)化的神經(jīng)網(wǎng)絡模型，預測未來50年的全球移民格局。最后得出結論：同一時期語言隨地理分布發(fā)生變化。關鍵詞：時間序列 多元線性回歸 粒子群優(yōu)化 語言發(fā)展引言語言是文化最直觀的表達方式，目前地球上大約有6900種語言。其中，中文、英文、西班
科學與財富 2018年30期2018-12-28
- 一種手臂靜脈特征提取與匹配的算法
手臂靜脈；粒子群優(yōu)化；識別；中圖分類號：TP391 文獻標識碼：AAbstract：A feature extraction and matching algorithm is proposed for arm veins. Firstly， the contrast of near infrared （NIR） images is adjusted using the contrast limited adaptive histogram equaliz
計算技術與自動化 2018年3期2018-12-10
- 礦井環(huán)境下無人機視覺PSOFastSLAM算法的實現(xiàn)
AM算法；粒子群優(yōu)化DOI：10.15938/j.jhust.2018.04.014中圖分類號： TD679文獻標志碼： A文章編號： 1007-2683（2018）04-0075-07Abstract：In order to realize the autonomous flight of Unmanned Aerial Vehicle （UAV） in the mine environment without GPS and also precise
哈爾濱理工大學學報 2018年4期2018-11-24
- 基于分解的自適應多目標粒子群算法研究
適應多目標粒子群優(yōu)化算法。該算法采用切比雪夫聚合方法，將多目標問題聚合為若干個單目標問題，并對每一個單目標問題粒子的速度和位置更新公式進行改進，提高了算法搜索到Pareto解集的效率。同時，改進了慣性權重和加速因子，使其自適應調整，能夠更好地平衡全局和局部搜索，采用網(wǎng)格技術存儲最優(yōu)解集，能有效保持進化群體的分布均勻性，并采用5個經(jīng)典的兩目標測試函數(shù)進行了仿真實驗。實驗結果表明，通過改進粒子群算法的速度和位置更新公式，可以提高非支配解對真實解的逼近程度，體現(xiàn)
青島大學學報（工程技術版） 2018年1期2018-10-21
- 基于智能大數(shù)據(jù)的礦井突發(fā)事件定位技術研究
了一種基于粒子群優(yōu)化的改進PDV-Hop算法。實驗表明，相比于原有的DV-Hop算法，PDV-Hop算法大大降低了突發(fā)事件的平均定位誤差。關鍵詞：定位問題；DV-Hop算法；無線傳感器網(wǎng)絡；粒子群優(yōu)化引言在礦井生產(chǎn)作業(yè)過程中，當某些特定事件，如礦井下瓦斯?jié)舛瘸瑯?、礦井塌陷、管道泄漏等事件發(fā)生時，如果不能及時檢測到事件發(fā)生的位置，通常會帶來非常嚴重的人員傷亡和經(jīng)濟損失。本文考慮采用基于無線傳感器網(wǎng)絡技術[1] （Wireless Sensor Network
科技信息·中旬刊 2018年9期2018-10-21
- 基于粒子群算法的多無人機任務分配
作戰(zhàn)飛機；粒子群優(yōu)化DOI：10.11907/rjdk.173133中圖分類號：TP319文獻標識碼：A文章編號：1672-7800（2018）007-0193-03Abstract：Multi-UCAVmissionallocationisthekeytechniqueforcoordinatecontrol.Consideringtheconsequentattackmissionandthemainfactorsthataffectcombateff
軟件導刊 2018年7期2018-09-26
