一种改进的免疫算法及其在文本分类中的应用

借鉴了免疫系统的分类本质以及免疫系统的克隆选择和抗体浓度控制原理,提出了基于抗体浓度的克隆选择算法.该算法基于抗体的浓度和亲和度选择免疫反应细胞,具有高亲和度和低抗体浓度的细胞其选择概率相对较高.通过对多个免疫反应细胞经过多次克隆变异后选取最优解作为记忆细胞,由最终保留的记忆细胞群生成分类器.整个过程既保证了解的正确性,又保证了解的多样性.在数据集20_newsgroups上的实验结果显示:该算法的分类性能优于Rocchio和Naive Bayes,与SVM性能相当.     

分支分类学算法研究及其在生物分类中的应用

针对目前普遍采用的分支分类方法一般只能得到局部最优解这一问题，首先提出了一条与俭约性原理等价的定理，然后就使用同步系数进行分类时可能出现的情况进行了讨论，同时给出了几条有关定理．在此基础上，对最大同步法给出了一个反例并提出了一种修正算法．实验结果表明该算法是正确的和可行的，且能保证不劣于最大同步法．     

改进的特征提取及其在信号分类中的应用

特征参数的提取是通信信号调制识别中的关键环节,对信号特征提取问题进行了研究.首先提出了一个新的参数--功率谱紧致性,该特征从信号功率谱中提取,具有较好的稳健性和抗噪声性能且无需任何先验知识.然后对信号相位特征进行差分处理,给出了一种改进的绝对无插叠差分相位标准差的提取方法,该方法不依赖于信号载波频率,具有更加实用的工程价值.还重新定义了单频分量的检测方法,重定义后的方法和原方法相比所提取的特征具有更好的可分性和稳健性.最后设计了信号调制识别系统,完成了AM、SSB、2FSK、4FSK、8FSK、BPSK、QPSK和8PSK的分类.实验仿真表明,当信号信噪比大于5dB时,正确识别率达92%以上.     

改进BP算法及其在滚动轴承故障诊断中的应用

对每次权值和阈值的调整均采用固定不变的学习率,是导致传统ＢＰ算法收敛速度慢的一个主要原因。本文从提高收敛速度及精度出发,对改进ＢＰ算法进行了深入研究,在ＢＰ算法中引入统计思想,给出相关系数定义。基于相关系数,采用变学习率策略,提出两种学习率自适应调整算法,并将其具体应用于滚动轴承的故障诊断中。试验证明,此改进算法的收敛速度比传统ＢＰ算法显著提高。     

改进PSO算法及其在函数优化中的应用

针对微粒群算法PSO（Particle Swarm Optimization）应用于函数优化存在的问题,提出一种加入了梯度信息改进的微粒群算法。微粒群算法用于函数的优化,具有简单、效果好等优点。但是研究也表明该方法也存在着一些缺点,如计算时间较长、容易陷入局部最小等,这是由于算法本身的随机性决定的。梯度法是传统的优化方法,典型的特征是在确定优化解的方向时遵循梯度下降原则,因此在寻找优化值时方向比较确定,可以减少优化时间。为了克服PSO的缺点,在标准PSO优化策略中引入梯度原则,设计了一个具有梯度指导的PSO算法。现将改进的PSO算法应用于函数的优化,并与标准PSO算法的效果进行了比较。函数优化实验的结果表明,改进的PSO算法提高了标准PSO算法的收敛时间。     

MKFCM算法在遥感影像分类中的应用研究

模糊C均值聚类(FCM)算法对遥感影像进行分类时,没有考虑像元间相关性的问题,为增加像元间相关性信息,提出了多核模糊C均值聚类(MKFCM)算法,即将多个核函数引入到FCM算法中,依据像元在特征空间中的分布特点,自动筛选出核函数间的最佳权重组合,并以中高分辨率Landsat8影像和高分辨率Pleiades影像为研究数据。通过对FCM、KFCM和MKFCM算法分类结果的精度分析可知,对于不同分辨率的遥感影像,MKFCM都能更好地区分具有相似光谱信息的像元,而且无论是单个类别的精度还是整体的分类精度都高于FCM和KFCM算法,这为精确提取区域土地覆盖信息提供了有效途径。     

改进的K最近特征线算法在文本分类中的应用

KNFL算法是一种近年来在人脸识别领域得到广泛应用的算法,这种算法认为类中两点的连线也可以近似代表类的特征,把它应用于文本分类领域可以得到较好的分类效果,但是由于时间复杂度比较高,影响了其实用价值.本文提出了一种应用于文本分类的改进的KNFL算法,计算出类的中心点后再进行两次过滤,分别将离类中心点较远的特征点和特征线过滤掉,减少了训练集样本数目,在对分类精确度影响不大的情况下,改善了KNFL算法的分类效率,最后用实验验证了该算法的有效性.     

改进的KNN方法及其在中文文本分类中的应用

介绍了基于KNN方法的中文文本分类流程及相关技术,在分析传统KNN方法不足的基础上提出一种改进的KNN方法.该方法在特征选取、权值确定、相似度计算等方面进行了改进,并给出了优化措施.实验表明:与传统的KNN方法相比,改进后的KNN方法在保证分类准确率的同时,使分类效率得到了有效提高.     

