基于高斯变异的智能单粒子算法

针对智能单粒子优化算法(ISPO)容易出现算法早熟、收敛精度低的现象,提出一种基于高斯变异的智能单粒子算法(GISPO)。当粒子陷入局部最优值,每一维速度会降到一定的阈值,整个粒子进化处于缓慢阶段;此时给予搜索到的历史最优极值一个自适应的高斯变异扰动,会大大提高粒子的逃逸能力,帮助粒子快速地跳出局部极值点,不断地向全局最优解靠近。通过几个标准测试函数进行实验,结果表明该算法的收敛速度、搜索精度和稳定性均优于ISPO算法。     

混合蚁群算法及其用于有机物毒性的QSAR研究

设计一种新的混合蚁群算法.该算法以一种新的二进制蚁群算法为基础,混合PBIL(population based incremental learning)算法及遗传算法的交叉操作和变异操作,从而大大提高了种群的多样性及收敛速度,改善全局最优解的搜索能力.通过函数优化测试,表明该算法具有良好的收敛速度和稳定性,最后用于有机物毒性的QSAR研究中,取得较好效果.     

Elman型回归神经网络在裂解深度软测量系统中的研究与应用

本文提出了运用Elman型回归神经网络来建立裂解深度先进控制中深度模型的软测量方法,解决控制参数测量中在线分析表的滞后问题.通过仿真结果表明,该方法能取得非常良好的效果.     

改进多目标五行环优化的重叠社区发现算法

针对多目标五行环优化的重叠社区发现算法社区发现质量不高的缺陷,提出一种改进的启发式算法,在原算法的基础上采用新的个体表达方式和解码方式来提高进化效率,改用部分匹配交叉算子和基本位变异算子以保证种群的多样性。实验结果表明,在人工合成网络和真实社会网络上,改进算法的社区发现质量要明显好于原算法,与其它不同的重叠社区发现算法相比,该算法也能够得到结构强度和准确率较好的重叠社区划分,验证了改进算法的有效性。     

裂解炉燃料气热值的模糊神经网络软测量

从工业过程实际应用要求出发，研究开发了基于模糊逻辑系统的小脑模型关节控制器神经网络算法。仿真研究表明，该算法提高了传统小脑模型关节控制器的平滑能力和泛化能力，可以很好地应用于工业过程的软测量中。经现场的长期应用实施，证实了该热值软测量系统具有较高的准确性，充分显示了燃料气系统热值变化的特征，对裂解炉炉管出口温度的稳定控制起到了极大作用。     

基于动态多最小支持度的用户频繁轨迹挖掘

为解决频繁轨迹模式挖掘中单一最小支持度带来的问题,提出一种多最小支持度的频繁序列挖掘算法,根据获取的用户历史轨迹数据确定用户多最小支持度获取模型。由于仅通过Prefix Span算法挖掘出用户的历史频繁轨迹模式,无法了解用户在一段时间内的地点偏好变化,通过动态加权的方式结合之前挖掘出的用户频繁轨迹模式得到用户在不同时期的地点偏好变化,利用序列压缩和序列匹配减少用户频繁轨迹模式的存储空间。通过实例挖掘,验证了改进算法的有效性。     

用超临界流体溶喷技术制造墨粉的构想

提出了用CO2超临界流体作溶剂,采用溶喷技术制造复印机用或激光打印机用墨粉的方法.利用超临界流体对有机材料的强溶解性能,将树脂、颜料及电荷控制剂等全部或部分溶解在CO2超临界流体中,用搅拌方法使未溶部分均匀悬浮在含有溶质的超临界流体中,然后用瞬间喷雾方法获得墨粉粒子.依此方法制造的墨粉,形貌近似于球形,具粒度均匀、无表面污染等优点,与传统的机械法及化学聚合法相比,具有节能、节水、无环境污染、生产成本低等优点,将成为大规模生产墨粉的新方法.     

过程控制工程的计算机仿真实验设计

过程控制工程是自动化专业一门重要的专业课程,过程控制工程实验则是过程控制工程教学体系中不可缺少的重要环节。我们设计了一些与课程重点内容相关联的仿真实验,这些实验对学生学习过程控制工程课程起到了极大的辅助和促进作用。     

模糊预处理故障诊断专家系统的分析设计

该文介绍了故障诊断系统的结构及特点，提出了一种将输入信号进行模糊化处理的方法，简化了输入信号的处理。说明了系统中专家知识的获取方法和表示形式，构建了推理网络，并用CF模型实现了推理算法。在微软MFC平台上开发了该系统的计算模块，通过在PTA装置氧化反应模型上的应用测试，表明该方案能得出较理想的检测诊断结果。     

基于时空轨迹数据的异常检测

伴随着智能设备的普及和无线通信技术的发展,用户在使用无线网络满足各种需求时,无线网络也记录下了用户上网留下的大量时空轨迹数据.针对时空轨迹数据的异常检测已经成为数据挖掘领域一个新的研究热点.为了更好地关注学生健康发展,促进校园信息化建设,以真实校园上网数据为例,提出了一种基于多尺度阈值和密度相结合的谱聚类算法(Spectral Clustering Algorithm Based on The Combination of Multi-Scale Threshold And Density,MSTD-SC),使用基于最短时间距离子序列(Shortest Time Distance-Shortest Time Distance Subsequences,STD-STDSS)的亲和距离函数来构造初始相似度矩阵,进一步引入协方差尺度阈值和空间尺度阈值对相似度矩阵进行0-1化处理,以此得到更精确的样本相似度,接着对相似度矩阵进行特征值分解,得到新的特征向量空间,最后采用DBSCAN聚类避免了K-means算法需要人工确定聚类数目的缺陷.利用轮廓系数评估多种算法得到的实验结果,MSTD-SC算法体现出了更好的聚类性能.将其应用于用户个体的异常检测中,异常用户名单被验证是有效可信的.