- 基于PSO—LSSVM的煤礦電能質量擾動識別研究
，提出基于粒子群優(yōu)化最小二乘支持向量機（PSO-LSSVM）的擾動分類識別方法。介紹煤礦電力系統(tǒng)中常見的4種暫態(tài)擾動，利用廣義S變換（GST）提取擾動中相空間時-頻域的有用特征，然后利用PSO優(yōu)化LSSVM分類器的懲罰因子c和參數(shù)σ，構建PSO-LSSVM分類器，最后將提取的特征量作為PSO-LSSVM分類器的樣本進行訓練、測試。MATALA仿真結果表明，該方法能夠準確可靠地對煤礦電能質量擾動進行識別與分類，對于煤礦電能質量監(jiān)測具有較高參考價值。關鍵詞：煤
軟件導刊 2018年7期2018-09-26
- 基于跳數(shù)修正和改進粒子群優(yōu)化DV—Hop定位算法
跳數(shù)修正的粒子群優(yōu)化的定位算法HPDV?Hop。此算法通過對錨節(jié)點廣播的跳數(shù)進行修正，讓隨機靜態(tài)分布的錨節(jié)點移動并按密度分布二次部署以及用改進的粒子群（PSO）算法對定位中的迭代過程進行優(yōu)化，實現(xiàn)傳統(tǒng)DV?Hop定位算法的全面改進，以提高定位精度。仿真結果表明，改進的算法與傳統(tǒng)算法相比，定位精度和算法的穩(wěn)定性有明顯提高。關鍵詞： DV?Hop定位； 錨節(jié)點； 最優(yōu)跳數(shù)； 平均跳距； 粒子群優(yōu)化； 跳數(shù)修正中圖分類號： TN711?34； TP393 文獻標
現(xiàn)代電子技術 2018年18期2018-09-12
- 改進單尺度Retinex的彩色圖像增強算法
進算法融合粒子群優(yōu)化算法以及Retinex算法，基于熵值大小以及變換成HIS圖像的[H]值大小實施匹配，采用合理的濾波模板實施運算，完成彩色圖像的增強處理。通過改進SSR算法解決圖像邊緣亮度波動時，圖像出現(xiàn)的光暈以及光陰影問題，提升彩色圖像增強效果。實驗結果表明，所提算法對室內室外圖像的亮度、對比度、飽和度等內容具有較高的增強效果，能提升總體圖像的質量。關鍵詞： 改進單尺度； Retinex算法； 粒子群優(yōu)化； SSR算法； 彩色圖像增強； 濾波模板中圖分
現(xiàn)代電子技術 2018年17期2018-09-12
- PID神經(jīng)網(wǎng)絡算法對K型熱電偶非線性校正
熱電偶； 粒子群優(yōu)化； 非線性校正； 慣性權值； Matlab中圖分類號： TN711?34； TH811； TP206+.1 文獻標識碼： A 文章編號： 1004?373X（2018）14?0074?05Nonlinear correction of K?type thermocouple using PID neural network algorithmSU Shujing， L? Nannan， ZHAI Chengrui（Key Laborat
現(xiàn)代電子技術 2018年14期2018-07-27
- 電力變壓器局部放電模式識別
，采用經(jīng)過粒子群優(yōu)化的超球面支持向量機對不同絕緣故障類型的局部放電進行模式識別，識別率高，這對提高局部放電模式識別率具有一定的指導意義。關鍵詞：模式識別；粒子群優(yōu)化； 超球面支持向量機在局部放電故障模式識別分類中，應用比較廣泛的分類器是人工神經(jīng)網(wǎng)絡和支持向量機。若采用人工神經(jīng)網(wǎng)絡識別樣本數(shù)據(jù)相對有限的局部放電，平均識別率能夠達到85%，識別率很難再提高。支持向量機是根據(jù)結構風險最小化原則解決小樣本，多種類模式識別問題，從而得到較高的識別率，然而局部放電信號
科技風 2018年1期2018-05-14
- 粒子群優(yōu)化的改進Tsallis熵圖像閾值分割