改进反向粒子群算法及其在噪声中的应用

粒子群优化算法规则简单,收敛速度较快,但易陷入局部最优值,在噪声问题中也显示出较差的寻优能力．针对算法存在的不足,本文结合反向学习机制较快的学习速度及优化能力,并在算法进化过程中引入交叉因子,提出一种新的改进的反向粒子群算法（COPSO）．实验表明,该算法在噪声问题中要优于反向粒子群算法．     

Apriori算法的改进及其在电力数据挖掘中的应用

数据挖掘是近年来数据库领域的研究热点之一,在电力系统中有很好的应用前景．文章首先分析了当前Apriori算法及主要的改进算法,在此基础上提出了一种快速产生候选频繁项集的新的Apriori改进算法,并就Apriori算法在电力系统数据挖掘中的应用进行了分析．     

改进差分进化算法及其在模糊聚类分析中的应用

针对差分进化算法早熟与搜索效率不理想的问题,提出一种改进的差分进化算法。算法在变异阶段采用多策略与多参数并行的方法一次产生多个变异个体,有效地保持了种群中个体的多样性,抑制了早熟现象的发生。根据竞争机制选择适应度最好的变异个体进行选择操作,提高了搜索效率。与差分进化及其改进算法的对比实验表明了算法的有效性,并把提出的算法应用到模糊聚类分析中,较好的解决了原始聚类模型求解容易陷入局部极值的问题。     

改进萤火虫算法及其在全局优化问题中的应用

针对标准萤火虫算法容易陷入局部最优的问题,本文提出一种改进的萤火虫算法。在标准萤火虫算法的位置移动公式中,利用指数分布和韦伯分布对吸引力项进行改进,以增强算法的全局探测能力;同时利用步长单调递减模式对随机项进行改进,以增强算法后期的局部挖掘能力。通过13个测试函数对本文提出的改进算法、模拟退火算法、粒子群算法和差分进化算法进行算法性能的比较。实验结果表明,本文提出的改进算法能较好地平衡算法的全局探测能力和局部挖掘能力,使算法跳出局部最优,从而提高算法的收敛速度和精度。     

改进灰狼算法及其在港口泊位调度中的应用

为提升港口泊位调度的效率,提出一种基于改进灰狼算法的船舶调度优化方法.针对灰狼算法收敛速度慢、寻优精度不高等不足,引入Sin混沌初始化,增强初始种群的均匀性和遍历性;引入头狼引领策略,加快算法收敛,提高算法效率;引入合作竞争机制,增强算法局部搜索的能力;在灰狼种群位置更新时引入自适应权值,以满足不同时期的寻优要求.为验证改进灰狼算法的有效性,将该算法与其他6种不同算法进行对比实验.结果表明:改进灰狼算法的收敛速度明显快于其他6种算法,在不同测试函数的仿真中均能得到所求函数的最优值,且该算法独立运行20次取得解的标准差均为0,表明该算法对不同维度的求解问题均具有很好的抗扰性;在港口泊位调度的应用中,经过该算法优化后,所有船舶停留总时间较优化前缩短了14.7%,大幅度缩短了船舶的在港时间.该算法在船舶调度优化中取得了满意的应用效果,能够得出相对较佳的调度方案,实现泊位停靠最优化,为港口泊位调度优化提供了新方法.     

DE算法的改进及其在系统辨识中的应用

对于一类高维、非光滑及非线性的约束优化问题,传统的搜索方法不能很好地求得全局最优解,而DE算法可以处理这类问题.为了提高DE算法收敛到全局最优的概率和精度,在基本DE算法的基础上,运用变步长梯度法和记忆库,得到改进的DE算法,并将改进的DE算法应用于实际水槽的模型参数辨识.经过测试对象、采集数据、选择模型结构、辨识参数和验证模型,结果表明,改进的DE算法使辨识系统参数收敛到全局最优的能力增强,收敛概率和精度得到提高,模型偏差平方和更小.     

BP算法的改进及其在焊接过程控制中的应用

BP算法存在着收敛速度较慢、易于陷入局部极小点的问题，为了解决该问题，对BP算法作了大量仿真试验和深入分析后，发现神经网络各层间权值调节量存在较大的差异，从而提出了一种新的改进方法，充分发挥神经网络各权值对网络训练的贡献，试验结果表明，新算法与基本的BP算法相比大大提高了网络收敛速度，用改进的算法和焊接过程进行了控制仿真，获得了较好的结果。     

动态数据DFT的改进算法及其在测量中的应用

FFT虽然适宜于快速运算,但不适宜于大批量的实时动态数据的处理,本文提出了动态数据的改进性DFT算法,详细阐述了该方法的原理,并通过实例来说明该方法的可行性,最后指出该方法在谐波测量中的应用。     

改进的埃特金算法及其在结构优化中的应用

时埃特金算法每次迭代需要计算两次函数值的缺点进行了改进，改进后的埃特金算法利用前次计算的函数值，每次迭代只需再计算一次函数值，从而大大提高了优化迭代计算的效率与自动化程度，其在结构优化中的应用算例验证了该算法的可行性和优越性．     

关联算法的改进及其在审计数据挖掘中的应用

研究了审计数据挖掘中一种不产生候选频集的高速算法——FPgrowth算法;随后,针对入侵检测的应用环境,提出了FPgrowth算法在入侵检测应用中的改进方案。     

改进蚁群算法及其在永磁同步电机设计中的应用

蚁群算法是一种新型的模拟进化算法，该算法通过模拟蚂蚁觅食的方式，使一定数量的蚂蚁在解空间内进行随机搜索，对路径上蚂蚁释放的信息素进行更新，按照转移概率决定前进的方向，最后收敛于全局最优解.对蚁群算法的模型进行了改进以提高其全局寻优速度，用国际标准函数对改进算法进行验证，并对一台15 kW的永磁同步电机进行优化，取得了满意的优化结果，为永磁同步电机的设计提供了一种新的有效方法.