改进PSO-BP算法在钢筋腐蚀监测中的应用研究

针对混凝土内部钢筋腐蚀程度判别难、精确度低等问题,提出了将改进粒子群算法(PSO)与BP神经网络结合起来,通过对钢筋锈蚀机理及其影响因素的分析,建立了以混凝土内部温度、湿度、pH值、Cl-浓度和腐蚀电位为输入,钢筋腐蚀率为输出的改进PSO-BP监测模型,并将实测输入数据与仿真结果进行了对比。结果表明,改进PSO-BP算法的收敛性与准确性均优于PSO-BP算法和BP算法。     

基于粒子群算法的RBF神经网络零件表面缺陷分类

针对金属工件表面缺陷分类问题,提出一种基于粒子群算法的RBF(Radialbasisfunction)神经网络对金属工件表面缺陷进行分类的方法。本文采用线性递减权重法确定PSO算法中的惯性权重,用于消除PSO算法容易早熟及后期容易在全局最优解附近产生振荡现象。将线性递减权重法改进的粒子群算法运用于RBF神经网络,确定RBF神经网络中权值和阈值的最优解,并对RBF神经网络进行训练从而提高分类精度。对比实验结果表明,改进的RBF神经网络对工件表面缺陷的分类平均准确率可达94%,对比标准RBF神经网络分类和BP神经网络分类准确率有较大提高。     

基于粒子群优化的反向传播神经网络算法在建筑物沉降预测中的应用

神经网络具有结构简单,鲁棒性强,能够逼近任意函数的非线性映射能力,在多个领域得到了广泛应用。但其梯度下降法容易陷入局部最优,训练效率较低。采用粒子群算法(PSO)对BP神经网络进行改进,利用粒子群算法为BP神经网络提供精确的全局搜索能力,提高其训练效率和预测精度。基于建筑物实际沉降观测数据,对BP神经网络和PSO-BP神经网络进行对比分析。结果表明,PSO-BP神经网络的训练效果获得了较大提升,预测精度提升了约61%,预测结果明显优于传统BP神经网络。     

基于PSO-BP算法对古建筑消防安全评价

基于影响古建筑火灾发生的原因,建立了比较合理的消防安全评价指标体系,并构建了以粒子群(PSO)算法优化BP神经网络的评价模型。通过样本的建立,确定了BP神经网络的网络结构,运用粒子群算法去优化BP网络的初始权值和阈值,再把优化之后的权值和阈值赋给BP神经网络,对其进行训练直到误差满足既定要求。为了验证该评估模型的有效性,最后将训练的粒子群优化的BP神经网络模型应用到奉国寺大雄殿的消防安全评价中。结果表明,此模型收敛更快、适应性更强、精度更高。在古建筑消防安全评价中具有较好的应用价值,实现了古建筑消防安全评价的定量分析。     

基于ACA-BP神经网络的挖掘机液压系统故障诊断研究

针对BP神经网络在挖掘机液压系统故障诊断中的问题,提出一种基于ACA-BP算法的挖掘机液压系统故障诊断方法。首先利用蚁群算法对神经网络的初始权值和阈值进行训练,进行BP神经网络模型的训练,建立故障诊断模型。通过挖掘机液压系统故障诊断仿真实例分析,验证了ACA-BP算法在挖掘机液压系统的故障诊断中的有效性。     

改进遗传神经网络的大坝渗流监测模型

在对遗传算法的适应度函数改进并修改选择方法的基础上,用改进的遗传算法优化BP神经网络权值,提出一种改进遗传神经网络的大坝渗流监测模型。结合实例分析表明:预测模型合理,训练精度与检测性能得到提高。     