出基于改進粒子群優(yōu)化的二維Tsallis熵分解算法。首先將二維Tsallis熵算法降維分解為兩個一維Tsallis熵，同時在目標函數(shù)中引入類內離散測度函數(shù)，最終以此目標函數(shù)作為改進后粒子群優(yōu)化算法的尋優(yōu)函數(shù)，完成圖像的全局最優(yōu)解閾值分割。實驗結果表明，相對一維及二維Tsallis熵算法，改進算法在主觀效果和區(qū)域間對比度評價指標上有較大改善，在鐵路軌道異物圖像的分割中滿足實時性要求、抗噪效果更佳。關鍵詞：圖像分割；Tsallis熵；類內離散度；粒子群優(yōu)化；鐵
科技創(chuàng)新與應用 2018年12期2018-05-08
- 基于全離散粒子群優(yōu)化的納電子MPRM電路面積優(yōu)化算法
一種全離散粒子群優(yōu)化算法。通過將粒子速度合并到位置更新方程，充分挖掘粒子群優(yōu)化中的學習因素得到全離散化的粒子更新方程，在此基礎之上設計FDPSO算法，并使用探索概率作為算法參數(shù)控制算法全局探索與局部開拓間的平衡。對一組輸入數(shù)大于20的MCNC電路進行優(yōu)化的實驗結果表明，與其他能夠用于可編程陣列結構納電子混合極性Reed?Muller電路面積優(yōu)化的智能算法相比，全離散粒子群優(yōu)化算法具有較強的全局收斂能力和結果穩(wěn)定性，能夠以較高時間效率獲得較好的優(yōu)化結果。關鍵
現(xiàn)代電子技術 2018年4期2018-03-07
- 基于PSO優(yōu)化的LSSVM的電力系統(tǒng)電壓優(yōu)化的研究
提出了基于粒子群優(yōu)化最小二乘支持向量機（PSO-LSSVM）來對電力系統(tǒng)電壓進行優(yōu)化。通過實例的結果分析，該方法對電壓的合格率有所提高，對電壓性能有明顯的改善，損耗也下降了，且收斂速度加快，有助于解決地區(qū)電力系統(tǒng)電壓優(yōu)化和治理問題。關鍵詞：數(shù)學模型；粒子群優(yōu)化；最小二乘支持向量機；電壓優(yōu)化0 引言電力系統(tǒng)的無功優(yōu)化作為非線性的規(guī)劃問題，存在著多個不等式的約束條件。而且控制變量的類型也比較復雜，既有連續(xù)值，又有離散值。所以導致無功優(yōu)化的分析過程變得更加復雜。
軟件 2017年9期2018-03-02
- 粒子群優(yōu)化改進小波閾值函數(shù)的去噪研究
同時，采用粒子群優(yōu)化算法，針對信號含噪情況，自動優(yōu)化閾值函數(shù)參數(shù)，實現(xiàn)去噪過程的自動尋優(yōu)。采用基準信號仿真結果表明，提出的算法可以獲得更小的均方誤差和更高的信噪比，達到了去噪實用化的效果。關鍵詞：小波變換；粒子群優(yōu)化；算法；閾值函數(shù)O 引言相關法、模極大值法和閾值法是小波去噪的三種常見方法，其中，閾值法最實用，已廣泛應用于信號去噪中。閾值法有硬閾值和軟閾值兩種基本的去噪算法，但是這兩種基本方法各有一定缺陷：一是硬閾值函數(shù)整體不連續(xù)，容易造成經(jīng)小波去噪后的信
軟件 2017年9期2018-03-02
- 基于粒子群優(yōu)化的電氣自動節(jié)能控制器設計
，提出基于粒子群優(yōu)化的電氣自動節(jié)能控制器。該設計選用SYU?213型號的節(jié)能控制器，硬件上對自動控制器進行了優(yōu)化設計，保證各種狀態(tài)的有效切換。在軟件設計中引入粒子群優(yōu)化下的卡爾曼算法，能夠在不同狀態(tài)下進行快速的能源降耗。實驗結果表明，所設計的基于粒子群優(yōu)化的電氣自動節(jié)能控制器可以有效降低電氣自動控制的能耗，且在待機狀態(tài)下仍可進行節(jié)能控制。關鍵詞： 粒子群優(yōu)化； 電氣自動控制； 節(jié)能控制器； 待機狀態(tài)； 卡爾曼算法； 狀態(tài)切換中圖分類號： TN830.1?3
現(xiàn)代電子技術 2018年2期2018-01-22
- 基于加權K—均值和PSO算法的醫(yī)保欺詐檢測研究
