基于MEA-BP神经网络的超声挤压加工表面粗糙度预测

为了有效预测超声挤压加工工件的表面粗糙度,建立以转速,进给速度,振幅,挤压力,挤压次数为输入参数,表面粗糙度为输出结果的预测模型.该模型利用思维进化算法(mind ev-olutionary algorithm,MEA)的全局搜索能力对BP神经网络的权值和阈值进行优化.为了验证该模型的有效性,对45号钢进行超声挤压加工后,使用BP神经网络进行预测,通过引入思维进化算法(MEA)和遗传算法(GA)优化BP神经网络的权值和阈值,并对3种模型的预测精度进行对比分析.结果表明:在相同的实验条件下,MEA-BP模型的预测结果最精准,与BP神经网络相比,该模型精度高,运行速度快.     

快速路截面数据和车牌识别数据融合算法

为了提高快速路交通流检测精度,在对快速路截面数据和车牌识别数据预处理方法研究的基础上,提出了基于遗传算法优化的BP神经网络数据融合算法,并以VISSIM模拟交通流数据为对象,通过MATLAB程序实现该算法的仿真验证,同时与传统BP神经网络融合算法进行对比分析.结果表明,该算法融合的平均相对误差为0.73%,传统BP神经网络融合的平均相对误差为1.55%,融合精度显著提高.     

基于RBF -BP神经网络融合的医学数据分类研究

为改善传统的反向传播(BP)神经网络和径向基函数(RBF)神经网络的学习能力和分类性能的不足,提出一种融合RBF网络与BP网络的混合神经网络算法(HRBF -BP),并将其应用到医学数据分类问题中.在网络结构的实现上,将RBF隐藏层与BP隐藏层进行级联融合,即在连接BP网络输入层与隐藏层之间加入RBF核映射层; 在学习算法的实现上,先采用k-均值聚类算法来实现RBF核参数的估计,然后再使用基于随机梯度下降的BP算法实现级联BP网络的权值优化.将该算法与SGBP、KMRB、PFRBF等算法在不同的医学数据集上进行分类实验对比表明,该方法的网络训练精度以及测试精度均优于SGBP、KMRB、PFRBF算法; 因此,该方法对提高BP网络和RBF网络的学习能力和分类性能具有良好的参考价值.     

改进果蝇算法优化BP神经网络预测汽油辛烷值

针对BP神经网络存在预测精度不佳、预测结果不稳定的问题,提出改进果蝇算法优化BP神经网络(back propagation neural network)预测模型。将混沌映射、判别因子与变步长机制引入果蝇优化算法(fruit fly optimization algorithm, FOA)中,得到改进后的自适应混沌果蝇优化算法(fruit fly optimization algorithm with chaos and discriminant factors, CDFOA),并利用测试函数对算法进行性能验证。利用CDFOA优化BP神经网络的初始权值与阈值,构建基于CDFOA优化BP神经网络对于汽油辛烷值的预测模型CDFOA-BP。将采集到的60组汽油数据输入预测模型进行测试分析。预测结果表明,与FOA-BP模型、PSO-BP模型、SSA-BP模型和BP神经网络模型相比,CDFOA-BP模型在预测精度与预测稳定性上均优于其他4种模型,验证该模型的有效性与可行性。     

致密储层动态渗透率预测模型

为准确描述致密油藏开发过程中渗透率的动态变化规律.本文首先分析总结致密储层渗透率的3个主要影响——有效应力、温度和含水饱和度,并建立了以有效应力、温度和含水饱和度为输入层,渗透率为输出层,人工蜂群算法优化的BP神经网络渗透率预测模型.利用不同条件下的渗透率数据建立仿真数据样本进行训练,训练结果的最大绝对误差为0.063 47×10-3μm2,最大相对误差为4.382%,平均相对误差1.069%.说明人工蜂群算法优化BP神经网络模型很好的描述致密储层渗透率和各个影响因素之间的内在规律.常规BP神经网络渗透率模型训练结果平均相对误差达10.699%.说明较之常规BP神经网络,改进的BP神经网络预测精度及稳定性均有较大提升.综上,人工蜂群算法优化的BP神经网络模型能较好应用于低渗致密储层渗透率预测.     

