基于PSO-LSSVM的振弦传感器温度补偿

针对振弦传感器测量精度受环境温度影响的问题,本文提出基于粒子群-最小二乘支持向量机的温度补偿方法。采用泛化能力好、收敛速度快、全局最优的最小二乘支持向量机,并引入粒子群算法对最小二乘支持向量机的两个参数进行优化,建立预测模型,进行温度补偿。实验表明:与BP神经网络算法相比,该方法提高了传感器的精度。     

改进粒子群算法优化最小二乘支持向量机的网络流量混沌预测

为了提高网络流量的预测准确性,针对最小二乘支持向量机参数优化方法的缺陷,提出一种改进粒子群算法优化最小二乘支持向量机的网络流量混沌预测模型。首先将最小二乘支持向量机参数作为粒子初始位置,然后通过粒子群之间信息交流、互相协作找到最优参数,并对惯性权重和学习因子进行改进,最后对网络流量数据进行重构,并采用最优参数的最小二乘支持向量机建立网络流量预测模型。实验结果表明,本文模型提高了网络流量的预测精度,并大幅度减少了训练时间,可以满足网络流量在线预测要求。     

光纤光栅电压传感器非线性校正研究

针对传统的光纤光栅电压传感器非线性校正算法具 有运行速度慢,拟合精度不高的缺陷。在研究了大量国内外文献过后,本文为了解决一些传 统非线性校正方法在光栅光纤传感器校正中的不足,在此提出了一种基于蚁群算法优化的分 段支持向量机回归的 校正算法。由于传统的蚁群算法在信号处理中搜索速度不理想,最小二乘支持向量机回归算 法精度不高,所以此算法是结合了蚁群 算法搜索最小二乘支持向量机回归最佳参数原理的基础上将样本空间按照数据分布情况进行 分段回归,以此减少算法运行时间。首 先通过蚁群算法优化各个支持向量机参数,然后通过分段回归得到传感器完整的特性,曲线 拟合精度为99.97%。此算法克服了传统 支持向量机回归算法中局部最优解的问题,具有较好的全局收敛效果。     

基于人工鱼群算法和LS_SVM的变压器故障诊断

针对变压器故障数据的特征信息不确定性以及传统诊断方法准确率较低的问题,文中采用人工鱼群算法和最小二乘支持向量机相结合的方法来进行变压器故障诊断。将IECTC10数据库中的DGA特征气体比值作为输入,建立基于最小二乘支持向量机的变压器故障诊断模型,并运用人工鱼群算法对最小二乘支持向量机的参数进行优化选取。然后根据诊断结果,选出分类效果最佳的多比值特征参量组合。实验验证结果显示,文中所提出的诊断方法准确率可达96.67%,拥有更高的故障诊断正确率。     

基于多特征和最小二乘支持向量机相融合的行人检测模型

为了提高行人检测正确率,提出一种基于多特征融合和最小二乘支持向量机的行人检测模型。首先提取行人的相位一致性特征和梯度直方图特征,然后采用粒子群算法选择最优特征子集,最后将最优行人检测特征子集输入到最小二乘支持向量机对学习和分类,并采用对模型性能采用仿真实验进行测试。结果表明,相对于其它行人检测模型,本文模型不仅提高了行人检测率、降低了虚警率,而且加快行人检测效率,具有较强的鲁棒性。     

LSSVM在酒类近红外光谱检测中的应用

介绍了最小二乘支持向量机及光谱检测的基本理论,利用最小二乘支持向量机建立了光谱校正模型,对各种白酒进行了实验模拟,测量其酒精度的数值。得到的结果显示最小二乘支持向量机算法比其它算法,如主成份分析、偏最小二乘法等方法的精度更高。     

一种在线向量机增强学习算法

为了在智能学习和改变规则的情况下,在线最小二乘法支持向量机可以高效地估计值函数,采用了一种基于最小二乘支持向量机的新算法,通过汽车过山地实例证明了在线最小二乘法支持向量机的优越性,验证了该方法的可行性和有效性,利用最小二乘支持向量机通过一系列线性方程求解,使得在线应用成为可能.     

