基于启发式算法的混沌支持向量机流量预测

针对现有混沌支持向量机回归模型存在流量预测效率低下的问题,利用差分进化(DE)算法、遗传算法和粒子群优化算法确定模型的径向基核函数系数、惩罚系数、不敏感系数等参数,在此基础上建立改进的混沌支持向量机回归模型进行流量预测。实例表明,相比其他启发式算法,DE算法能以较高的效率搜索到混沌支持向量机回归模型的最优参数,并且该模型具有较高的预测精度。     

用户级并行性的开发

从标准线性回归方程出发，首先确定标准化因变量回归值的控制区间，然后找出一个ｍ元一次不定方程的解集合，根据回归方程的特写意义，在该解集合中求得满足标准回归方程控制问题的子集合。最后应用标准回归方程与一般回归方程的关系，求出一般线性回归控制问题解的子集合及计算公式。经实例验证符合要求。     

一类区间系数二次双层规划问题的遗传算法

针对上下层均含区间系数的二次双层规划,提出了一种基于两个适应度评估的遗传算法。将下层目标系数区间作为遗传算法的搜索空间,对于每一个确定的个体,下层问题不含区间系数;利用二次规划的最优性条件,将个体所对应的问题转化为两个确定的二次规划;利用基枚举方法求解这两个二次规划问题,相应的最优值作为个体的两个适应度。算法通过两个适应度的比较,获得问题的最好最优解和最差最优解。数值仿真结果表明,该算法是可行有效的。     

回归模型中哑变量的相对重要性指数

为在回归模型中描述定性属性,通常需要引入哑变量。对含哑变量的回归方程,提出描述不同哑变量在回归方程中不同重要程度的方法。该方法分解出含哑变量的回归方程中哑变量部分和非哑变量部分的回归平方和,计算这两部分在该回归方程中所起作用的占比,将该占比设计为各哑变量在回归方程中的相对重要程度指数。在近10万笔的Lending Club和Prosper网络借贷数据集上,所进行的挖掘借款用途对借款成功率、信用等级对借款利率的影响程度的实验结果表明,与传统回归方程仅提供哑变量前的系数却不能展现其重要程度相比,所提方法展现出不同哑变量的不同重要程度,为定量分析回归方程中定性自变量对因变量的影响程度提供了重要的手段。     

基于遗传算法模糊多元线性回归分析的瓦斯涌出量预测模型

针对经典线性回归模型不能完全反映变量间的耦合关系而不适宜于有模糊数的瓦斯涌出量预测的问题,提出了一种基于遗传算法模糊多元线性回归分析的瓦斯涌出量预测模型。采用灰关联分析法和SPSS软件线性回归分析法确定影响瓦斯涌出量的主要因素;把历史数据样本分为建模数据样本和检测数据样本,采用遗传算法求出模糊回归参数的中心值和模糊幅值。实验结果表明,该模型具有较高的精确度和可操作性。     

分析数据处理中应用回归分析法的讨论

一.直线回归方程间有无区别的判别问题 1.《理化检验》化学分册第16卷第5期“利用回归分析方法计算吸光度分析结果”-文中提出如下判别式: ?? 并确定t≤2时判两个直线回归方程无区别,可以进行合并应用的看法.我们在应用中曾多次出现一些错判的现象,经研究认为用(1)式来判别分析化学领域中的回归方程之间的区别问题存在局限性,现将(1)式通过关系式转化成     

基于概率支持向量回归的产品设计时间预测模型

为使产品设计时间预测既克服小样本、异方差噪声问题,又提供除预测值以外的其他有用信息,建立概率支持向量回归(PSVR)模型。首先,在异方差回归模型基础上设计概率约束条件,以使预测值以较大概率位于真实值的某邻域,结合具有参数不敏感损失函数的支持向量回归确定优化目标,提出PSVR。然后,将最大完工时间知识嵌入进PSVR的约束条件,用以确定真实值邻域的宽度,将交叉验证与遗传算法相结合以确定PSVR的相关参数。最后,以注塑模具设计的实例进行分析,结果表明基于PSVR的时间预测方法可同时提供有效的预测值和预测区间。     

