基于aiNet聚类和免疫遗传算法的RBF网络

本文通过aiNet人工免疫网络聚类算法对输入数据集合自适应地确定RBF神经网络隐层中心的数量和初始位置,通过自体免疫遗传算法来训练RBF网络,获得全局最优。最后将本文方法应用到隧洞围岩分类中进行仿真,仿真结果表明该RBF神经网络不仅计算量小,而且精度高,具有很好的泛化能力。     

基于免疫聚类的神经网络集成的研究

基于免疫聚类的思想,提出了一种神经网络集成方法。采用轮盘赌选择方法重复地从各免疫聚类中的抽取样本以构成神经网络集成中各个体神经网络的训练样本集,神经网络集成的输出采用相对多数投票法。将基于免疫聚类的神经网络集成应用于中医舌诊诊断,以肝病病证诊断进行仿真。实验结果表明:基于免疫聚类的神经网络集成比基于Bagging算法的神经网络集成能有效地提高其泛化能力。因此,基于免疫聚类的神经网络集成算法的研究是可行的、有效的。     

基于神经网络的网络异常研究与实现

论文首先根据网络数据特征、异常特点,提出了网络异常诊断的目标,在对比分析神经网络算法后,根据网络异常特征,选取免疫聚类算法来构建网络异常分析模型,根据模型设计了相应的异常分析算法。免疫聚类算法充分利用了网络设备离散特征,同时产生的网络数据具有连续性,把采集的数据构建成向量,根据向量值,计算出每个时间点的数据特征值,然后根据检测器来分析出产生异常的网络设备。其次,根据网络流量设备分流且具有转发特征,设计了免疫约束的网络流量分析模型,从流量数据约束行为、节点的权重等进行分析,完成了网络流量异常检测和分析。     

基于MATLAB的非线性系统模糊建模及仿真

该文主要介绍了利用MATLAB的fuzzy工具箱来解决非线性系统的模糊建模问题的几种方法,讲解了模糊建模的设计原理与步骤,在MATLAB环境中用编程和可视化编辑两方法来解决建模问题,针对原有方法的不足给出了改进,并给出程序设计。通过一个非线性实例设计了它的自适应神经网络模糊模型,从仿真结果可看出改进后的非线性系统模型更有效。     

基于RBF神经网络的水处理系统建模与仿真

利用径向基函数(RBF)神经网络的特点,采用神经网络对活性污泥法水处理系统进行建模,提出了一种RBF网络学习的新算法,即将改进的减聚类算法和动态最近邻聚类算法相结合的算法.仿真结果表明,该算法先进有效,用其建立的模型具有较强的实用性,为实现水处理系统的在线实时预测控制提供了可行的途径.     

基于一种改进的BP神经网络光伏电池建模

由于光伏电池具有高度非线性特性,难以建模,而传统的数学模型难以满足光伏控制系统设计和应用的要求。该文利用神经网络具有逼近任意复杂非线性函数的能力,将神经网络技术应用到光伏阵的建模中,避开了该模块内部的复杂性。模型以太阳能日照、温度以及负载电压作为神经网络辨识模型的输入量,光伏阵输出电流为输出量,采用改进型BP算法,建立了光伏电池的动态响应模型,然后预测了最大功率点。文中给出模型的结构,训练步骤和仿真结果。仿真结果表明,方法可行,建立的模型精度较高,从而为设计光伏实时控制系统奠定了基础。     

基于免疫克隆选择算法的神经网络规则抽取

神经网络的不可解释性一直是限制其发展的固有缺陷,该文从神经网络的功能性观点出发,提出基于免疫克隆选择算法的神经网络规则抽取方法。将免疫克隆策略用于神经网络的规则抽取中,对已经训练好的神经网络隐层神经元输出值进行聚类,缩小搜索空间,抽取出理解性好、简洁的符号规则。该方法不依赖于具体的网络结构和训练算法,可以方便地应用于各种分类器型神经网络。实验结果表明该方法的实用性和可行性。     

基于Modelica的电动汽车电池建模与仿真

为了实时仿真电动汽车电池组的动态性能,应用Modelica多领域建模语言建立描述电池组的PNGV等效电路模型.通过电池的动态充放电性能实验标定电池组模型的电阻、电容等参数,并利用Dymola多领域仿真软件进行性能参数求解.将该电池模型应用在电动汽车整车的仿真分析中,实验结果表明,该模型准确度高,能实时地仿真电动汽车的动力性能.该电池组建模方法实现简单且便于扩展,可以为电动汽车的产品设计、系统性能分析提供有效的解决办法.     

基于混沌和免疫应答的增量聚类新算法

受免疫应答原理的启发, 提出了一种适用于增量数据聚类的人工免疫系统框架, 以及在此框架上的结合混沌的自组织增量聚类新算法, 称为免疫应答算法(Immune response algorithm, IRA). 新算法利用Logistic混沌序列生成初始抗体种群, 利用其多样性识别新增的不属于任何已知簇的数据, 该过程模拟了初次免疫应答. 同时, 初次免疫应答形成的记忆抗体可用于二次免疫应答, 即识别新增的属于已知簇的数据. 为了减少数据冗余, 算法用中心点和代表点表示已知簇并动态更新其识别区域, 这样算法不但能动态、自组织地形成聚类, 而且实现了数据特征的提取. 模拟实验充分显示出该算法无论在聚类质量上还是数据特征的提取上, 都具有一定优势, 且具有参数数量少、速度快、对数据输入次序不敏感的优点, 在实际问题中有一定应用价值.     