基于WA-ABC-LSSVM的电气故障诊断

为了改善当前电气故障诊断的效果,提出一种基于小波消噪和人工蜂群优化最小二乘支持向量机的电气故障诊断方法(WA-ABC-LSSVM)。首先收集电气状态信息,并采用小波变换对其进行去噪处理,消除噪声的干扰,然后提取电气状态中的特征,并且进行归一化处理,最后采用训练样本对最小二乘支持向量机进行训练,采用人工蜂群算法优化最小二乘支持向量机参数,建立电气故障诊断分类器。仿真实验结果表明,本文方法可以较好描述电气系统的工作状态,诊断性能要明显优于其它的电气故障诊断方法。     

基于支持向量机回归的模型辨识

提出了一种简化的基于遗忘因子矩形窗算法的最小二乘支持向量机回归算法。其针对标准支持向量机存在的缺陷,引入最小二乘、矩形窗以及遗忘因子等思想对其进行改进,最后通过仿真验证了该方法的有效性。     

曲波变换和最小二乘支持向量机的图像压缩算法

为了提高图像压缩质量,针对传统压缩算法的不足,提出一种曲波变换和最小二乘支持向量机相融合的图像压缩算法。首先采用曲波变换把图像分解为不同尺度和不同方向的曲波系数,并采用熵编码对粗尺度层曲波系数进行压缩,然后利用最小二乘支持向量机对细尺度层中不同方向的曲波系数进行学习,并通过和声搜索算法优化最小二乘支持向量机,实现细尺度层曲波数的压缩,最后采用图像压缩仿真实验测试其性能。结果表明,曲波变换和最小二乘支持向量机相融合的图像压缩算法提高了图像压缩的峰值信噪比,加快了图像压缩的速度,获得了更好的图像压缩效果。     

改进的遗传算法在(N+M)容错系统优化中的应用

根据(N M)容错控制系统模型高度非线性和复杂性的特点，尝试用一种改进的遗传算法来实现对此类复杂模型的优化求解。模拟退火和分层遗传算法是2种较好的改进遗传算法性能的方法，通过对其进行研究，将这两种思想有机地结合起来，提出了一种基于模拟退火机制的分层遗传算法。该算法以分层遗传算法流程作为主体流程，把模拟退火机制融入其中，用以调整优化群体。并将他应用于(N M)容错系统的数学模型的优化。仿真结果表明，该算法与传统遗传算法相比，不仅能增强算法的全局收敛性，还能加快遗传进化速度，得到满意的全局最优解。     

A Sensor Network Cross-Layer Power Control Algorithm that Incorporates Multiple-Access Interference

This paper presents a wireless sensor network (WSN) transmit power control algorithm designed to minimize WSN node energy consumption. The algorithm determines transmit power levels using an optimization that accounts for energy consumed by the physical and link layers of the protocol stack. This cross-layer optimization incorporates a physical layer model that uses knowledge of the WSN medium access control (MAC) layer algorithm to accurately model multiple access interference (MAI). Analytical and simulation results show that accounting for MAI in this fashion results in a significant energy savings relative to comparable WSN power control algorithms.     

Routing Technology in Wireless Sensor Network Based on Ant Colony Optimization Algorithm

With rapid development of wireless communication, sensor, micro power system and electronic technology, the research on wireless sensor network has attracted more and more attention. The work proposed routing algorithm in wireless sensor network based on ant colony optimization by analyzing routing protocol and utilizing advanced idea. Ant colony optimization algorithm has advantages in implementing local work, supporting multiple paths and integrating link quality into pheromone formation. In routing selection, the work calculated probability that node is selected as the next hop according to pheromone concentration on the path. With characteristics including self-organization, dynamic and multipath, ant colony optimization algorithm is suitable for routing in wireless sensor network. With low routing cost, good adaptability and multipath, the algorithm balanced energy consumption to prolong network lifetime. In terms of simulation and experiments, ant colony algorithm was proved to be suitable for finding optimal routing in wireless sensor network, thus achieving design goal of routing algorithm.     

