基于粒子群优化的BP神经网络图像复原方法

针对BP神经网络易陷入局部最小、收敛速度慢的问题,研究了基于粒子群优化的学习算法,给出了具体的算法方案设计,并将其应用于图像复原。首先用高斯噪声对无噪图像进行模糊处理;然后将结果和原图像组成训练对,用于训练优化后的神经网络;最后利用训练好的神经网络对测试图像进行复原,从而达到去除噪声的目的。仿真结果表明,与BP神经网络相比,PSO-BP算法收敛速度快,迭代次数少,复原的图像在归一化均方误差（NMSE）和峰值信噪比（PSNR）的效果更好。     

云环境下基于SLA的优化资源分配研究

针对云计算环境下如何高效分配资源,实现资源供应者利润最大化这一难题,提出了一种基于服务级别协议（SLA）的动态云资源分配策略。该策略通过将SLA中的计算力、网络带宽、数据存储等属性作为优化参数,构造了一种服务请求与资源的映射模型,同时设计相应的效用函数,并结合改进的与模拟退火算法相融合的混合粒子群算法（SA-PSO）,实现云环境下的优化资源分配。实验分析结果表明,基于SLA参数的SA-PSO算法具有更好的全局最优值,在给定虚拟资源相同情况下,调用该算法完成用户任务实现的利润更高。     

云环境下基于组合双向拍卖的动态资源定价

云环境下的市场交易机制缺乏灵活性,且在某些情况下定价不合理。为此,提出一种基于组合双向拍卖的动态资源定价模型,给出云资源分配与定价算法,用户通过响应时间出价,资源提供商根据负载情况要价。仿真实验结果表明,该算法与固定比例的定价算法相比,能提高18%的用户利益与9%的资源提供商利益。     

云计算环境下基于可信性的动态资源分配策略

在云计算环境下,基于连续双向拍卖(CDA)机制的资源分配模型,给出资源供需双方各自的报价策略以及节点资源的失效规律,提出一种基于CDA机制和节点可信性的动态资源分配策略。Matlab仿真结果表明,该策略能保证动态分配资源的可信性,有效提高动态节点资源的执行效率以及最大限度地满足用户的服务质量需求。     

基于粒子群优化和模拟退火的神经网络优化研究

把模拟退火思想引入到粒子群优化算法中。提出一种关于神经网络结构的优化设计方法,用于同时完成对网络结构空间和权值空间的搜索。算法对神经网络的结构和权值进行优化,删除网络中的冗余结点和权值,提高网络的处理能力。实验结果表明,算法能够有效抑制粒子群优化算法不成熟收敛的发生,有效提高前馈神经网络的收敛精度和收敛速度,表现出良好的性能。     

云计算环境下一种基于双向拍卖的资源分配模型

针对云计算环境下资源的特点以及运用经济机制进行资源分配所具有的灵活性及有效性,提出一种在云计算环境下基于双向拍卖的资源分配模型.首先,给出改进的周期性双向拍卖模型,采用分段拟合的方法来确定买卖双方的满意度函数,并且利用供求比例参数来调节买卖双方各自的满意度在总满意度中的权重.在此基础上,提出了即时和批量两种不同匹配算法来匹配买卖双方的集合,以使买卖双方的满意度最大化.最后,基于遗传算法来寻求云资源优化分配方案.仿真研究表明,该模型是可行和有效的,不仅可以满足更多买方的需求,而且提高了资源利用率.     

一种基于单纯形搜索的粒子群优化算法

为了改善粒子群优化算法的求解性能,提出了一种基于单纯形搜索和粒子群优化的混合算法。该算法一方面自适应地确定惯性权重、认知以及社会参数来达到免参数目的,另一方面利用单纯形搜索来引导部分粒子的搜索方向,从而加速算法收敛。数值实验结果表明,与传统的粒子群算法和其他基于单纯形的粒子群算法相比,提出算法在评估次数、求解精度方面表现良好。     

一种改进的群搜索优化方法

标准的群搜索优化(GSO)方法是一种适用于解决高维函数优化问题的群智能算法,且简单、高效,易于实现.为了进一步提高其收敛速度和精度,对该方法进行了改进.在保留其“发现者-追随者-游荡者”框架的同时,改进的GSO方法将最大下降方向策略引入发现者行为.在每轮迭代中,发现者不但按照自身方向进行搜索,同时也根据最大下降方向进行搜索.分别通过23个基准测试函数对2种优化方法进行测试,结果表明:改进的GSO方法优于标准群搜索方法.     

基于粒子群算法和BP神经网络的桑黄液体发酵实验环境优化

黄酮,是桑黄真菌液体发酵的二级产物,具有重要的医药价值,本文提出了一种结合粒子群算法和BP神经网络的混合智能算法,用于优化桑黄液体发酵的实验环境和提高黄酮产量.本文中的算法基于25组桑黄液体发酵的实验数据,训练BP神经网络模型作为黄酮产量的预测模型,实验中与传统响应面方法中的数学回归模型做了比对试验,预测准确度提高了15%.BP神经网络预测模型作为评价函数结合粒子群算法进行实验环境寻优,通过数据模拟实验,获得了桑黄液体发酵的最佳培养条件,桑黄黄酮的产量由之前的约1532.83 μg/mL提高到约1896.4 μg/mL,产量提高了约23.72%.     

