A genetic Gaussian process regression model based on memetic algorithm

Gaussian process （GP） has fewer parameters, simple model and output of probabilistic sense, when compared with the methods such as support vector machines. Selection of the hyper-parameters is critical to the performance of Gaussian process model However, the common-used algorithm has the disadvantages of difficult determination of iteration steps, over-dependence of optimization effect on initial values, and easily falling into local optimum. To solve this problem, a method combining the Gaussian process with memetic algorithm was proposed. Based on this method, memetic algorithm was used to search the optimal hyper parameters of Gaussian process regression （GPR） model in the training process and form MA-GPR algorithms, and then the model was used to predict and test the results. When used in the marine long-range precision strike system （LPSS） battle effectiveness evaluation, the proposed MA-GPR model significantly improved the prediction accuracy, compared with the conjugate gradient method and the genetic algorithm optimization process.     

基于分布估计算法的人脸Haar特征选择

通过研究人脸检测算法中Ada Boost算法,针对算法中的haar特征维数过高、训练耗时过长,检测效率过低等问题.提出基于分布估计算法(Estimation of Distribution Algorithm,EDA)的人脸haar特征选择人脸检测.EDA采用类内类间比作为适应度函数,通过统计学习的手段建立解空间内个体分布的概率模型,然后对概率模型随机采样产生新的群体,进行反复计算,实现群体的进化,最终得到全局最优解,以此来实现haar特征选择.实验结果表明:检测率(DR)与误检率(FDR)优于传统算法,而且检测速度得到了提升.     

基于核分布估计的动态多目标优化进化算法

建立了一种近似估计下一环境进化种群和问题的Pareto最优解集的核分布估计方法, 当问题环境发生改变时, 算法利用以前不同环境搜索到的有用解信息对下一环境进化种群及Pareto最优解集进行近似估计, 极大地提高了算法的搜索效率。在对进化算子的合理设计基础上提出了一种核分布估计的动态多目标优化进化算法。通过对4个常用标准测试函数所作的数据仿真实验表明:提出的算法是十分有效的.     

一种支持向量机参数选择的改进分布估计算法

支持向量机(support vector machine,SVM)的学习性能和泛化能力在很大程度上取决于参数的合理设置. 将支持向量机的参数选择问题转化为优化问题,以模型预测均方根误差为评价函数,提出一种引入混沌变异操作的改进分布估计算法(estimation of distributionalgorithm,EDA),并将其用于优化求解ε-支持向量机的参数:惩罚因子、不敏感损失系数以及高斯径向基核函数的宽度. 由于改进EDA利用混沌运动的随机性和遍历性等特点在解空间内进行优化搜索,能够较好解决传统EDA易于陷入局部极小的缺陷. Chebyshev混沌时间序列预测仿真结果表明:改进EDA是选取SVM参数的有效方法.     

Probability density function and estimationfor error of digitized map coordinates in GIS

Traditionally, it is widely accepted that measurement error usually obeys the normal distribution. However, in this paper a new idea is proposed that the error in digitized data which is a major derived data source in GIS does not obey the normal distribution but the p-norm distribution with a determinate parameter. Assuming that the error is random and has the same statistical properties, the probability density function of the normal distribution,Laplace distribution and p-norm distribution are derived based on the arithmetic mean axiom, median axiom and p-median axiom, which means that the normal distribution is only one of these distributions but not the least one.Based on this idea, distribution fitness tests such as Skewness and Kurtosis coefficient test, Pearson chi-square X^2 test and Kolmogorov test for digitized data are conducted. The results show that the error in map digitization obeys the p-norm distribution whose parameter is close to 1.60. A least p-norm estimation and the least square estimation of digitized data are further analyzed, showing that the least p-norm adjustment is better than the least square adjustment for digitized data processing in GIS.     

基于共轭分布的洪水过程动态估值

将洪水过程的实际流量与原始预报流量的比值圮视为随机变量，并选定其概率分布为正态分布，把其中所含参数均值与方差视为随机变量，按贝叶斯法则中的共轭分布法确定均值与方差的先验与后验分布，由后验分布可推得比值R的概率分布函数．将各预报时刻流量实时观测值与原始预报值的比值咒作为抽样，据样本值对均值与方差的后验分布进行滚动更新，进而得到后续各时刻实际流量的概率分布及分位数的动态修正与估值．     

基于共轭分布的洪水过程动态估值

将洪水过程的实际流量与原始预报流量的比值Rt视为随机变量,并选定其概率分布为正态分布,把其中所含参数均值与方差视为随机变量,按贝叶斯法则中的共轭分布法确定均值与方差的先验与后验分布,由后验分布可推得比值Rt的概率分布函数.将各预报时刻流量实时观测值与原始预报值的比值Rt作为抽样,据样本值对均值与方差的后验分布进行滚动更新,进而得到后续各时刻实际流量的概率分布及分位数的动态修正与估值.     

