基于仿生群智能优化RBF神经网络的机械手滑模控制方法研究

为了提高机械手滑模控制的准确度,采用RBF神经网络来完成机械手滑模控制,并借助群体智能算法中的混合蛙跳算法来实现模型参数的优化。在机械手滑模控制及机械手运动轨迹跟踪过程中,将RBF神经网络权重和阈值作为蛙跳算法的青蛙个体,随机产生的多个权重和阈值组合个体构成蛙群,并对蛙群进行分组,通过不断重新分组和组内迭代的方法来获取全局最优个体,得到最优权重和阈值,确定最优机械手滑模控制模型。经过实验证明,采用基于仿生群智能优化RBF神经网络的机械手滑模控制,跟踪准确度高。     

海量数据冗余干扰下云数据查询的安全索引构建方法

针对云数据查询安全检索结构未能考虑数据的不确定性,在海量数据冗余干扰下无法稳定挖掘数据特征,提出一种专门针对海量数据冗余干扰的云数据查询的安全索引构建方法,其构建规则是以数据可被安全查询为基础,构建了一种新型云数据查询的安全索引结构,通过迭代法消除冗余数据,并从位于中心区域的R树开始顺次索引个体云数据,以便得到比较确切且更加安全的查询或索引结果。实验结果表明:所提方法的云数据索引规模大,数据查询效率与查准率高,具有较好的抗干扰性能,且在索引过程中能够消除大量数据冗余干扰,稳定性较好。