基于粒子群优化BP神经网络的超声波缺陷位置预测

海洋设备的无损检测对于保障设备安全使用至关重要,由于设备所处的海洋环境特殊,要实现对海洋设备缺陷位置的准确估计难度较大.论文提出了一种基于粒子群优化BP神经网络(PSO-BP)预测设备缺陷位置的方法.通过模拟了海洋检测环境,用钢板作为实验对象,用超声波探伤仪对缺陷钢板进行了数据采集,获取了水下钢板的实时数据.通过粒子群算法对BP网络进行优化后对数据进行分析,对比缺陷出现的实际位置和预测位置,证明了粒子群优化的BP神经网络对于超声波检测的缺陷出现位置具有较好的预测效果.     

基于云计算和深度信念网络的数字资源配置

针对当前高校图书馆数字资源配置存在合理性差和效率低等问题,提出一种基于云计算和深度信念网络的图书馆数字资源配置方法.首先采用云计算技术构建图书馆数字资源配置模型;其次采用深度信念网络对图书馆数字资源节点进行特征训练,并对资源进行合理配置;最后与图书馆数字资源配置的其他方法进行实验分析与比较.分析结果表明,所提方法既可提...     

基于 BP 神经网络的云计算入侵检测技术研究

随着网络技术和云服务的广泛应用,云计算环境下强大的计算资源和巨大的存储能力已经变成攻击者的目标。但由于云服务器所具有的一些有别于普通主机的特性,所以不能将已有的入侵检测技术直接应用到云计算中,论文基于云计算的特点设计出面向云计算的入侵检测系统模型,并详细研究分析模块,为解决传统入侵检测算法存在高漏报率和误报率问题,在分析模块中设计出通过改进人工蜂群算法来优化BP神经网络的入侵检测算法,提高了神经网络分类正确率,缩短了样本训练时间。为提高检测效率,论文选用D‐S证据理论来融合BP神经网络的检测结果来提高结果的准确性,通过实验证明算法的高效性。     

优化BP神经网络的可靠性预测模型

为了提供一种更加准确高效的算法，对传统的BP神经网络模型进行优化。首先对初始权植的选取规则，传统的N—W规则算法进行改进，再对其它参数进行优化。在此基础上，将神经网络理论应用于系统可靠预测评价之中，提出了基于此理论的系统可靠预测评价模型、实现方法和优点；评价实例证明此方法的可行性。     

优化BP神经网络的可靠性预测模型

为了提供一种更加准确高效的算法,对传统的BP神经网络模型进行优化。首先对初始权植的选取规则,传统的N-W规则算法进行改进,再对其它参数进行优化。在此基础上,将神经网络理论应用于系统可靠预测评价之中,提出了基于此理论的系统可靠预测评价模型、实现方法和优点;评价实例证明此方法的可行性。     

基于禁忌搜索的模糊神经网络结构优化

本文提出了一种基于禁忌搜索的模糊神经网络自动优化学习方法（fuzzy neural network based on tabusearch,FNNTS）。该方法利用禁忌搜索算法搜索最优的模糊神经网络结构,并结合最小二乘法和梯度下降法对网络参数进行学习,大大减少了对专家知识的依赖。非线性函数逼近的实验结果表明,所提出的方法能获得更精练的网络结构和更小的误差,从而验证了本文方法的有效性和可行性。     

基于优化神经网络的云计算环境下供应链伙伴选择

针对云计算环境下供应链伙伴的动态性,提出一种基于优化神经网络的云计算环境下供应链伙伴选择模型.首先构建计算环境下供应链伙伴评价指标体系,并采用层次分析法计算每一个指标的权值,然后采用神经网络对采集的企业评估训练样本进行学习,并采用遗传算法对神经网络参数进行优化价,建立企业综合评估模型,最后进行了仿真模拟实验.结果表明,本文模型可以准确描述供应链伙伴的动态性,能够对云计算环境下的供应链伙伴进行全面、公正的评价.     

基于轮换策略的异构云资源分配算法

云计算以其按需索取、按需付费、无需预先投资的优势给用户带来极大的便利,然而静态、单一的云计算环境容易成为网络攻击的目标,给用户带来较大的安全风险.动态的虚拟机部署策略和异构的云基础设施在提升云计算环境安全性的同时会降低资源利用率.提出一种针对虚拟机轮换时的资源分配算法,将不同类型的资源抽象成维度不同的向量,并通过求解装...     

多关键字云资源搜索算法

云计算的核心是在虚拟化技术的基础上,通过互联网技术为用户提供动态易扩展的计算资源。利用中心服务器的计算模式来管控网络上大量云资源使得中心服务器成为整个系统的瓶颈,不利于云计算的大规模应用,因此提出使用对等网络技术构建分布式的云资源索引存储和查询系统,但是结构化拓扑系统维护比较复杂,一般不支持复杂搜索条件查询。本文提出了一种多关键字云资源搜索算法。在基于分层超级节点的云资源搜索算法基础上进行路由算法改进,希望实现多关键字的精确查询。对多关键字的生成、分割及存储做出了详细说明,提出一种有效的基于数据集的索引搜索策略,实现了包含三个或三个以上的关键字高效、准确查询。分析实验结果证明了算法明显提高了资源搜索的命中率,尤其是随着关键字数目的增多,不仅保证了资源搜索的命中率,同时大大增加了资源的召回率。     

云环境下的虚拟计算机实验室——基于本体的资源配置研究

为解决目前高校计算机实验室资源利用率低、管理维护难度高、共享程度低等问题,本文给出一个云环境下虚拟计算机实验室架构。针对其如何实现准确提供动态、多样的实验环境需求问题,采用Web本体语言OWL描述课程实验本体和云资源领域本体,并提出一种基于本体匹配技术的资源自动分配方法。