一种新的温度传感器湿度补偿方法

针对温度传感器测量中易受湿度影响的问题,通过对思维进化算法(Mind Evolutionary Algorithm,MEA)中的趋同操作、异化操作及收敛条件进行研究改进,对趋同操作中的散布权值进行自适应调整,在异化操作中引入差分进化算法的变异操作,并考虑收敛条件中搜索平面平缓的情况,提出了基于改进思维进化算法的BP神经网络湿度补偿方法.由湿度影响检定实验得到的样本数据,利用此补偿方法建立湿度补偿模型,将补偿结果与未经优化的BP神经网络模型的结果进行比较研究.结果表明,基于改进思维进化算法的BP神经网络模型补偿精度较高,收敛速度快,计算量小,可有效提高温度传感器的测量精度和可靠性,便于实际应用.     

基于微粒群算法的神经网络储层物性参数预测

建立了一个具有自适应、复杂非线性储层预测模型,在计算方法上,由于多层前向型神经网络BP算法存在易陷入局部最优的缺点,而微粒群算法具有较强鲁棒性和全局收敛的优点.结合二者长处,利用基于微粒群算法的神经网络计算方法,对神经网络结构进行了改进.利用四川洛带地区气田的测井资料,用所设计的算法对储层的物性参数(孔隙度、渗透率)进行预测,并对其预测精度与用常规基于BP算法和基于LMBP算法得到的预测结果进行了比较分析,发现地质效果明显,有效地克服了基于BP算法和基于LMBP算法的缺点.     

神经网络在GPS高程拟合中的应用

讨论利用遗传算法(GA)、粒子群算法(PSO)来优化BP神经网络权值和阈值的原理;结合平坦地区的工程实例,研究二次曲面、BP、GA-BP与PSO-BP 4种拟合模型在GPS高程拟合中的应用.拟合结果表明:PSO算法优化BP神经网络精度效果优于GA算法优化BP神经网络精度,拟合误差更小.     

改进哈里斯鹰优化算法与BP神经网络组合的滑坡位移高精度预测模型

开展滑坡位移高精度预测研究对于滑坡灾害的防灾预警具有重要意义。针对哈里斯鹰优化算法(HHO)搜索精度低且会陷入局部最优的问题,对其进行改进并进一步与BP神经网络组合,同时有效兼顾滑坡外部影响因子,发展了一种改进哈里斯鹰优化算法(IHHO)与BP神经网络组合(IHHO-BP)的滑坡位移高精度预测模型。结合我国典型黄土滑坡——甘肃黑方台党川滑坡HF08、HF05和HF09等3个监测点的北斗/GNSS实测数据,验证了IHHO-BP模型在3个实测数据集中的位移预测精度均优于单一BP神经网络模型,以及哈里斯鹰优化算法、麻雀搜索算法(SSA)、粒子群算法(PSO)、遗传算法(GA)与BP神经网络组合的预测模型。结果表明:引入Levy变异、局部增强和随机化Halton序列种群初始化策略的改进哈里斯鹰优化算法,可有效解决哈里斯鹰优化算法搜索精度低且会陷入局部最优的问题; IHHO-BP模型具有更好的泛化能力,可有效提升滑坡位移的预测精度,该组合预测模型具有更好的推广应用价值。     

基于GA-PSO-BP 的大坝变形监测模型

提出了一种基于GA-PSO 混合优化BP 神经网络的大坝变形监测模型, 将遗传算法(GA)和粒子群算法(PSO)的寻优过程进行融合, 利用GA 算法的全局性和PSO 算法收敛速度快的特点,通过迭代选取最优的粒子作为BP神经网络的连接权值和阈值,以减小网络输出误差, 提高其收敛速度和加强网络泛化能力。运用GA-PSO-BP 模型对大坝自动监测数据进行预测分析, 实验结果表明GA-PSO-BP 模型优化了BP 神经网络的连接权值和阈值, 能有效提高网络训练精度与收敛速度, 有效避免早熟收敛, 使模型的整体预测效果得到提高。     

基于HITS与MASEL算法的融合算法

HITS算法和MASEL算法分别实现针对用户的查询进行WEB结构挖掘和WEB使用挖掘，从而提供给用户查询所得信息。为了针对用户的某一查询搜索出更符合用户需求的信息，提出了一种新的挖掘算法．该算法是对HITS算法和MASEL算法的融合应用和改进，可以解决在HITS算法中所产生的主题偏移问题以及MASEL算法中不能很好的查找出中枢网页和权威网页的问题。模拟实验结果表明：针对某一查询，基于HITS和MASEL算法的融合算法具有更高的准确率，查询的结果路径更接近用户的经验兴趣路径。     

基于HITS与MASEL算法的融合算法

HITS算法和MASEL算法分别实现针对用户的查询进行WEB结构挖掘和WEB使用挖掘,从而提供给用户查询所得信息.为了针对用户的某一查询搜索出更符合用户需求的信息,提出了一种新的挖掘算法.该算法是对HITS算法和MASEL算法的融合应用和改进,可以解决在HITS算法中所产生的主题偏移问题以及MASEL算法中不能很好的查找出中枢网页和权威网页的问题.模拟实验结果表明:针对某一查询,基于HITS和MASEL算法的融合算法具有更高的准确率,查询的结果路径更接近用户的经验兴趣路径.     

