遗传程序设计算法中选择调整参数的光滑拟合方法

对遗传程序设计(GP)算法中的适应度评价函数光滑拟合问题进行了研究,结合LAM(Linear Association Memory)和HJ(Hook和Jeevs)两种方法,估计GP树数值权值,以减少GP树适应度值评价的计算代价。提出了一种选择调整参数的新方法,同时,给出了一个数学例子,并与广义交叉实验B一样条函数仿真比较验证。     

GP算法中适应度函数的光滑拟合与调整参数方法研究

研究了遗传程序设计(GP)算法中适应度函数的光滑拟合问题,结合LAMs(Linear association memorys)方法和HJ(Hook和Jeevs)方法两种方法,估计GP树数值权值,以减少GP树适应度值评价的计算代价.光滑拟合的好坏关键取决于调整参数的选择.提出了一种选择调整参数的新方法,同时,给出了两个数学例子,并与广义交叉实验B-样条函数仿真比较验证.     

光滑拟合模型的IIPBDR图像修复算法

目的 原始的破损区域分块划分的图像修复(IIPBDR)算法在修复连接两断裂边界线时,采用的是直线路径,这使得IIPBDR算法不适合修复含有较大曲率边界线的破损图像。针对IIPBDR算法所存在的问题,本研究希望找到一种方法能够求得任意两匹配好断裂边界线之间的光滑曲线路径,并用此曲线路径来代替IIPBDR算法中的直线路径,以对IIPBDR算法进行改进。方法 1) 通过模仿人类的视觉连通性原理提出了光滑拟合模型;2) 采用最小二乘法求取光滑拟合模型的各个参数,进而求得两断裂边界线之间的光滑曲线路径;3) 用该光滑曲线路径来代替IIPBDR算法中的直线路径以修复连接两断裂边界线。结果 基于以上研究,文中提出了“光滑拟合模型的IIPBDR图像修复算法”,并对破损区域较大、结构信息较复杂的破损图像进行了修复实验。和BSCB(Bertalmio, Sapiro, Caselles, Ballester)、Criminisi、IIPBDR算法相比,本文算法所修复图像的PSNR值平均提高2.40 dB,且具有较好的视觉连通性效果、其边界线过渡更加自然。结论 本文改进算法在一定程度上克服了IIPBDR算法不适合修复含有较大曲率边界线的破损图像的缺点。     

基于改进遗传算法的SVM参数优化研究

针对传统遗传算法的支持向量机参数选择方法易陷入局部极小点,导致过拟合或欠学习的问题,从而提出一种基于改进遗传算法的支持向量机参数选择方法,该方法在遗传算法初始化群体阶段采用加权深度优先搜索机制,克服了遗传算法局部搜索能力差的缺点,对支持向量机的径向基核参数进行优化,找出了具有较强推广能力的径向基核参数。将该算法用于3个基准数据集的仿真实验,结果表明该方法在保证分类精度前提下,大幅度缩短了训练建模时间,提高了运行效率。     

CAGD中参数曲面的光滑拼接研究

参数曲面作为CAGD中形状数学描述的标准形式一直受到关注,而参数曲面的光滑拼接作为实现复杂客体几何造型的重要手段一直是该领域的一个热点和难点问题.以不同参数域的参数曲面为线索,对常用的矩形域和三角域参数曲面的GC1光滑拼接的条件进行了分析,同时对这些条件在实际应用中的一些问题进行了讨论,最后对曲面光滑拼接中一些令人关注问题进行了展望.     

利用弦长参数插值拟合光滑闭合B样条曲线构造方法

文章针对非均匀采样点拟合光滑B样条曲线构造问题,提出一种基于已知控制点和相邻控制点之间弦长求解控制点方程组系数矩阵来构造光滑B样条曲线的方法。该方法通过控制顶点所在曲线的光顺性提高最终生成曲线的连续性和光滑性。在此基础上,设计了闭合B样条曲线控制点的快速求解算法。首先利用所有控制顶点和相邻点间弦长建立求解系数的参数矩阵,再提出一种基于LU矩阵分解的优化算法。根据方程组系数矩阵的特点,参照追赶法的LU分解,构造了分解后的L、U矩阵结构。最后通过实例说明,采用文中方法所构造的B样条曲线具有较好的光滑性,也证明了该算法的可靠性和有效性。     

遗传优化核极限学习机的数据分类算法

为了提高核极限学习机(KELM)数据分类的精度,提出了一种结合K折交叉验证(K-CV)与遗传算法(GA)的KELM分类器参数优化方法(GA-KELM),将CV训练所得多个模型的平均精度作为GA的适应度评价函数,为KELM的参数优化提供评价标准,用获得GA优化最优参数的KELM算法进行数据分类.利用UCI中数据集进行仿真,实验结果表明:所提方法在整体性能上优于GA结合支持向量机法(GA-SVM)和GA结合反向传播(GA-BP)算法,具有更高的分类精度.     