回归实验设计及其在分析测试中的应用

文章介绍了回归实验设计用于寻求分析测试最佳条件的方法。设计了计算机程序,并以锆英石中ZrO_2测定为例,进行了回归实验设计。由计算机直接给出回归方程,预报值和方差分析结果,确定了最佳分析测试条件。分析结果说明,方法是成功的。     

基于遗传算法的仿生小波语音增强

分析遗传算法和仿生小波变换的原理和方法,提出一种基于遗传算法的仿生小波语音增强算法.首先将普通小波变换转换为仿生小波变换,得到仿生小波变换系数,接着利用遗传算法的选择、交叉、变异获得仿生小波的优化阈值参数,从而确定最优小波阈值,随后结合最优小波阈值和改进阈值函数去噪,最终将经阈值处理后的仿生小波的系数变换至普通小波域且实行连续小波逆变换,获得增强的语音信号.仿真结果表明,在低信噪比环境下,与传统的最小统计和仿生小波变换算法相比较,经本文提出的算法处理后的增强语音其失真和残余噪声更小,语音质量和可懂度都较高.     

一种数据域描述的加权支持向量回归算法

针对支持向量回归中由于噪声和孤立点带来的过拟合问题,提出了一种基于支持向量数据域描述的加权系数函数模型,根据样本到特征空间最小包含超球球心的距离来确定其加权系数。将提出的加权系数模型用于加权支持向量回归中,一维数据集仿真表明,提出的模型可以有效减小回归误差,提高支持向量回归算法的抗噪声能力。     

基于遗传算法的回归型支持向量机参数选择法

研究了遗传算法在回归型支持向量机参数选择中的应用:首先,分析了支持向量机的几个参数对其预报能力的影响,发现参数选取不当,会导致支持向量机出现过学习或欠学习现象;在此基础上提出利用遗传算法来解决回归型支持向量机的参数选择问题,模拟实验证明,该方法克服了传统参数选择方法存在的缺点,提高了支持向量机的预报精度。     

遗传算法在数据挖掘中的应用

论文介绍一种利用遗传算法的演化计算机编程的方法来自动建立一种动态非线性数学模型进行数据挖掘,并进行社会经济趋势预测和回归曲线拟合,改变过去那种只使用拟合粗糙、预测结果准确度差的传统预测模型进行曲线拟合和趋势预测的分析方法。在数据实验中,使用遗传算法演化计算机编程的方法自动生成的演化模型对一些真实的历史资料进行了曲线拟合和发展趋势预测以及对前馈、后馈误差进行了深入分析。结果表明,使用该方法建立的演化模型要比传统的线性回归、指数回归、抛物线回归三种固定传统数学模型所预测的数据准确度高很多,而且拟合曲线的前馈标准差和预测后馈标准差也明显要小。     

基于群体信息挖掘的新遗传算法及其应用

鉴于标准遗传算法有局部搜索能力差,求解精度不高等缺点,引入多元回归分析和模式搜索算法,利用最小二乘法求得种群寻优方向的信息,建立一种新的遗传算法,并由此指导种群中的每一个个体模式搜索,提高整个种群的寻优速度和效能,以非线性连续优化仿真为例,结果表明,该方法比遗传算法性能更好。该算法应用于优化化工过程,效果良好。     

基于机器学习的数据流突变型服务功能链构建策略

在SDN/NFV协同的未来网络架构下,针对增强移动宽带场景中因数据流突变造成的服务功能链低可用问题进行了研究,并提出了一种基于启发式闭环反馈算法的服务功能链动态构建策略。该算法分服务功能链的部署模块和反馈调整模块两部分。首先,基于资源优化模型实现服务功能链的初始化部署,其中对资源优化模型的求解选择利用遗传算法;然后,通过引入机器学习算法随机森林回归对当前服务功能链可承载的数据流量大小进行实时预测,以实现相应的反馈调整。整个服务功能链的构建策略是一种基于遗传和随机森林回归预测的启发式闭环反馈算法设计。仿真结果表明,在应对突变数据流时与现有的遗传和禁忌搜索算法相比,所提算法的用户接受率提高了12%,对底层资源的占用降低了19%。     