Optimization design of structure invulnerability for air defense multiple sensor network

To improve the invulnerability of air defense multiple sensor network,its topological structure optimization model was established with the constraint of network node’s degree and network connectivity,combined with the total sum of network’s natural connectivity for attack strategy as object function.Then,solving steps of the model were designed based on improve artificial immune algorithm to solve the model.In order to improve the searching efficiency of the algorithm,new steps of immune review and antibody correction were designed to increase the number of effective antibodies in population.Simulation and results prove rationality of the model and feasibility of the modified artificial immune algorithm,optimization based on the index of total natural connectivity for attack strategy can improve the invulnerability of air defense multiple sensor network.     

基于改进PSO的非对称BoucWen模型参数辨识

为了辨识压电陶瓷中的迟滞非线性,该文提出一种改进的粒子群算法(PSO)对非对称BoucWen模型进行参数优化。首先在归一化BoucWen模型中引入非对称因子描述非对称特性,解决该模型只适用于描述对称迟滞的问题。其次通过引入混沌映射、收缩因子和动态学习因子来对传统PSO进行改进,动态改变粒子群的权重和学习因子,有效地提高算法的搜索能力和收敛速度。最后通过改进的PSO对非对称BoucWen模型进行参数辨识。结果表明,改进的粒子群算法能较好地辨识BoucWen模型参数,验证了方法的有效性。     

基于改进离散粒子群算法的传感器优化配置

传感器优化配置是实现航空设备故障预测与健康管理(Prognostics and Health Management,PHM)系统设计的基础和保证.本文首先对系统的故障-传感器相关性矩阵进行了改进,在此基础上根据系统测试性指标要求建立了考虑传感器故障率的约束优化模型,并采用一种改进的离散粒子群算法求解.算法根据传感器优化配置的特点设计了粒子个体适应度计算方法,惯性权重则基于群体早熟程度自适应调整.仿真实例验证了本文方法的有效性,优化结果满足系统各项测试性指标要求,可为航空设备PHM系统的传感器优化配置提供有效指导.     

Neural network optimization for energy-optimal cooperative computing in wireless communication system

Thanks to the rapidly development of optimization algorithm, more energy can be saved in the communication system when executing an application. In recent years, allocating limited resources in a cooperative manner to maximize energy efficiency in emerging sensor networks has attracted a lot of attention. In this paper, a one-layer projection neural network subject to linear equalities and bound constraints is introduced and applied in mobile wireless sensor network to make it energy-efficient by reasonably allocating local and remote data sizes when processing an application within a certain period of time. Firstly, an optimal partition to minimize the total energy consumption of the local and helper sensor nodes is proposed. Then, the neural network model is described and the optimality and convergence of the proposed model are analyzed. Finally, some simulation results are given to show that the proposed algorithm is very effective to solve the energy efficient cooperative computing.     

集中式跟踪融合系统中的自适应传感器分配

建立了传感器管理的一般最优化模型，研究了基于协方差控制策略的传感器分配算法，详细讨论了其分配算法在集中式跟踪融合系统中的具体实现，并给出3种不同的矩阵度量。结果表明，基于协方差控制的传感器分配算法，可依跟踪精度的需求动态地分配传感器以达到对协方差的有效控制，同时节约了传感器资源，因而是一种有效的传感器分配算法。     

用微粒群算法与神经网络实现传感器误差补偿

为减少传感器非线性特性带来的测量系统误差,提出一种采用微粒群算法与BP(Back-propagation)神经网络相结合的方法设计误差补偿环节,将传感器非线性特性改造成为与实际物理过程相一致的不失真的线性特性,从而减小非线性误差。在电感微测仪位移测量系统实验中,采用PSO(Particleswarmoptimization)算法训练后,网络的BP算法收敛速度很快,且精度高,在经过120次学习后,误差平方E<0.001。     

基于遗传粒子群的多传感器目标分配算法

针对空基平台多传感器的特点,分析了多传感器目标分配在空基平台信息融合系统中的重要意义以及当前分配算法存在的问题.提出了考虑目标优先等级和传感器协同能力的传感器目标分配的数学模型.针对目标分配的NP问题,建立了遗传粒子群算法模型,并进行了仿真.仿真结果表明,遗传粒子群算法能有效实现传感器资源对目标的分配,并且具有较高的稳...