基于参数优化SVM融合的网络异常检测

网络异常检测技术是入侵检测系统中不可或缺的部分。然而目前的入侵检测系统普遍存在检测率不高,误报率过高等问题,从而难以在实际的企业中大规模采用。针对之前的检测技术检测效果不佳的问题,提出基于SVM回归和改进D-S证据理论的入侵检测方法。该方法是将支持向量机回归的分类融合应用到网络异常行为分析中,在SVM参数选择时采用交叉验证和深度优先搜索算法进行优化选择,并通过融合证据理论,建立网络异常检测模型。通过仿真实验表明,该模型能够有效地提高入侵检测性能,缩短检测时间。     

图像中女性人体参数拟合算法研究

通过二维图像获取人体尺寸时,对于参数拟合存在精度不足的问题,提出对几个重要尺寸分别设计参数拟合算法。在几何模型拟合基础上,结合回归拟合方法用于部分尺寸,充分利用两种方法的优点。在自制数据集上与已有方法实验对比,在精确度和合格率（相对误差在5%以内的比率）方面表现最优,其中胸围和臀围合格率超过97%,腰围超过90%。     

Matlab在化工数据及模型参数拟合中的应用

在化工研究中,经常需要将实验数据拟合为数学模型,以定量描述过程或现象自变量与因变量之间的关系,模型参数的求取,一般采用最小二乘法。本文介绍了Matlab语言中利用最小二乘法以求取模型参数的几种功能函数及使用方法,通过举例对单变量曲线拟合、多变量曲线拟合及微分形式拟合进行了介绍,说明Matlab语言可拟合大部分实验数据,达到节约数据处理的时间,提高模型参数精度的目的。     

基于遗传算法的选煤工艺参数优化

对选煤生产过程优化目标进行了分析,采用以经济效益为目标,建立了优化工艺参数与优化目标间的关系模型,该模型是非线性的。选煤生产过程工艺参数优化就是指在市场需求、资源配置,生产能力等条件下,选择最合适的分选密度和分选灰分,获得最大经济效益。遗传算法利用生物进化机制,在一个较大的初始解空间中,通过优胜劣汰的方法进行优化求解,和其他优化方法相比不仅寻优能力强而且计算速度快。基于遗传算法对选煤生产过程工艺参数进行了优化操作,根据具体情况,采用特定的遗传操作。仿真结果表明,优化后的工艺参数能获得最大的经济效益。     

面向数据发布的隐私保护模型及参数优选方法

为更好地对待发布数据进行隐私保护,构建综合k-匿名、l-多样性和t-闭合方法的匿名化隐私保护模型.利用该模型能够选择最适合的隐私保护方法,并优选对应的隐私保护参数,达到数据提供者所期望的隐私保护效果,满足数据使用者对可用性的要求.实验结果表明,该方法不仅可以找到相对较优的参数值,而且能够有效满足具有不同身份和应用需求的...     

一种求解参数优化问题的引导交叉算子

提出一种应用于参数优化问题的引导交叉算子。该交叉算子利用父代染色体的适应值差异,引导交叉操作产生的子代向适应值高的父代倾斜,以产生高适应值的子代个体。对于连续函数,高适应值个体的邻域内也是高适应值的个体,且在两个个体之间不存在极值时,朝适应值增加的方向可以生成更优的个体。实验表明,对比常用的算术交叉算子,引导交叉算子具有更强的全局、局部搜索能力和更快的搜索速度。     

基于仿真数据的数控铣削加工多目标变参数优化

针对加工过程中切削用量变化较大的复杂零件铣削加工工艺参数优化问题,提出了基于仿真数据的数控铣削加工多目标变参数优化方法．通过引入时段组合的概念,将连续问题转化成离散问题。将变参数优化问题转化成多参数优化问题,建立了相应的数学模型;然后根据优化目标函数以及设计参数的性质,将多参数优化问题分解成若干独立的子问题,以简化问题的求解;同时给出了优化实例。     