基于高斯过程的大坝变形预测模型

鉴于高斯过程在处理高维数、小样本和非线性等复杂的问题的突出表现,提出基于高斯过程的大坝变形预测新模型.详细分析基于GP的大坝变形预测模型构建过程,并建立预测结果的方差及置信区间的估计方法.将GP模型与多种大坝预测模型进行精度对比,并进行结果可靠性分析.通过实例分析可知,GP模型预测结果的精度指标优于其余方法,并且实测值均在估计的置信区间内.因此,证实GP模型是一种精度及可靠性高的大坝变形预测新方法.     

克隆选择单变量边缘分布算法

张庆彬，吴惕华，刘波针对单变量边缘分布算法（UMDA）求解复杂优化问题的局限性，将人工免疫系统引入分布估计算法（EDAs）领域，提出了一种基于克隆选择原理的单变量边缘分布算法.该算法在进化过程中的每一代执行若干次克隆选择算法（CLONALG），利用克隆选择过程中的高频变异操作提高混合算法的局部搜索能力.通过对2种不同旅行商问题（TSP）的仿真实验表明，与UMDA、CLONALG以及UMDA和2 opt局部搜索算法的混合算法(UMDA2 opt)相比，克隆选择单变量边缘分布算法具有更高的优化性能.     

广义高斯分布随机变量的仿真

具有指定分布的随了列的计算机仿真算法主要有3种,文中概述了3种仿真算法的基础上,使用最近提出的第三种方法,即SDE法,讨论了产生具有指定概率分布的生成,理论和伪真结果表明该算法产生广义高斯随机序列十分简单和有效。     

定数截尾Parato分布的遗传算法估计

Parato分布在经济学、保险损失及可靠性研究等领域有着广泛的应用.遗传算法被用来估计定数截尾情形下Parato分布的模型参数.模拟研究表明遗传算法能有效地改善估计的效率.     

一种基于两点式散射模型的DOA估计算法

基于天线阵列波达方向(DOA)的波束形成算法是智能天线的率,计算量,对噪声的敏感性或者需要空间搜索等方面存在不足,需要加以改进.在分析宏小区散射模型的基础上,将原来的离散分布简化为两点式分布,并分析了简化为两点式分布的依据.在此基础上,利用两点式分布的数学模型,通过构造相应的二阶统计量,较有效地估计出了空间波达方向及其散布角.并且该算法可以得到闭式解,有效地降低了DOA估计的运算量.所利用的统计量对等方差的白噪声不敏感.理论分析表明,只要快拍数足够多或信噪比较高,该闭式解可以得到很高的估计精度.计算机仿真验证了该算法的有效性.     

改善式BVEDA求解多目标调度问题

针对以最小化最大完工时间、最小化最大拖期和最小化总流程时间为目标的置换流水车间调度问题(permutation flow shop scheduling problem, PFSP),基于双变量分布估计法(bi-variable estimation of distribution algorithm, BVEDA)提出改善式双变量分布估计算法(Improved BVEDA, IBVEDA)进行求解。利用BVEDA中双变量概率模型进行区块构建,根据组合概率公式进行区块竞争和区块挖掘,借用高质量的区块组合人造解,提高演化过程中解的质量;针对算法多样性较差的特点,设计在组合人造解的过程中加入派工规则最短处理时间、最长处理时间和最早交货期,将上述方法并行演化,通过top10的权重适度值总和动态调整上述方法处理的解的数量,最后利用帕累托支配筛选和保存非支配解。试验使用C++代码在Taillard标准算例上测试,IBVEDA与SPGAⅡ和BVEDA比较,并绘制解的分布图证实算法的有效性。     

