基于BP神经网络的高密度电阻率数据反演方法

目的 对高密度电阻率数据反演计算,解决传统局部线性化迭代反演时求解容易陷入局部模型极小解和依赖初始模型的选择等问题.方法 采用二维改进有限元法计算不同地电模型的视电阻率,利用所得结果训练BP神经网络,神经网络的自学习能力将使最终输出为全局最优解.结果 将神经网络与最小二乘法的反演结果作以比较,BP神经网络能够得到全局最优解,因此能较好地反映地电模型,并且计算过程中不需要选择初始模型.结论 神经网络训练成功后,能够克服传统反演方法的不足,因此适合解决复杂的非线性反演问题.     

神经网络与压缩映射遗传算法耦合技术研究

多层神经网络的BP算法的学习过程与网络中的连接权值、传输函数类型的选择以及BP所用的梯度优化算法密度相关，网络可能会出现收敛于局部次优或不收敛的现象。将压缩映射遗传算法应用于BP神经网络的数学模型，构建一种新型的压缩映射神经网络，这种神经网络收敛于全局最优解。     

复杂地应力场反演优化算法及研究新进展

地应力是采矿工程和岩土工程设计与动力灾害防治的重要依据.地应力场反演是基于现场个别离散点应力测量结果,采用数力方法对目标区域的地应力分布的推算和拓展.本文系统介绍了区域地应力场反演和构建方法,重点阐述了他们的学术思想、应用领域以及优缺点,总结凝练了国内外学者在地应力反演算法和工程运用中作出的改进和创新,特别是非线性数理方法在地应力场反演应用中的新进展.本文提出了一种新的地应力场计算的非线性优化新算法——替代模型加速优化算法,该方法能够保证高精度、快速获得全局最优解.为了适用大规模地应力场反演,发展了能产生降阶和特征提取作用的特征正交分解地应力反演优化算法.最后,提出面向深部岩石工程和地质灾害防治的地应力场研究发展方向.     

电阻率测深数据的遗传算法和最小二乘法反演

遗传算法作为一种模拟生物进化过程的全局优化算法，由于对初始模型的依赖性较小，且不易收敛于局部极值中，在地球物理反演中发挥着越来越重要的作用，但这种方法只能得到次优解而不能得到最优解．最小二乘法是地球物理反演中最成熟的反演方法之一，反演中可以得到最优解，但是受初始模型的影响，容易收敛于局部极值甚至发散．为在电阻率测深曲线反演中得到全局最优解，采用先使用遗传算法再用最小二乘法反演方法，对较为复杂的3层和3层以上大地模型进行了计算，其模型参数误差只有6％。     

基于PSO-BP算法的入侵检测研究

提出基于PSO-BP的入侵检测算法并建立测试模型。用PSO算法优化BP神经网络的权值和阈值,解决其参数设置依赖性问题,充分利用PSO算法的全局搜索性和收敛速度快的特点,克服BP算法的易陷入局部最优、收敛速度慢的缺点。采用KDD CPU99入侵测试数据集进行实验,结果表明,在检测率、误报率、漏报率方面均优于传统BP算法且缩短了检测时间,提高了入侵的检测效率和性能。     

基于优化PSO-BP的多特征融合图像识别算法研究

为提高水果种类识别的准确性,本文提出一种基于优化粒子群结合BP神经网络的识别算法。在算法初期,针对不同种类水果图像样本,借助K均值聚类分割算法,融合彩色信息和灰度信息,完成目标图像的准确分割,提取目标区域在HSV颜色空间下非均匀量化后的颜色特征,使用分块局部二值模式和灰度共生矩阵,分别提取局部和全局纹理特征,并对与粒子群算法(particle swarm optimization,PSO)结合的BP神经网络进行优化,以获得最优的BP神经网络权值和阈值,同时使用分块的LBP算子和GLCM方法,采用Matlab 2017b软件,对苹果、草莓、柠檬3种水果图像局部和整体纹理信息进行提取,并与传统的PSO-BP神经网络、IPSO-BP神经网络及单一BP神经网络训练之后对测试样本的识别相对误差进行比较。研究结果表明,虽然标准PSO-BP算法对图形的分割效率和识别能力不能与深度学习结果相媲美,但在优化后的PSO-BP中,将3种水果识别率与RCNN系列的优化结果相比并不逊色,且与结合ResNet的SSD算法的结果对比中表现出优异性。该算法保证了图像分割目标的完整性,有效控制了整体算法的时间性,提高了识别过程的精确性。该研究对水果识别精度的提高具有重要的应用价值。     

