Incomplete Fingerprint Recognition Based on Inproved GA-PSO

Minutiae-based algorithm plays a more and more important role in fingerprint recognition. It is greatly limited by its demand for good image quality and depen- dence on fingerprint aligning, especially for incomplete fin- gerprint recognition. Improved Genetic algorithm-Particle swarm optimization （GA-PSO） algorithm is applied to deal with these problems. The proposed algorithm improves GA-PSO in two aspects, population initialization based on reference point pre-aligning and fitness function construc- tion based on fusion of minutiae-matching and orientation- matching. The experimental results on the FVC2004 show the high effectiveness and practicability of our algorithm.     

基于GA-PSO混合算法的农网无功优化

针对农村配电网电压质量较低的问题,该文建立了完整的无功优化模型。采用前推回代法进行潮流计算,建立以网损最小、电容器投资成本最小、电压水平最好、电压最稳定为目的的无功优化目标函数,无功优化方法采用GA-PSO（遗传-粒子群）混合算法,该混合算法更有效地寻找到全局最优解,并加快了收敛速度。对典型IEEE33节点配电网系统进行了测试分析,并将优化结果与其他优化算法相比较,结果表明使用该优化算法后,配电网系统电压水平明显提高,线路损耗明显降低,电压水平和电压稳定裕度都有所提高。     

An intelligent SVM modeling process for crude oil properties prediction based on a hybrid GA-PSO method

Properties prediction of crude oil remains an essential issue for refineries. In this communication, an exhaustive and extendable support vector machine(SVM) intelligent prediction process has been proposed to solve this problem. A novel hybrid genetic algorithm-particle swarm optimization(GA-PSO)method was applied to optimize the SVM model. The optimization process and result demonstrated that the newly proposed GA-PSO-SVM method was more accurate and time-saving than the classical GA or PSO method. Compared with the classical Grid-search SVM, the combined GA-PSO-SVM model appeared to be more applicable for the properties prediction task. The TBP distillation curve fitting was exampled to evaluate the performance of the developed model. The regression result demonstrated the high accuracy and efficiency of the proposed process. The model can be applied in the Industrial Internet as a plugin, and the adaptability and flexibility is demonstrated by the implement of crude oil molecular reconstruction employing the intelligent prediction process.     

时间Petri网与GA-PSO算法相结合的并行测试

摘 要：并行测试任务调度方案在自动测试系统中一直是尚未解决的难题。本文基于Petri网理论的基础,建立了并行测试的时间Petri网模型,并且首次将GA-PSO算法引入到时间Petri网的变迁序列的寻找过程中,快速地求得了最优调度方案。仿真结果表明,本算法能够以较大的收敛概率快速地收敛,最终得到最优变迁序列。     

基于改进GA-PSO的可重构测试资源匹配方法

为提高测点信号与可重构测试资源匹配效率,建立了基于STD标准的测点信号与可重构测试资源的数学描述模型.针对可重构测试资源的特点,结合工程实际提出了基于Sigmoid函数的匹配函数,以资源可靠性、配置文件大小及配置时间因子作为罚函数,利用匹配函数构造出遗传算法的适应度函数.为解决遗传算法搜索速度较慢的问题,改进了遗传算法的选择算子和交叉算子,将粒子群算法应用到遗传算法中,解决了遗传算法在算法后期迭代效率低下的问题,最后通过实例验证了算法的有效性.     

基于GA-PSO的粗糙集属性约简算法

属性约简是粗糙集合研究的重要内容之一。为了能够有效地获取决策表中属性最小相对约简,提出了一种基于GA-PSO的属性约简算法。该算法以条件属性对决策属性的支持度为基础,求解核属性,把所有的条件属性(除去核属性)加入粒子群算法的初始种群中,并用遗传算法对不满足适应度条件的粒子进行交叉变异操作。实验结果表明,该算法在加强局部搜索能力的同时保持了该算法全局寻优的特性,能够快速有效地获得最小相对属性集。     

连续采煤机运煤系统智能故障诊断

运煤系统是连续采煤机重要的组成部分,如果发生故障将导致连续采煤机停止工作,严重影响其生产率。本文在对连续采煤机运煤系统常见故障及其原因分析的基础上,通过比较分析采用遗传算法(GA)和粒子群算法(PSO)混合优化BP神经网络的方法,对连续采煤机运煤系统故障诊断进行研究。结果表明,这种方法可有效地避免BP神经网络进入局部极小值,提高学习效率和收敛精度,能更快、更准确地对连续采煤机运煤系统进行故障诊断。     

基于GA-PSO的野战给水站选址优化模型

在野战给水工程保障中,不但要满足各用水单位,也要考虑到保障过程中产生的费用,尽量能够做到在完成给水工程保障任务的基础上使整个野战给水工程保障系统所消耗的总费用最小。针对该问题,运用GA-PSO算法研究了野战给水站的选址优化模型,实例验证充分说明了基于GA思想的混合PSO在收敛速度及跳出局部极值的能力诸方面明显优于标准的GA算法和PSO算法。     

基于GA-PSO融合算法的开采沉陷Richards 预计模型参数优化

在矿区开采地表沉降动态预计模型建立过程中,针对Richards时间函数模型参数在地质采矿条件复杂情况下难以一次性准确求取的问题,采用遗传粒子群（Genetic Algorithm and Particle Swarm Optimization,GA-PSO）融合算法对Richards模型参数进行动态修正,建立了一种基于GA-PSO融合算法的Richards时间函数参数优化模型。通过与传统GA算法和变步长果蝇优化算法（Fruit Fly Optimization,FOA）进行比较,结果表明：GA-PSO算法对Richards模型参数优化效果良好。通过单点举例和选取部分特征点验证的方法,得出GA-PSO算法模型在各个时期的预计中误差最大为14.43 mm,最小中误差为1.48 mm,最大平均误差为11.16 mm,最小平均误差为1.23 mm,且GA-PSO算法模型精度高于拟合模型和变步长FOA模型。研究表明：经过GA-PSO算法优化参数后的Richards模型能够更加高效,有助于精确构建矿区地表移动动态预计模型。     

基于GA-PSO Hough变换的建筑物平面重构

提出了一种数字图像中建筑物平面的重构方法,所提技术使用GA-PSO Hough变换提高Hough变换的性能,采用一种有效的限制搜索空间方法以及分层次搜索策略来减少计算量,在传统建筑平面重构技术的基础上提出了一种更加有效的改进GA-PSO HT算法来提高重构性能与质量.