基于免疫优化多输出最小二乘支持向量机及其应用*

传统的支持向量机是一种两类问题的判别方法, 不能直接应用于多类分类问题。为了解决这个问题,提出了一种免疫优化多输出最小二乘支持向量机方法。该方法利用免疫算法来优化最小二乘支持向量机的参数。将该方法应用于污水生化处理过程建模及语音情感识别,仿真结果表明,该方法具有更高的精度。     

基于免疫优化PID神经网络的污水处理系统解耦控制*

针对氨氮浓度和硝态氮浓度之间相互耦合,以及常规的PID控制方法难以获得满意控制效果的特点,以溶解氧浓度和内循环流量为操作变量,采用PID神经网络对氨氮浓度和硝态氮浓度进行解耦控制;针对PID神经网络连接权值容易陷入局部最优值,应用免疫算法优化PID神经网络连接权值。仿真结果表明,该方法对污水生化处理系统具有很好的解耦能力和控制品质。     

一种基于差分进化和免疫克隆选择算法的混合优化方法

为了提高免疫克隆选择算法的搜索能力,提出了一种基于差分进化和免疫克隆选择算法的混合优化方法。该方法采用差分进化提高免疫克隆选择算法的抗体亲和度,并对该算法的收敛性进行了分析。为了测试该算法的有效性,将该算法应用于函数优化问题中。仿真结果表明,该方法具有更高的收敛速度和收敛精度。     

基于免疫算法的物流配送中心选址

针对物流配送中心选址问题,以物流成本为目标函数,采用免疫算法对配送中心选址进行优化.通过一个中等规模的物流需求点实例,仿真结果表明,该方法能够快速有效地求得物流配送中心选址问题的全局最优解.     

解决多目标优化问题的差分进化算法研究进展

差分进化(differential evolution,DE)是一种简单但功能强大的进化优化算法.由于其优秀的性能,其诞生之日起就吸引了各国研究人员的关注.作为一种基于群体的全局性启发式搜索算法,差分进化算法在科学和工程中有许多成功的应用.本文对解决多目标优化问题的差分进化算法研究进行了综述,对差分进化的基本概念进行了详细的描述,给出了几种解决多目标优化问题的差分进化算法变体,并且给出了差分进化算法解决多目标优化问题的理论分析,最后,给出了差分进化算法解决多目标优化问题的工程应用,并指出了未来具有挑战性的研究领域.     

结合免疫优化和LS-SVRM观测器的非线性系统自适应鲁棒控制

针对一类单输入单输出不确定非线性控制系统提出了一种自适应鲁棒控制算法. 由于最小均方支持向量回归机(LS-SVRM)的最终解可以化为一个具有线性约束的二次规划问题, 不存在局部极小, 所以该算法在不要求假设系统的状态向量是可测的条件下通过设计基于LS-SVRM的观测器来估计系统的状态向量; 同时在算法中假设LS-SVRM的最优逼近参数向量和标称参数向量之差的范数和逼近误差的界限是未知的, 因此可通过对未知界限估计的调节来提高系统的鲁棒性. 考虑到LS-SVRM本身参数对LS-SVRM性能的影响, 本文应用一种新的免疫优化算法对LS-SVRM的参数进行优化, 从而提高LS-SVRM的逼近能力. 理论研究和仿真例子证实了所提方法的可行性和有效性.     

基于免疫粒子群算法的参数估计方法

针对污水生化反应模型参数估计问题,提出一种基于免疫粒子群算法的估计方法。该方法采用免疫算法保持粒子群的多样性,避免粒子群算法的过早收敛而降低寻优能力。利用估计的参数值对实验数据进行拟合,仿真结果表明,拟合误差率低于标准的粒子群和遗传算法,进一步提高了污水生化反应模型参数估计精度。     

图像复原基本适用条件的红外成像实验研究

图像复原是提高图像空间分辨率的经典方,首先建立一般的成像模型,通过对图像复原原理进行分析,得出了利用图像复原提高图像空间分辨率的基本适用条件,通过扫描成像实验结果分析,验证了利用图像复原提高图像空间分辨率的基本适用条件的理论分析的正确性,图像复原提高图像空间分辨率基本适用条件的研究,对于遥感成像系统,可以保证获取的图像质量不下降的同时,大大节省系统研制成本。     

基于改进BP神经网络的页岩吸附量预测模型

页岩吸附是受TOC(总有机碳质量分数)、Ro(镜质体反射率)、T(温度)和p(压力)等多重因素共同作用的复杂过程,常规的等温吸附模型无法对多因素同时作用及随机耦合的页岩吸附情况进行分析。为此,文中总结分析了影响页岩吸附能力的主要影响因素,通过遗传算法和核密度估计法改进了BP神经网络,利用试错法确定隐含层最优节点数为12,从而构建了吸附量预测模型。基于4个岩样、80组吸附实验数据,对BP网络进行训练和检验。其中:75组训练数据的预测相对误差处于±2%,平均相对误差为2.480%;5个检验组的预测相对误差处于±10%,平均相对误差为4.999%,预测值与实际值的相关系数为0.978 9。另外,利用正交试验分析了4个影响因素对吸附量的敏感性,发现其敏感性排序为pTTOCRo。实验结果表明,该模型具有较高预测精度,可用于分析多因素同时作用下的页岩吸附情况。     

超分辨率重构技术用于红外扫描系统的关键

超分辨率重构(SRR)技术是提高遥感图像空间分辨率最有前景的方法,红外遥感成像的空间分辨率相对可见光要低得多,研究采用SRR技术提高红外扫描图像空间分辨率有重要意义。从有效应用SRR技术的条件出发,分析它应用于红外扫描成像系统需要解决的关键问题,对待重构图像错位量估计可通过采用固定错位量的多排传感器,并精确计算其曝光时间来解决;对待重构图像中噪声的去除,提出了基于序列逐像素比较滤波法。通过红外扫描成像实验,提出的方法可以有效解决待重构图像错位量估计不准与噪声对重构的影响。