重值。采用粒子群優(yōu)化算法來求解最優(yōu)的權重值。聚類問題中簇類數(shù)目通常由用戶確定，文中則用一種評估聚類的標準來確定最優(yōu)的聚類數(shù)目。實驗證明，算法不僅檢測效率較高，還避免了主觀評價對于檢測的影響。關鍵詞：K-均值；粒子群優(yōu)化；權重指標評價函數(shù)；聚類；醫(yī)保欺詐中圖分類號：TP3 文獻標識碼：A 文章編號：1009-3044（2018）28-0197-031 引言醫(yī)療保險是為了補償勞動者因疾病風險造成的經(jīng)濟損失而建立的一項社會保險制度。通過用人單位與個人繳費，建立醫(yī)
電腦知識與技術 2018年28期2018-01-04
- 基于粒子群優(yōu)化算法的盲分離大型風力機主軸承故障診斷研究
源分離中的粒子群優(yōu)化算法解決多故障源信號提取問題和故障源信號分離等題。診斷結果表明，該方法具有可行性，從而實現(xiàn)對風力機主軸承的故障診斷。關鍵詞：粒子群優(yōu)化；主軸承；故障診斷中圖分類號：TP206 文獻標識碼：A 文章編號：1007-9416（2017）10-0113-02風力機的主軸承一種特殊的軸承，使用環(huán)境惡劣，維修成本較高，要求高壽命。由于風力機組周圍的環(huán)境惡劣，并且長期處在惡劣的環(huán)境中運行，因此風力機主軸承故障率較高，一旦發(fā)生故障，直接和間接經(jīng)濟效益
數(shù)字技術與應用 2017年10期2017-12-21
- 一種優(yōu)化稀疏分解的雷達目標識別方法
所以汲取了粒子群優(yōu)化算法（PSO）全局搜索能力強、收斂速度快的優(yōu)點對最優(yōu)原子的搜索過程進行優(yōu)化，并且針對粒子群優(yōu)化易陷入局部最優(yōu)的問題，提出一種慣性權重自適應改變的改進解決方法。通過對雷達高分辨率距離像（HRRP）信號的稀疏表示實驗仿真發(fā)現(xiàn)，基于粒子群優(yōu)化的匹配追蹤算法能大大縮短匹配追蹤的時間，同時慣性權重自適應改變的方法也有效解決了PSO優(yōu)化的“早熟”問題。關鍵詞： 稀疏分解； 粒子群優(yōu)化； 自適應變化； 高分辨率距離像中圖分類號： TN95?34； T
現(xiàn)代電子技術 2017年23期2017-12-20
- 神經(jīng)網(wǎng)絡在高校圖書館圖書借閱流量預測中的應用
確度，提出粒子群優(yōu)化RBF神經(jīng)網(wǎng)絡的圖書借閱流量預測模型。該方法以圖書館圖書借閱流量歷史數(shù)據(jù)進行RBF神經(jīng)網(wǎng)絡建模，采用粒子群算法對RBF神經(jīng)網(wǎng)絡參數(shù)進行優(yōu)化，最后建立了圖書借閱流量動態(tài)響應模型。預測結果表明該模型預測結果合理，精度較高，為圖書館提高工作效率和服務質量提供了參考依據(jù)。關鍵詞： 圖書借閱； 流量； 神經(jīng)網(wǎng)絡； 粒子群優(yōu)化中圖分類號： TN911.1?34 文獻標識碼： A 文章編號： 1004?373X（2017）19?0115?04Appl
現(xiàn)代電子技術 2017年19期2017-10-12
- 認知無線電NC—OFDM中基于案例推理的無線資源分配
問題，利用粒子群優(yōu)化方法，降低案例修訂過程中的計算復雜度。仿真結果表明，隨著案例庫的豐富，提出的算法在保證頻譜利用率的前提下明顯縮短了收斂時間，有效降低了計算復雜度?！娟P鍵詞】認知無線電 NC-OFDM 無線資源分配 案例推理 粒子群優(yōu)化1 引言近年來，無線通信技術發(fā)展迅速，有限的頻譜資源愈發(fā)顯得稀缺，這就迫切需要提高頻譜的利用效率。認知無線電技術允許非授權用戶在不對授權用戶的通信產(chǎn)生影響的前提下，臨時使用授權用戶的頻段，因此可以有效提高頻譜利用效率[1]
移動通信 2017年14期2017-10-09
- 柔性作業(yè)車間調度的分布式粒子群優(yōu)化算法