一种新的稀疏重构的DOA估计算法

为提高低信噪比和较少快拍数条件下远场窄带信号波达方向的估计精度,提出一种新的基于加权l₁范数的稀疏重构波达方向的估计算法．该算法首先采用前后向空间平滑技术获得阵列输出数据协方差矩阵;其次构造出改进Capon算法空间谱函数中的倒谱系数矢量,设计得到符合加权l₁范数的权值矩阵;最后通过奇异值分解对接收数据进行降维处理,获得基于稀疏重构的加权l₁ 范数约束问题模型．仿真结果表明,在低信噪比或快拍数较少的情况下,该算法能够有效地抑制空间谱伪峰和保证较强的稳健性,且信源不需要进行相关处理,仍能获得很高的估计精度．     

非线性系统参数估计的投影算法

研究了非线性系统的时变参数估计问题,给出了基于新的估计准则的非线性系统投影算法－梯度投影算法改进形式,证明了算法的收敛性,并讨论了算法的优缺点,最后给出一个仿真算例,验证了所给算法的有效性。     

基于MUSIC算法的矢量水听器阵源方位估计

矢量水听器阵的每个阵元同时测量声场中的声压量和质点振速的3个正交分量,相对于声压水听器阵来说,矢量阵获取声场中更多的信息.利用矢量阵所获得的速度场的信息可去除目标方位估计中的180°模糊.多重信号分类(MUSIC)算法是通过对数据协方差矩阵进行本征分解获得信号空间谱估计的方法.本文采用矢量水听器均匀线阵研究了利用MUSIC算法对声源进行方位估计,以提高对源方位的估计精度.仿真结果表明,在SNR=10dB的条件下,相对于常规波束形成器输出,MUSIC空间谱的主波束宽度锐化了30°左右,旁瓣降低了16dB左右,利用MUSIC算法可提高对源的定向精度及对多目标的分辨能力.     

基于改进遗传算法的配电网故障定位方法

针对传统遗传算法在分布式电源的不同投切情况下需要改变适应度函数和开关函数,导致故障定位稳定性和精度降低的问题,提出了一种基于改进遗传算法的含分布式电源配电网故障定位方法.该算法使用改进变异和交叉算子在提高收敛速度的同时能避免陷入局部最优解;使用改进的适应度函数和开关函数,以更好地适应分布式电源的不同投切情况;引入分级处理思想以加快大规模电网故障定位的计算速度.仿真实验结果表明,该算法能有效地定位含分布式电源配电网的多重故障问题,相比于传统的遗传算法具有更优的稳定性与定位精度.     

基于思维进化算法的工业过程粗糙建模及应用

在工业过程建模中,传统的建模方法依赖数学模型.当实际系统模型难于用解析式精确表达时,智能建模成为研究热点之一.对具有非线性、时变性、不精确性等复杂系统,智能建模弥补了机理建模、辨识建模等方法的不足,能够避开数学表达式模型.模糊建模的隶属函数不容易得到,而粗糙集能直接从数据库中提取规则,不需要任何先验知识.但粗糙集不能处理连续属性,需要将属性离散化.对水泥回转窑控制系统进行建模,首先应用思维进化算法对决策表中的连续属性进行离散化,然后利用粗糙集理论化简决策表,提取最优的决策规则,最后分析决策规则,得出结论,说明该建模方法的可行性,且由此建模方法得到的决策规则覆盖度较高.     

A new analytical algorithm for computing probability distribution of project completion time

An analytical algorithm was presented for the exact computation of the probability distribution of the project completion time in stochastic networks, where the activity durations are mutually independent and continuously distributed random variables. Firstly, stochastic activity networks were modeled as continuous-time Markov process with a single absorbing state by the well-know method of supplementary variables and the time changed from the initial state to absorbing state is equal to the project completion time. Then, the Markov process was regarded as a special case of Markov skeleton process. By taking advantage of the backward equations of Markov skeleton processes, a backward algorithm was proposed to compute the probability distribution of the project completion time. Finally, a numerical example was solved to demonstrate the performance of the proposed methodology. The results show that the proposed algorithm is capable of computing the exact distribution function of the project completion time, and the expectation and variance are obtained.     

改进BP算法在过程神经网络中的应用

过程神经网络是一种基于过程神经元的新型神经网络,其输入及权值皆为时序函数.针对基本BP算法的一些不足,将一种改进BP算法应用于前馈过程神经网络的训练之中,提高了网络的学习效率,扩展了过程神经网络的训练算法理论.在改进BP算法与网络训练的结合过程中,权函数及输入函数皆被用同一正交基函数展开.最后基于改进BP算法将过程神经网络应用于了飞机发动机尾气温度指数的预测当中,验证了算法的有效性,同时也展示了过程神经网络广泛的应用前景.