基于免疫算法的球形译码算法研究

在多输入多输出(MIMO)系统的信号检测算法中,球形译码算法的性能最接近最大似然检测算法,是目前应用最为广泛的一种信号检测方法,但传统的球形译码算法在低信噪比时计算复杂度较高,在高信噪比时误码率性能不够理想.该文提出了一种改进的球形译码方法,利用免疫算法的寻优能力来获得最佳的初始搜索半径,从而达到在保证译码性能的同时有效地降低计算复杂度的目的.实验仿真结果表明,与传统的球形译码算法相比,基于免疫算法的球形译码方法在高信噪比下可以达到最大似然译码的性能,同时能有效降低低信噪比时的运算复杂度,从而更符合现代无线通信实时性的要求.     

基于自适应遗传的E-CID定位算法研究

针对LTE系统NLOS（非视距）环境下基于传统遗传的E-CID（增强小区识别）定位算法过早收敛于某局部最优解而非全局最优,文章提出了一种改进的自适应遗传E-CID定位算法,该算法通过对LTE终端位置数据进行加权最小二乘估算,利用遗传算法进行非线性最优解全局搜索,自适应的改变交叉及变异概率,避免了传统遗传算法过早收敛于局部最优解缺点。仿真结果表明：自适应遗传法比传统遗传算法优势更明显,定位精度更准确。     

CONWIP环境下流水型生产系统排序启发式算法

研究了流水型CONWIP生产系统中的加工次序问题,提出了流水型CONWIP生产系统的排序算法(CFA),依此得到产品的较优加工次序.     

CONWIP环境下流水型生产系统排序启发式算法

研究了流水型CONWIP生产系统中的加工次序问题，提出了流水型CONWIP生产系统的排序算法（CFA），依此得到产品的较优加工次序．     

基于遗传算法的无干涉刀位轨迹计算

无干涉刀位轨迹的生成是复杂曲面数控加工编程中的核心问题.以最小有向距离原理为基础，通过对遗传算法进行改进，采用实数编码，引入局部最优徘徊策略和小生境遗传算法思想，充分发挥其全局寻优的特点，获得无干涉刀位轨迹.将其与局部寻优算法得到的刀位轨迹进行比较，可以确定加工中的欠切区域和欠切削量.该方法不仅可以在数控加工中生成无干涉刀位轨迹，而且可以为后续补充加工提供编程数据，在复杂螺杆数控加工的自动编程系统中应用，稳定可靠，收敛性好，计算效率较高.     

一种基于K-means的分布式聚类算法

为解决现有的分布式聚类算法效率低下和不能保护数据隐私的问题,在K-Dmeans算法的基础上,提出一种新的分布式聚类算法.该算法利用数据对象间的密度函数值来优化站点初始聚类中心,从而大大降低了聚类的迭代次数;同时各从站点只需向主站点传送其聚簇的特征信息,有效降低分布式聚类过程中的通信量,保护了各个站点的独立性,实验结果表...     

一种改进SPIHT算法的图像压缩算法

一种改进的SPIHT算法在原算法的基础上,以图像的平均值为临界点进行分解,形成分裂图像分别进行压缩,并利用小波分解的特点及人眼的视觉特性,对分解的低频子带的重要系数做特殊的处理。经仿真实验证明,改进SPIHT算法在相同的情况下得到重构图像的PSNR值高于原算法,压缩的整体性优于原SPIHT算法。     

二叉树生成算法的智能实现算法

二叉树是计算机科学中最基本也是最重要的树型结构,最常见的二叉树生成算法通常是使用递归或者其他描述类语言的方法来实现,在实际使用时不容易理解同时实现过程较烦琐。另外,某些方法只能建立一棵完全二叉树,满足不了算法实用性的要求。文章根据二叉树结点自身有顺序的性质,使用指针向量存储结点的地址,论述了一种生成一棵任意形状二叉树的思想,并用类C语言描述其智能实现算法。该算法满足了实用性和灵活性的要求,在理论教学和实践操作中具有较高的应用价值。