Learning experiments with genetic optimization of a generalized regression neural network

This paper reports a study unifying optimization by genetic algorithm with a generalized regression neural network. Experiments compare hill-climbing optimization with that of a genetic algorithm, both in conjunction with a generalized regression neural network. Controlled data with nine independent variables are used in combination with conjunctive and compensatory decision forms, having zero percent and 10 percent noise levels. Results consistently favor the GRNN unified with the genetic algorithm.     

基于IGA-SVR随机Hough变换的预制构件螺栓孔节点定位

针对预制构件螺栓孔节点定位时由于工业环境下光照不均匀且螺栓孔并非规则平滑圆形,导致定位精度不高的问题;提出一种引入改进遗传算法优化支持向量回归分析（IGA-SVR）的随机Hough变换圆形定位算法;对遗传算法引入收缩包围与螺旋更新机制,提升算法局部搜索能力;同时改进交叉变异算子,引入收敛因子克服遗传算法后期收敛速度慢的问题。利用改进的遗传算法对支持向量回归模型进行参数寻优,通过圆形训练样本训练出逼近螺栓孔的超平面方程;采用此模型上的三点进行随机Hough变换定位圆,并利用双目视觉算法得到圆形三维坐标;通过四个标准测试函数及混凝土预制构件模型螺栓孔节点定位实验验证所提算法的有效性,结果表明,改进的算法优化性能更佳,在结合随机Hough变换定位圆时,明显提高了定位精度,满足工程测量要求。     

基于遗传神经网络的多传感器信息融合及应用

通过多传感器技术对原油含水率测量影响的多个参量进行测定,提出基于样本矩阵非线性变换的多维回归和遗传神经网络的信息融合方法,对原油含水率的高精度、智能化测量进行研究。研究结果表明:遗传算法优化的神经网络方法预测结果明显优于多维回归和单纯LM算法的神经网络方法,具有全局收敛、泛化能力强等特点,取得很好的融合效果和测量精度,是一种具有广阔应用前景的智能信息融合方法。     

Dynamic parameter inverse analysis of concrete dams based on Jaya algorithm with Gaussian processes surrogate model

A dynamic parameter inverse analysis process for concrete dams based on Gaussian process regression and Jaya algorithm is presented. Gaussian process regression is used to establish a response surface representing the relationship between dynamic elastic modulus and modal parameters (natural frequency and mode shape). The Jaya algorithm is applied for dynamic parameter identification by minimizing the objective function. To verify the performance of the proposed method, we consider a concrete single buttress dam and a hyperbolic concrete arch dam as numerical examples. Numerical results show that Gaussian process regression can significantly improve the parameter identification efficiency without compromising on accuracy. Furthermore, the Jaya algorithm is compared with particle swarm optimization algorithm and genetic algorithm; the results show that the Jaya algorithm is promising in parameter recognition.     

测试生成算法评估与预报系统

测试生成算法评估与预报系统分别利用回归算法、神经网络算法和遗传算法为测试生成算法建立预报模型,使得对给定电路,不必实际运行测试生成算法,就可快速地得到最有效的测试生成算法。对如何利用遗传算法建立预报模型进行了较为详细的论述。     

全自动酶免分析仪定量分析系统研究

为了提高酶免分析仪检测精度,建立了基于改进遗传算法的多组分定量分析校正模型。通过自适应寻优空间技术和小生境技术,对遗传算法进行改进。采用全息凹面光栅作为分光元件,搭建扫描式紫外可见分光光度实验系统,对食品工业中最常见的苋菜红和胭脂红二组分混合水溶液进行定量分析,并与最小二乘回归方法进行了比较。实验结果表明：改进遗传算法预测精度与最小二乘法相近,对苋菜红和胭脂红的预测均方根误差（ RMSEP）分别为0.88,1.71μg/mL;收敛速度明显快于传统遗传算法,为多组分同时测定提供了新的思路。