基于免疫原理的一种动态数据聚类方法

提出一种基于免疫原理的动态聚类算法,它能在噪声环境下得到任意形状的聚类。并能有效地实现动态聚类操作．算法包括3个步骤：首先基于生物免疫机制得到一个反映当前数据分布特征的抗体集合;然后使用最小生成树方法得到聚类的初始结构;最后针对数据库的更新设计了动态聚类算法．仿真结果表明了该算法实现动态聚类的有效性．     

基于混沌的小波神经网络免疫PID控制器

针对目前大多数智能PID控制器存在的诸如设计复杂、计算量大、收敛速度慢以及控制精度相对较差等问题,提出一种基于混沌优化的小波神经网络免疫PID控制器的设计方法,该方法用小波神经网络逼近免疫PID的非线性函数,并且引入混沌机制优化免疫PID的参数,进而将该控制器用于工业加热炉的控制,仿真与实验结果表明,该控制器的控制性能优于其它类型的智能PID控制器以及常规PID控制器.     

基于ATmega8的镍氢电池充电管理系统设计

分析了镍氢电池充电管理系统的设计需求,提出了一种采用电压、温度和时间进行综合控制的充电管理方案。设计了基于ATmega8的新型柔性充电系统,同时给出了该系统的软硬件设计方法。     

基于免疫Agent的网络入侵检测模型

入侵检测作为一种主动的信息安全保障措施,已成为计算机安全特别是网络安全领域的研究热点。基于免疫Agent的网络入侵检测模型是应用生物免疫代理原理构建,该模型具有很好的可扩充性,模型采用没有控制中心的并行ImA检测模式,且各自独立、相互协作并合作完成检测任务。与其它网络入侵检测模型相比,具有较强的伸缩性、自治性、健壮性和可扩展性等。     

基于免疫的网络监控模型

传统计算机免疫系统检测器训练效率低下,自体／非自体定义缺乏动态的演化机制,适应性较差,不能满足真实网络环境下网络监控的需求．有鉴于此,该文提出了一种新型的基于免疫的网络监控模型（AINM）,给出了自体、非自体、抗原、检测器以及证据的形式定义,建立了自体、抗原、动态取证、免疫耐受、检测器的生命周期以及免疫记忆的动态模型及相应的递推方程,并对模型进行了仿真．实验表明这种新型的网络监控模型具有良好的多样性、实时性和自适应能力．     

基于人工免疫原理的RBF网络预测模型

提出一个基于人工免疫原理的RBF网络预测模型AIP-RBF,该模型使用新的克隆选择算法和免疫抑制策略,通过隐层可行解的抽取算法EAHLFS,能在聚类数目未知的情况下,生成RBF网络隐层。给出了改进的隐层节点重要度(SHLN)概念,用于指导RBF网络第2阶段的训练过程。与传统的基于聚类算法的预测模型比较,AIP-RBF具有更快的收敛速度和更高的预测精度,在实际盾构施工地面沉降预测中得到了验证。     

基于免疫网络的入侵检测模型构建

基于群体人工免疫的入侵检测模型主要由一些离散的元素组成,这些元素之间没有直接的交互。针对该问题提出一种基于人工免疫网络的入侵检测模型。该模型通过免疫网络中各元素之间的相互刺激作用而构成一个动态的平衡系统,以适应不断更新换代的网络攻击。实验结果表明,该模型可以较好地检测异常的网络数据包,具有较好的自适应性。     

基于混沌理论的免疫遗传算法

为提高免疫遗传算法的运算效率,根据免疫系统本身的混沌特性,提出了一种混沌免疫遗传算法。该算法利用混沌系统的遍历性来减少数据冗余,利用混沌系统的初值敏感性来扩大搜索范围,从而保持了种群的多样性,避免了局部最优。实验表明,该算法比传统的免疫遗传算法具有更高的收敛速度及收敛性能。     

基于混沌免疫遗传算法的神经网络及应用

借助混沌随机序列构造初始种群,将免疫机制引入传统遗传进化过程,有效克服传统遗传算法种群“退化”和“早熟”的不足,保持种群多样性,构造得到混沌免疫遗传优化算法.进而将混沌免疫遗传优化算法与BP神经网络相结合,分别用混沌免疫遗传优化算法和自适应BP算法对网络权值进行全局优化和局部二次优化,建立基于混沌免疫遗传算法的神经网络模型.利用所建立的混合神经网络模型对渤海某海域年极值冰厚进行训练预测,并将模型预测结果与实际数据以及动态拓扑预测的结果进行对比,表明基于混沌免疫遗传算法的神经网络模型具有很高的预测精度和工程适用性.     

基于人工免疫的网络安全态势评估模型

本文将人工免疫原理应用到网络安全态势评估的研究中.通过对入侵检测模型中有关自体、非自体、抗原的形式化描述,建立了抗体细胞的演化机制、动态免疫记忆、免疫监视等免疫机制.依据人体免疫系统抗体浓度的变化与病原体入侵强度的对应关系,建立了网络安全态势实时定量计算模型.     

基于免疫网络的信息安全风险评估模型

风险评估是评价网络信息系统安全的有效措施之一。该文基于免疫网络可动态实时诊断的特性,提出一种新的信息安全风险评估模型,给出模型中各项指标的定量计算方法,以评估整个信息系统的风险值。该模型能够综合考虑评估要素的相互关联,针对风险动态更新,进行实时监控。实验验证了其评估信息系统安全状态的有效性。