城市生活需水量预测中智能算法的应用研究

在分析城市用水特点、筛选相关影响因素的基础上建立城市生活需水量预测模型,并研究了模型求解过程中智能算法的应用。采用改进的粒子群优化(PSO)算法对反向传播(BP)神经网络的初始设置进行智能优化,避免了传统BP神经网络模型在训练过程中容易陷入局部极小值的缺点。应用该粒子群优化神经网络(PSO-BP)算法求解需水量预测模型,其实例结果表明,该算法提高了神经网络的训练效率,基于该算法的预测模型具有较理想的可靠性和精度。     

mRMR和PSO算法对神经网络预测模型优化效果

提出利用最大相关和最小冗余(mRMR)算法、粒子群优化(PSO)算法,对BP神经网络预测模型进行优化。对某住宅楼进行供热负荷预测,评价3种神经网络预测模型(BP神经网络预测模型、mRMR-BP神经网络预测模型、PSO-mRMR-BP神经网络预测模型)的预测效果。在3种神经网络预测模型中,BP神经网络预测模型的预测效果最差,PSO-mRMR-BP神经网络预测模型的预测效果最佳。与BP神经网络预测模型相比,经过mRMR算法对输入变量进行筛选以及PSO算法对初始参数进行优化,PSO-mRMR-BP神经网络预测模型的预测效果显著提高。     

全局人工鱼群优化BP神经网络在火灾探测中的应用

针对传统的火灾探测器存在火灾报警准确性低、有延迟等问题,提出了利用全局人工鱼群算法优化BP神经网络的预测算法。该算法以温度、烟雾浓度和CO浓度为BP神经网络的输入,火灾的3个等级作为输出,融合了鱼群算法全局搜索能力强和鲁棒性强的特点。对BP神经网络的初始化权值和阈值进行优化,得到最优人工鱼后,用最优的权值和阈值进行神经网络训练,选取40组数据作为训练组,10组数据作为测试组。从仿真结果看,BP神经网络的训练和预测的误差分别为0.091 4和0.458 4,优化后的分别为0.045 2和0.088 2,且收敛速度变快,迭代次数减小,应用在火灾探测中有更多的优势。     

基于PCA-PSO-BP神经网络的住宅供热逐时负荷预测

为了准确预测供热负荷,提出了一种基于主成分分析法和粒子群优化算法改进的BP神经网络(PCA-PSO-BP)预测模型。首先利用主成分分析法融合影响热负荷的特征指标,消除指标之间的冗余性和相关性;同时采用粒子群算法优化BP神经网络的初始权值和阈值,克服了BP神经网络容易陷入局部最优的缺陷,提高了BP神经网络的预测精度。基于北京某居住建筑供热系统的实际运行数据,对模型的性能进行了验证。仿真结果表明,改进的模型预测精度提高了4.07%。     

遗传算法、模拟退火算法和混合算法在计算机设计中的应用

铁路编组站是铁路枢纽的核心,而阶段计划的自动编制则是新一代编组站综合自动化系统的重要模块。我们要综合运用遗传算法、模拟退火算法和混合算法,确定阶段计划的编制和模型,解决列车的到发线运用、到达列车的解体顺序问题,保证不间断接车,避免作业干扰,核定出发列车的编组时机、取送内容和时机,推动我国编组站总体技术向世界先进水平看齐。     

一种对FAST角点算法加强鲁棒性改进的M-FAST算法

基于快速的FAST算法,提出一种M-FAST角点算法,即首先使用直方图均衡化方法对图像进行增强,提高图像成分的清晰度并消除图像中光照强度的影响,其次用Mallat小波算法对图像进行去噪处理,加强图像的抗噪性,最后再使用FAST进行角点检测。通过实验对比,证明比原FAST算法更具鲁棒性和抗噪性。     

虚拟随机激励法及其应用研究

简述了常用的地震验算方法,通过对虚拟随机激励法的介绍,建立了动力计算模型,并对斜靠式拱桥随机振动进行了分析,指出虚拟激励法求解结构动力响应,概念明确,方法简单。     

数据压缩算法研究

数据及通信业务的扩大给信息传输及网络传输带来极大的压力。为了更快、更有效地存储及传输数据,需要对数据进行压缩。数据压缩不仅节省数据的存储空间,而且能提高传输过程中的安全及效率。文章介绍了常用的几种数据压缩算法,包括香农-范诺编码、哈夫曼编码、游程长度编码和算数编码等。     

Chaotic algorithm for surface estimation

This paper describes the use of mathematical procedures for simulating surface phenomena related to natural environmental features. Surface estimation methods fall into three major classes: deterministic methods, stochastic methods and a third class based on theories of chaos and fractals. This third class of methods is relatively new and therefore not as well developed as the first two classes. One of the major uses for this class of interpolators is in the graphical representation and modeling of natural phenomena.     

