基于SOFM神经网络的蛋白质结构类预测

蛋白质结构类预测是蛋白质空间结构和功能预测的基础。本文首先将氨基酸对相互作用形成的序列经过数字信号处理后得到能量谱密度的20个低频部分和6种疏水模式在序列中出现的频率整合,构成26维分类特征,然后采用自组织特征映射神经网络对蛋白质结构类进行预测。实验结果表明,与Component Coupled算法、ANN算法、粗集方法相比较,本文算法具有较高的预测精度。     

一种改进的基于IOWA算子的组合预测方法及应用

按误差平方和准则建立的基于IOWA算子的组合预测模型并不能正确反映出各个时期观测点所引起误差对预测值的影响程度,在实际预测时预测期数据是未知的,无法直接利用该方法进行预测.针对以上缺陷,提出以单项预测模型中精度较高者的预测值为标准,计算其余模型的预测值与其偏差,再按各个时期各单项偏差绝对值和的平均值大小赋予权系数,建立按照加权误差平方和准则新的预测模型,并利用遗传算法求解最优权系数.通过实例验证,改进后的组合预测方法优于原来的基于IOWA算子的组合预测方法,有效地提高了预测精度.     

基于改进神经网络和IOWA算子的风速组合预测

为了对风速进行准确的预测,本文提出一种计算智能改进神经网络和IOWA算子的组合预测方法。实验表明,与单项预测模型相比,该算法有更高的预测精度。     

基于SFLA聚类的选择性ELM集成算法

本文提出一种基于SFLA聚类的选择性ELM集成方法。实验结果表明,与集成RBF神经网络模型相比,采用本文方法对模拟电路进行在线故障诊断具有较高的准确性。     

合金元素对Ti-Mo合金的相结构和力学性能的影响

采用真空电弧熔炼工艺制备了含Fe、Nb、Al和Sn的Ti-12 Mo合金铸锭,并对其进行了950℃保温30 min炉冷和水冷的热处理.研究了化学成分和热处理对Ti-12 Mo合金相结构和力学性能的影响.结果表明:Ti-12 Mo合金中加入Al、Sn元素能起稳定α相的作用,加入Fe元素能起稳定β相的作用,加入Sn元素则阻...     

基于猫群聚类算法的二叉树SVM蛋白质结构类预测

针对传统的基于二叉树SVM分类模型存在不可区分域和误差积累的缺陷,本文提出了一种基于猫群聚类算法的二叉树SVM分类方法,利用猫群聚类算法在各个节点自适应构造二叉树结构。以蛋白质序列的氨基酸相互作用和疏水模式为分类特征,采用本文算法对蛋白质结构类进行预测,实验结果表明,与其他算法相比较,本文算法具有较高的预测精度。     

煤炭企业级电力云构建及电网规划应用实现

将“云计算”和SOA软件构架引入煤炭企业级电力系统,构建煤炭企业级电力云计算平台,最大限度地整合当前系统的数据资源和处理器资源,极大提高煤矿电网数据的处理和交互能力,进而为煤炭企业智能电网建设提供有效的技术支持。在该平台的基础上,以煤矿电网规划应用服务为例,阐述了整个服务的实现过程,为“云计算”应用服务落地提供了新的解决思路。     

基于BFO聚类算法的T-S模糊模型辨识

针对非线性系统的辨识问题,本文提出一种基于BFO聚类算法的T-S模糊模型辨识方法。首先通过BFO聚类算法自动地从已知的输入输出数据中确定模糊模型的结构和前件参数,然后用BFO算法估计模糊模型的后件参数。仿真结果表明,该方法辨识精度高,得到的模糊模型简单、模糊规则少,很好地解决了现有算法复杂、输入空间难以划分或者带来的高维问题等,因而具有很好的实用性和有效性。     

基于环境特性网的负荷组合预测

在分析煤矿井下电力负荷特性的基础上选取单项预测模型,提出一种基于组合系数诱导IOWA算子的组合预测方法。该方法应用Dempster合成法则筛选精度较优的单项模型预测值替代历史数据,克服实际预测期数据未知的缺陷;基于发展相关性指标和精度指标构造递阶层次结构,运用熵权法求取两项模型评价指标的组合权重,求出组合系数;在预测过程中引入等维信息概念,使预测结果能够更合理地反映负荷发展规律。预测结果表明,基于组合系数诱导IOWA算子的模型适用于预测井下负荷,并能提高预测精度。     

基于自适应选择ELM集成的情感识别

为了克服采用基于Boosting算法和Bagging算法生成的个体网络时难以满足误差独立条件的问题,本文提出一种基于局部分类精度估计的自适应ELM集成的方法,即通过估计各个体ELM在未知样本邻域内的分类精度,选择具有最大局部分类精度的个体ELM输出作为分类结果。实验表明,采用本文方法进行情感识别可以获得较好的效果。