基于构造控制的地应力人工神经网络反演研究

在赵楼井田地质构造和地应力场研究的基础上,提出以构造指标优化人工神经网络(ANN)模型的建模方案.实测了井田地应力的大小和方位,结合有限元数值模拟分析了地应力场的分布特征.通过构建具有构造意义的输入指标:岩组相对强度(I),断层相对距离(D),建立了5×7×3结构的3层BP神经网络模型对地应力进行反演,并与不含构造指标的ANN模型进行对比.结果表明:输入层包含构造指标的ANN模型具有高效性、鲁棒性,反演结果的平均误差仅为4.8%～6.6%,精度较之于不含构造指标的ANN模型提高了1个数量级.在应用ANN反演地应力中,应当重视地质构造对地应力的控制作用,构建具有构造意义的输入指标是提高反演地应力效果的关键.     

地应力场的回归分析与工程应用实例

分析地应力场产生的原因及影响因素，阐述地应力场的回归分析方法，以地应力测点实测资料为基础，建立三维地质模型和数值计算模型，对安徽响水涧抽水蓄能电站厂址区域地应力场进行多元线性回归反演分析。对比实测应力与反演所得应力，两者数值上的差值最大为1.28 MPa,总体误差较小。说明采用应力回归计算求得的初始地应力场能够较真实地反映工程实际情况，可为设计、施工提供有效参考。     

NPSO-GRNN在城市生活需水量预测中的应用

利用小生境粒子群算法(NPSO)的全局搜索能力,对GRNN的光滑因子进行优化,提高了广义回归神经网络(GRNN)的网络性能,建立了基于NPSO-GRNN的城市生活需水量预测模型。研究结果表明:利用该模型拟合和预测北京市1988-2012年生活需水量数据的平均相对误差绝对值分为别0.72%和0.36%,两者都比BP神经网络模型拟合预测的结果低;NPSOGRNN模型能更好的拟合北京市城市生活需水量的变化趋势,预测精度更高,泛化能力更强。     

人工神经网络结合遗传算法反演岩体初始地应力的研究

提出综合应用实数编码的遗传算法与改进的BP神经网络的优化反演分析方法,并通过数值分析,探讨了该方法在应用于位移反演岩体初始应力与材料参数方面的有效性.在算例中,以Burgers模型的计算数据作为改进神经网络的训练样本,用遗传算法搜索待反演参数解向量.计算结果表明利用遗传算法优化神经网络权值能提高神经网络迭代算法的效率与可靠性.该方法应用于岩体初始应力场的反演具有迭代过程平稳、收敛快、结果准确等特点,能够有效地求得岩体初始应力与材料参数.     

输入排队iSLIP算法的改进与比较

高速路由器交换网络中,输入排队调度算法有良好的性能。为了进一步提高经典算法iSLIP的性能,根据虚拟输出队列(VOQ)中包的个数和队首包的等待时间不同,对iSLIP算法进行改进,提出了lp-iSLIP(Long Queues Prioriy iSLIP)算法和op-iSLIP(Old Queues Priority iSLIP)算法。通过仿真可以看到改进后两种算法包的延时较iSLIP算法有一定降低,即算法性能有了提高。最后对iSLIP算法和对信元加入优先级的pri-iSLIP算法进行比较,仿真结果显示pri-iSLIP算法的性能较好。     

基于单纯形和粒子群优化的搜索算法

在综合分析单纯形算法与粒子群算法优缺点的基础上,将单纯形算法与粒子群算法相结合,提出了一种单纯形,粒子群混合算法,有效地避免了原有两种算法的缺陷,提高了对目标函数的搜索效率与质量,并用试验函数验证了算法的可行性.     