DFP优化的数据点渐进迭代拟合方法

DFP方法(由Davidon,Fletcher和Powell 3人共同提出)是求解无约束优化问题的一种经典方法,文中指出数据点的拟合问题可转化为无约束优化问题的求解,并基于DFP优化方法给出了一种大规模数据点拟合方法,称之为DFP渐进迭代拟合方法.文中证明了该方法生成的极限曲线为初始数据点的最小二乘拟合曲线;它承袭了经典最小二乘渐进迭代逼近算法的众多优良性质,如具备直观的几何意义、可灵活地拟合大规模数据点、初始控制顶点的选择不影响最终迭代结果等.数值实例进一步表明,同等条件下,文中方法的收敛速度明显优于现有的几种数据点拟合方法.     

多业务CDMA网络参数优化模型与算法

在考虑覆盖率、软切换率、业务信道拥塞率和功率损耗等网络质量指标的基础上,建立多业务CDMA网络参数优化问题的数学模型.通过分析模型的特点,设计了一种基于约束优化遗传算法(COGA)的求解方法,并给出了算法实现的各种关键技术.对一个实际算例进行实验研究,仿真结果表明算法能够有效地配置各种网络参数,网络性能得到提升,优于实际DT(driver test)的优化效果,从而表明所建模型和算法能够为多业务CDMA网络参数优化问题提供快速的解决方案,有效地指导实际的网络管理工作.     

一种基于数据的核参数优化方法

SVM是一种基于核的学习方法,核及相关参数的选择对其性能有非常重要的影响,提出了一种数据依赖的最优核参数估计方法,通过角度切割样本集求解训练样本的近似凸包,以确定最优的核参数。实验结果表明,无论数据是否稠密,分布是否均匀,算法都可适用,该方法有较高的可行性与有效性。     

局部敏感哈希图像检索参数优化方法

随着大数据时代的到来,如何及时准确地处理海量的图像、视频等多媒体数据已成为相关领域新的挑战。局部敏感哈希算法在处理高维图像特征数据时表现出了良好的性能,使其成为了近年来的研究热点。针对图像检索算法参数的优化选择问题,提出了一种局部敏感哈希图像检索参数优化方法。首先建立面向图像检索的局部敏感哈希算法的性能优化模型,给出其参数优化所对应的非线性最优化问题的一般形式,并且定义了新的优化目标函数;然后分析图像数据间的距离分布规律,发现了求解上述参数优化问题的快速方法;最后结合数值微分和二分查找提出相应的局部敏感哈希参数优化算法。实验结果表明,该方法可以大幅降低算法的复杂度,提高运行效率,同时保持较高的精确值和召回率的调和均值F_1。     

用于过程数据压缩的自控精度SDT算法

针对过程数据的压缩,提出一种自控精度SDT算法,通过在压缩过程中对参数的动态调整,使误差控制在给定范围内,保证了压缩精度并且获得了更高的压缩比。相比于SDT算法,压缩比提高了60%~75%,实际误差与期望误差的绝对差在10-3数量级。该算法在UWnTek控制工程软件中测试完成并正式使用,具有重要的工程意义。     

覆盖表生成的粒子群算法:参数优化和自适应算法

组合测试是一种能有效检测由参数间相互作用所引发错误的软件测试方法,覆盖表的生成是该研究领域的一个重要问题.目前,很多方法已被应用于覆盖表生成,基于演化搜索的粒子群算法尽管能得到较优的解,但其性能容易受到配置参数的影响.本文首先使用试验设计的方法,对不同覆盖表生成的算法参数进行优化,系统分析了参数对算法性能的影响.同时,考虑到对不同的覆盖表,最优的算法参数往往不同,因此进一步提出了一种适用于覆盖表生成的自适应粒子群算法.实验结果表明,在一定的参数取值范围内粒子群算法都能获得较好的结果,且不存在一组对任意覆盖表都能有最优性能的算法参数.通过参数调优,能使粒子群算法获得比已有结果规模更小的覆盖表,同时,与经过参数调优后的算法相比,自适应粒子群算法在大部分情况下有更好的性能.