一種分布式粒子群優(yōu)化算法以求解柔性作業(yè)車間調度問題，該算法以最小化最大完工時間為目標，為解決傳統(tǒng)粒子群算法在遇到突發(fā)事件時不能實時進行響應做出合理決策的問題，在算法中設計了兩個多Agent粒子群優(yōu)化模型。最后，使用經(jīng)典算例對算法進行了驗證，實驗表明多Agent粒子群優(yōu)化模型具有合理性，該算法能夠有效解決柔性作業(yè)車間調度問題。關鍵詞：關鍵詞：柔性作業(yè)車間調度；粒子群優(yōu)化；分布式；多Agent系統(tǒng)DOI：10.15938/j.jhust.2017.03.001
哈爾濱理工大學學報 2017年3期2017-08-30
- 基于極限學習機的入土切割過程數(shù)據(jù)驅動模型研究
測，并利用粒子群優(yōu)化算法（PSO）對模型參數(shù)進行優(yōu)化以提高極限學習機的泛化能力。通過仿真分析并與傳統(tǒng)BP神經(jīng)網(wǎng)絡進行比較分析。由分析結果可知基于極限學習機的數(shù)據(jù)模型優(yōu)于基于BP神經(jīng)網(wǎng)絡的數(shù)據(jù)模型，有良好的泛化能力，從而為對入土切割刀盤自動控制系統(tǒng)的研發(fā)提供了依據(jù)。關鍵詞：極限學習機；粒子群優(yōu)化；入土切割；甘蔗收割機廣西是我國最主要的甘蔗原材料基地，甘蔗糖的總產(chǎn)量能占到全國糖總產(chǎn)量的60%以上[1，2]。但是由于甘蔗收割過程機械化程度不高，嚴重制約了廣西甘蔗
裝備制造技術 2017年6期2017-07-31
- 基于最小二乘支持向量機的無人機遙感影像分類
，進而利用粒子群優(yōu)化和網(wǎng)格搜索算法分別進行參數(shù)尋優(yōu)并交叉驗證方法對影像進行SVM和LSSVM對比試驗。結果表明，Micro MCA12 Snap 多光譜傳感器所選擇的1、6、11波段組合及NDVI、NDWI、Mean特征信息組合，粒子群優(yōu)化LSSVM分類的總體精度較網(wǎng)格搜索LSSVM高0.092%，Kappa系數(shù)高0.006；粒子群優(yōu)化LSSVM分類的總體精度較粒子群優(yōu)化SVM分類高2.021%，Kappa系數(shù)高0.008。試驗方法改善了各種地物特別是裸地
江蘇農業(yè)科學 2017年9期2017-07-15
- 基于降維與粒子群優(yōu)化的水下傳感網(wǎng)定位算法
基于降維與粒子群優(yōu)化的節(jié)點定位算法。算法首先結合水下傳感網(wǎng)的特性，將水下三維定位轉換為二維定位， 然后引入粒子群優(yōu)化方法，根據(jù)全局最優(yōu)值限定粒子的方向，粒子不斷優(yōu)化，最后確定節(jié)點的位置。實驗結果表明，與其他定位算法相比，提出的算法提高了定位精度，降低了節(jié)點的能量和計算量消耗。關鍵詞：水下無線傳感器網(wǎng)絡；定位；降維；粒子群優(yōu)化DOI：10.16640/j.cnki.37-1222/t.2017.09.1271 引言目前，水下無線傳感器網(wǎng)絡已被廣泛的應用于海洋
山東工業(yè)技術 2017年9期2017-05-16
- 基于邊界變異的一種新的粒子群優(yōu)化算法
針對傳統(tǒng)粒子群優(yōu)化算法易早熟，收斂精度低，特別是在解決大維數(shù)問題時，效果很不理想等缺點。針對這類問題，首先提出一個判別機制，判定算法什么時候達到早熟，若達到早熟則提出一種基于邊界與隨機變異的方法使部分粒子進行變異，從而使粒子重新分散后，再進行搜索。通過對四個經(jīng)典測試函數(shù)的數(shù)值仿真實驗證明，該方法能極大地提高算法的尋優(yōu)能力，特別是在高維函數(shù)尋優(yōu)時獲得了較好的優(yōu)化效果?！?關鍵詞 】 粒子群優(yōu)化；早熟；邊界；變異【 中圖分類號 】 TP18【 文獻標識碼 】
網(wǎng)絡空間安全 2017年1期2017-03-10