进化算法在求解连续空间函数优化问题上的比较

优化算法就是一种搜索过程和规则，它是基于某种思想和机制，通过一定的途径和规则来得到满足用户要求问题的解.优化问题也是人们在工程技术、科学研究和经济管理等诸多领域中经常遇到的问题.鉴于工程优化问题的复杂性、约束性、非线性、多极小等特点，分析各种算法，寻求一种适合要求的算法很重要.目前，进化算法主要包括遗传算法、模拟退火法、混沌算法、蚂蚁算法、粒子群算法等.分别介绍了5种算法的基本思想以及它们的特点，并且通过对几个连续函数的优化比较，阐述了算法的各自不足.     

密码学中信息摘要算法MD5的改进

在MD5算法的基础上,针对MD5算法密文是一个32位16进制字符来表示值的特征,提出MD5改进算法,首先采用替换加密算法Md5Replace加密MD5算法密文,隐藏MD5算法密文的特征;再选定替换加密密文中某一位置插入由随机函数算法Md5Random产生定长的字符串得到最后的密文,改变了替换加密密文位数,隐藏了替换加密算法替换规律。在不改变算法效率的前提下,提高算法安全强度。     

多算法加权融合的盲均衡算法

在研究了多种广泛使用的盲均衡算法的基础上,设计了一种对多种算法加权融合的新算法：
当均衡器的输出信号可靠性足够高时,用可获得高收敛精度的多模辅助算法(MAMA)进行均衡
;当均衡器的输出信号可靠性不够高时,用修正的常模算法(MCMA)、多模算法(MMA)和MAMA 三种算法的加权融合来均衡,且控制权重,使权重随迭代次数变化,提高了算法性能. 仿真结果证明,新算法性能稳定,在恶劣的水声信道中,可以在大约2?800次迭代后收敛,达到-35?dB左右的码间干扰(ISI).     

EDF调度算法的实时性改进

在实时调度算法中,常用的EDF调度算法是非抢占式的,针对这个问题,研究应用SLAD算法和BACK-SLASH算法来改善EDF调度算法的实时性.对过载情况下的截止期错失率DMR的测试,结果表明其实时性确有所改进.     

常用细化算法在纸浆纤维图像处理中的应用与比较

本文介绍了三种常见的细化算法,其中详细介绍了hilditch算法,并且通过编程将其应用于纸浆纤维图像的处理中.通过对处理后的纤维图像质量的比较,结果显示hilditch算法更适用于对纸浆纤维图像的细化,但仍然需要在对纤维图像中的非纤维图像信息进行有效地删除方面进行改进.     

学习特征权值对聚类算法的优化

现有的k-均值聚类算法大都是以距离差异为基础的,而同等重要地依赖所有属性的相似性度量会引起误导.传统的k-均值算法选择的相似性度量通常是欧几里德距离的倒数,这种距离通常涉及所有的特征.而在距离公式中引入一些特征权值后,其聚类结果将依赖于这些权值,从而可以通过调整这些权值优化聚类效果.由于k-均值算法是迭代算法,很难直接确定其权值以优化聚类结果,因此提出了一种通过免疫算法学习权值的方法以改进聚类结果.实验结果显示,该方法确定的权重值在提高聚类效果方面是可行的、有效的.     

COMP:一种有效的多模式/多对象匹配算法

为研究产生式系统的匹配效率问题,分析了RETE算法与TREAT算法的优缺点,提出了一种新的匹配算法－COMP算法,通过理论分析,在最坏情况下,该算法的时间复杂性为O（W^C）,优于RETE算法,实验结果表明,COMP算法在一般情况下优于TREAT算法,而在各种情况下均优于RETE算法。     

RA码译码简化算法的研究

RA码BP译码算法，可以实现线性时间译码，然而具有较高的复杂度。为了便于硬件实现，首先提出将最小和算法应用于RA码，然后对最小和算法进行了改进，提出了归一化算法和偏移算法，使循环译码算法在复杂度和性能之间取得了较好的折衷。仿真结果表明：归一化算法和偏移算法复杂度低，性能接近BP算法。