基于跳跃显露模式挖掘算法的癌症分类

分类问题是数据挖掘中的一项重要课题,然而目前对于癌症数据的分类研究还相对较少。近年来提出的强跳跃显露模式SJEP是一种具有很强区分能力的新模式,对于癌症数据的分类具有明显的优势。为了使癌症数据的分类精确度得以进一步提升,本文引入集成学习的思想,对原有的Boosting算法做出一些改进,并将改进后的Boosting算法与SP-树分类算法相结合,提出一种以SP-树分类算法作为基学习算法的SP_Boost算法。     

跳跃海豚群算法

针对海豚群算法收敛速度慢、容易陷入局部最优等缺陷, 提出一种跳跃海豚群算法. 在搜寻阶段, 考虑进化时期对算法的影响, 对固定长度的声波参数实施自适应操作, 平衡算法的全局搜索和局部开发能力; 为加快算法的收敛速度, 在搜寻阶段之后加入跳跃步骤, 使个体直接跳到邻域最优解; 改进了捕猎阶段位置更新方式, 并加入变异扰动因子, 加快算法收敛速度的同时维持了种群的多样性; 为避免算法陷入局部最优, 在捕猎阶段后加入早熟收敛机制. 与6种进化算法在16个标准测试函数上进行测试, 结果表明, 本文算法较其他算法在收敛速度、收敛精度以及鲁棒性上优势明显.     

跳跃逃逸算法优化模糊控制

提出一种智能启发式搜索算法:跳跃逃逸算法,该算法使搜索直接从局部极小中跳出,而不是像模拟退火、禁忌搜索等方法从局部极小中慢慢地爬出,因此该方法能更快、更有效地解决局部极小问题.模糊控制器的优化是一个复杂的问题,目前的优化方法通常需要人的经验或只针对某些特殊的给定模型.结合跳跃逃逸算法和局部连续模糊算法构成了自优化模糊计算机控制系统,其优化过程自动完成,无需人的经验且不依赖任何模型.仿真实验表明该系统效果良好.     

基于蚁群算法的基因路径预测

随着基因测序速度的快速增长,人们开始着手于研究具体生物过程的基因路径,但生物实验的限制性使之进展缓慢.文中提出了基于蚁群算法(Ant colony optimization ACO)的基因路径预测技术,以wnt信号通路为例,使用对应的基因集合内部的联系设置算法参数,对其进行基因路径预测.实验结果显示,使用该方案预测的路径具有很大的可参考性,能够为基因路径绘制实验指引研究方向,提高研究的速度.     

基于GA-BP的个股超短线预测应用研究

本文将遗传算法（GA）与BP算法相结合的人工神经网络模型学习算法，通过对海信电（600060）股票收盘价进行超短线预测研究，该模型通过matlab编程仿真，通过实验证明了股价超短线预测模型的可行性。     

基于改进跳跃表的数据检索系统应用

具有双向指针的跳跃表结构是对简单跳跃表的改进,其优点是在数据检索过程中能够避免指针回退和减少某些结点值的比较次数,使得数据检索效率进一步提高。本文将使用C＋＋语言对该算法进行描述,并且由该算法实现的检索功能模块已经成功应用在柳州城市节水系统中,从节水系统的使用效果验证了该算法的可行性。     

基于跳跃频繁模式的中文文本分类

基于频繁模式的文本关联分类方法与基于跳跃显露模式的文本分类方法各具优点与不足。本文集成这两种方法．提出基于频繁跳跃模式和非频繁跳跃模式的分类方法。实验结果表明,该方法的分类精度高于关联分类方法而召回率和分类速度优于基于跳跃显露模式的分类方法。有效弥补了两种分类方法的不足。     

基于GA-BP的个股超短线预测应用研究

本文将遗传算法(GA)与BP算法相结合的人工神经网络模型学习算法,通过对海信电信(600060)的股票收盘价进行超短线预测研究,该模型通过matlab编程仿真,通过实验证明了股价超短线预测模型的可行性。     

基于自适应交互算法的神经网络控制器设计

自适应交互算法是一种简单有效的算法，可以应用于不同类型的系统，与常用的BP算法相比，它不需要反馈网络反向传播误差，可以直接用来设计自适应神经网络控制器，使控制器的设计简单化，将这种算法应用于神经网络，并设计了神经网络控制器，通过仿真研究表明，用自适应交互算法设计的控制器不仅结构简单，而且控制效果也非常好。     

基于GA-BP算法的基片图像边缘检测计算机应用

由于复杂噪声信号的影响,使得对基片边缘的检测较为困难,提出了一种基于改进的GA-BP算法的边缘检测方法.首先,对基片图像进行中值滤波,将选中的样本归一化.其次,根据样本使用改进的GA-BP算法建立神经网络模型.最后根据实验对该神经网络模型中的参数进行了修正,并利用此神经网络模型对基片图像进行边缘检测取得到了较好的效果.实验结果表明,该方法具有良好的泛化性,鲁棒性和自适应性,可以提高图像边缘检测的抗噪声能力.     