一种鲁棒的数字水印算法

数字水印是信息隐藏和版权保护的有效手段。针对一般数字水印算法的视觉性和鲁棒性无法兼顾的问题,对JPEG 2000的图像格式提出了一种自适应的盲水印算法。算法使用m+n位的线性反馈移位寄存器对水印图像进行移位置乱,然后利用JPEG 2000图像的特点,对原始图像进行小波变换处理后选择低频子带进行水印的嵌入,在量化处理的同时完成了水印的嵌入,提高了水印嵌入的速度。根据LSFR的性质,算法对水印进行有效地检测和移位复原,实现了水印的盲提取。实验表明,该算法具有良好的视觉性和抵抗攻击的鲁棒性。     

基于IRR信息的改进ARC算法

缓存是增强计算机整体性能的一项重要技术,缓存替换算法作为核心技术尤为重要。通过深入研究多种数据访问模式下ARC(adaptive replacement cache)算法的性能,总结出ARC算法性能较差的数据访问模式及其原因。针对发现的不足提出了一种改进的缓存替换算法,该算法通过引入IRR(inter reference recency)信息,提高了弱局部性访问模式下的缓存命中率,改善了ARC算法对不同数据访问模式的适应性。仿真实验结果表明,改进后的算法提升了应对弱局部性访问模式的能力,增强了算法的灵活性。     

一种改进的故障定位矩阵算法

针对现有矩阵算法未考虑馈线含故障电流指示器(fault current indicator,FCI)及在处理节点信息漏报情形下,难以处理"T"形等特殊节点和需二次构造矩阵的弊端,提出了利用特殊符号分别标记相应故障信息,并通过对矩阵进行伪初等行变换来消除特殊符号影响的处理策略。结果表明:在关键节点信息缺失时,该策略会适当扩大定位区间;在普通节点信息丢失时,该策略不会影响定位结果;该策略简单、有效,适用于复杂多电源环网开闭环运行方式。     

视盘自动分割算法

针对多数视盘提取算法因不均匀光照导致检测精度不高的问题,提出了1种基于阴影校正的视盘自动分割算法。首先,利用Otsu方法分割视网膜红色分量眼底图像,提取和填充最大连通区域,均值滤波后得到视网膜掩膜图像,并与视网膜红色分量眼底图像卷积;其次,运用特定形式的均值滤波器平滑视网膜图像边界点,创建视网膜阴影图像;最后,将卷积图像减去阴影图像,再次利用Otsu方法进行分割,提取最大连通域并填充,应用"圆盘形"结构元素进行形态学"开"运算提取最终的视盘图像。将所提出的算法在视网膜眼底图像有1 200张的MESSIDOR数据库和40张的本地数据库分别进行验证。实验结果显示,所提出的算法平均重叠率分别为0.895和0.91,高于目前相关视盘分割算法,表明即使在非均匀光照条件下也能获得满意的分割结果,基本能够满足临床应用对稳定性和精度的要求。     

基于规则的句子相似度计算

基于语言规则提出了1种新的相似度计算方法,从关键词相似度、逆序数、关键词距离、相同关键词在问题库问句的关键词中所占比例、相同功能词与问题库问句中功能词的个数比例5个方面分析用户问句,对比该问句(记为Q1)和问题库中的问句(记为Q2),给出最有可能的问句答案作为返回结果;然后设计实验将算法应用于网络聊天机器人"瞎聊",调用"瞎聊"的后台聊天记录进行分析,问句答案对总数为65 534,计算Q1与Q2的相似度,结果表明,39.75%的相似度值位于区间(0.6,0.7),使得该机器人具有较高的相似度计算功能。