基于混沌粒子群优化的神经网络在旋转机械故障诊断中的应用

基于混沌粒子群优化算法提出一种根据群体早熟收敛程度和个体适应值来调整惯性权重的自适应混沌粒子群优化算法,算法兼顾全局寻优和局部寻优,能够有效地避免早熟收敛.使用自适应混沌粒子群优化算法训练神经网络并建立旋转机械故障诊断模型,实验结果表明,与粒子群优化算法、遗传算法训练神经网络相比,基于自适应混沌粒子群优化算法的神经网络能够有效改善神经网络的训练效率,提高故障模式识别的准确率.     

堆叠稀疏降噪自编码的脑电信号识别

该文以深度学习中的自动编码机为基础,对原始输入向量加入噪声处理,隐含层加入稀疏限制,再将单一的网络结构堆叠成深层神经网络,提出改进算法——堆叠稀疏降噪自动编码机。通过在两个不同数据集（实验室采集数据集和2005年BCI竞赛数据集IVa）进行对比实验,结果表明该算法在运动想象脑电信号的特征提取上具有更强的学习能力和鲁棒性。     

一种空间相关的Nakagami-m衰落下MIMO-OFDM系统误码率计算方法

为了获得Nakagami相关衰落下各参数对MIMO系统误码率的影响,首先给出了一种新的MI-MO-OFDM系统模型.接着对空间相关的基于STBC编码的MIMO-OFDM系统在Nakagami-m平坦衰落下的信道误码率进行了研究,给出了一种误码率的表达式,分析了空间相关性和分布参数对系统的误码率的影响.最后给出空间相关条件下的STBC的误码率性能仿真,以验证理论分析的有效性.结果表明,在Rayleigh和Rice分布都不足以描述信道特性的情况下,采用Nakagami分布比较吻合实际测量的数据,信道衰落基于Nakagami-m分布的STBC编码能很好的满足MIMO-OFDM系统的差错性能要求.     

J2EE应用服务器的企业级应用体系结构研究与实例评测

应用服务器向企业级用户提供了设计、开发、部署、运行和管理一个Internet企业应用系统的平台。本文对J2EE应用服务器在企业级应用中的体系结构进行了研完，并给出测试用例，对典型应用服务器的功能和性能等方面进行了现场实例综合评测，对评测结果进行了分析和说明。     

基于多智能体粒子群优化的移动机器人动态路径规划

为了确保机器人在动态环境下无碰撞地到达目标位置,将多Agent粒子群优化算法（multi-agent particle swarm optimization, MAPSO）引入到粒子滤波（particle filter, PF）中,提出一种基于多Agent粒子群优化粒子滤波算法（multi-agent particle swarm optimized particle filter, MAPSOPF）的路径规划方法。通过多Agent系统的竞争、协作机制,调整MAPSOPF中粒子的提议分布,更新预估粒子的位置。与PSOPF算法相比较,该算法的迭代步数减少了50%~60%,计算时间复杂度降低了5%~50%。与改进的遗传算法相比较,MAPSOPF算法的计算时间复杂度降低了95%。三种算法中,MAPSOPF可近似得到最短的路径。实验结果表明该算法可有效应用于移动机器人动态路径规划。     

能量均衡的无线传感器网络非均匀分簇路由协议?

提出了一种能量高效均衡、非均匀分簇和簇间多跳路由有机结合的无线传感器网络分布式分簇路由协议DEBUC(distributed energy-balanced unequal clustering routing protocol).该协议采用基于时间的簇头竞争算法,广播时间取决于候选簇头的剩余能量和其邻居节点的剩余能量.同时,通过控制不同位置候选簇头的竞争范围,使得距离基站较近的簇的几何尺寸较小.这样,网络中不同位置节点之间的簇内和簇间通信能耗得以互相补偿.DEBUC 采用簇间多跳路由,根据节点剩余能量、簇内通信代价和簇间通信代价,每个簇头在邻居簇头集合中运用贪婪算法选择其中继节点.仿真实验结果表明,DEBUC能够有效地节约单个节点能量、均衡网络能耗、延长网络生存周期.     

基于PSO的无线传感器网络节能分簇协议

针对如何最优化组簇、降低簇内节点能耗的同时均衡整个网络能耗的问题,提出一种基于PSO的紧凑且具有能量感知和基站距离感知能力的集中式网络分簇协议,粒子适应值函数基于簇头和簇内节点的欧氏距离、簇头节点能量、簇头与基站距离这3个因素定义。仿真结果表明,该协议能有效降低节点死亡速度,延长网络生存周期。     

多模型分层融合的配用电系统用户数据识别

针对配用电系统用户数据识别中特征选择困难和单模型分类精度不高的问题,本文提出多模型分层融合的识别方法.首先,设计多尺度联结的递归差分卷积网络对用户数据进行特征提取,使浅层融合的有效信息不会随着层数的增长而消失;其次,改进自适应学习率优化算法训练模型,增加模型分类性能;最后对6种基模型分层加权融合,以阈值划分层级,新定义...     

冲激辐射天线实现皮秒脉冲电场在人体大脑模型中聚焦的研究

采用三维电磁场仿真软件CST Microwave Studio建立长椭球型天线模型和介质透镜模型,研究皮秒脉冲经冲激脉冲辐射天线发射后在人体大脑模型中的聚焦特性。结果表明,传播至大脑组织深度6 cm处的电场能够保持输入波形的时域特性;皮秒脉冲能够进入大脑组织深度8 cm处,且此时形成的焦斑尺寸最小;不包含介质透镜和包含非损耗介质透镜时,形成的焦斑尺寸为1 cm×2 cm×1 cm,而引入损耗介质透镜后,形成的焦斑尺寸小于1 cm×1 cm×1 cm。研究结果从理论上证明了联合损耗介质透镜和单个冲激脉冲辐射天线能够实现皮秒脉冲在深部脑组织中的有效聚焦。     

铁水硅含量的混沌粒子群支持向量机预报方法

提出一种基于混沌粒子群优化(CPSO)的支持向量回归机(SVR)参数优化算法, 并使用该算法建立高炉铁水硅含量预测模型(CPSO–SVR), 对某大型钢铁厂高炉铁水硅含量的实际采集数据进行预测, 结果表明基于混沌粒子群优化算法寻优的参数建立的铁水硅含量支持向量回归预测模型具有良好的预测效果. 与最小二乘支持向量回归机(LS–SVR)、使用粒子群优化算法训练的神经网络(PSO–NN)进行比较, CPSO–SVR模型对铁水硅含量进行预测时预测绝对误差小于0.03的样本数占总测试样本数的百分比达到90%以上, 预测效果明显优于PSO–NN, 且比LS–SVR稳定性更强, 可用于高炉铁水硅含量的实际预测, 表明混沌粒子群优化算法是选取SVR参数的有效方法.