基于混沌神经网络的分类算法

提出了一种基于混沌神经网络的分类算法,利用改进的进化策略对多个三层前馈混沌神经网络同时进行训练.训练好各个分类模型以后,将待识别数据分别输入,混沌神经网络分类模型输出最终分类结果.实验结果表明,该算法可以较好地进行数据分类,而且与传统的神经网络算法以及决策树算法相比,在分类精度和识别率方面均有一定的改善,体现出较好的稳定性.     

基于GA-BP神经网络的BDS轨道误差模型研究

在对导航卫星轨道误差数据进行研究时发现,卫星广播星历轨道误差客观存在着一些不确定性的规律现象,针对这一无法用现有确定性模型表示的误差信息,建立了基于遗传算法优化BP神经网络的轨道误差预测模型。利用遗传算法来全局寻优BP神经网络的初始权值与阈值,同时根据广播星历解算出的卫星位置和速度,结合参考时刻及摄动改正项对神经网络进行训练和测试。试验结果表明,上述模型能较好的预测轨道误差,应用该模型进行卫星轨道解算时能有效提高轨道精度,降低轨道误差。     

跳跃式动态树形反碰撞算法及其分析

射频识别(RFID)中阅读器识别大量标签时,常存在效率较低的情况.该算法根据碰撞时的特点,跳跃式前后搜寻,识别N个标签,共需要问询2N-1次.用数学归纳法进行了证明.另外,阅读器问询时,所传输的EPC参数采用不定长方式动态进行,信息吞吐量可进一步提高,算法模拟结果表明提高幅度为34.92%.     

基于自适应遗传神经网络的银行客户分类研究

银行产品的营销行为都是针对广大客户的。若能提前分辨出哪些是优质客户,再为其定制合理的营销策略,那银行就能获得更大的竞争力。文中将遗传算法与BP神经网络结合用于对银行客户分类进而预测客户是否会购买银行产品。该方法有效地克服了BP神经网络容易陷入局部极小值和收敛速度慢的问题,并且针对其中遗传算法的计算时间和精度问题提出了一种新的自适应遗传算法。实验结果表明,基于这种自适应的遗传神经网络的方法用更短的计算时间达到了更高的预测精度,可以准确地为银行客户分类。     

用基于实数编码的自适应遗传算法进化神经网络

为了提高进化神经网络的速度,文章提出了一种基于实数编码方案的的遗传算法,该算法中采用了自适应变 异算子。用于求解ＸＯＲ问题,结果表明该算法具有很好的收敛性能。     

自适应递阶遗传算法优化BP网络的程序设计

主要阐述了一种新的遗传算法-自适应递阶遗传算法的基本原理,解决了长期以来无法同时对神经网络拓扑结构和神经网络的权值和阈值进行优化的问题,设计了一个基于自适应递阶遗传算法的BP神经网络学习算法,给出了具体的程序设计,并且利用MATLAB平台进行仿真计算.实验结果表明,该算法比一般遗传算法具有明显的优越性,可以避免神经网络陷入局部最优,迅速优化网络的拓扑结构,提高了网络的学习性能,具有一定的实用性.     

基于Boosting算法的入侵检测

提出一种基于Boosting算法的入侵检测方法。先用神经网络初步确定一个入侵检测函数,在此基础上,利用Boosting方法构造一个基于神经网络的入侵检测函数序列,然后以一定的方式将它们组合成一个加强的总检测函数,据此进行入侵检测。实验结果显示,这种方法明显提高了检测性能。     

基于遗传算法的小波神经网络

介绍小波神经网络的基本原理.利用遗传算法来优化小波神经网络,达到提高逼近精度,简化网络结构,提高收敛速度的目的.通过实验将其与传统的小波神经网络进行比较,证实前者具有更优的网络结构,更高的逼近精度.     

基于神经网络的自适应Dahlin数字控制器

在常规Dahlin数字控制器的基础上,采用神经网络理论确定Dahlin控制器参数,提出了一种基于神经网络的自适应Dahlin数字控制器,该控制器具有收敛速度快、鲁棒性强的特点．既可用于参数时变和时滞未知的受控对象,亦适用于逆不稳定过程,不存在控制器的振铃现象,是解决具有慢时变和时滞未知工业过程控制的有效方法。     

改进的光伏发电系统MPPT预测算法的研究

在光伏发电效率预测的研究中,针对光伏供电系统受温度和光照变化影响大、太阳能利用效率低和最大功率点预测不准确等问题,提出一种改进的GA-BP神经网络的光伏系统MPPT预测算法,通过优化的BP神经网络训练光伏阵列实测数据,预测输出的最大功率.为提高算法预测精度,采用云模型云滴和遗传算法优化BP神经网络的初始权值和阀值,根据遗传算法收敛程度来调整云自适应交叉和变异算子.经Matlab仿真分析,在光照和温度变化时,改进的GA-BP神经网络比GA-BP神经网络和BP神经网络具有更好的预测效果.