改进CMAC在森林火焰识别中的应用

由于传统火情识别存在的缺陷,提出一种基于双曲正割函数的变步长最小均方（LMS）算法的小脑模型神经网络（CMAC）森林火焰识别系统。通过分析火焰初期的一些静态和动态特性,对森林火焰进行初步识别。并在利用最优阈值搜寻法对图像进行分割处理的基础上,提取出相应的特征向量,作为改进CMAC的输入,利用神经网络进行森林火焰检测与识别。实验仿真表明,能对火焰进行准确、有效的判别。     

采用改进被囊群算法的多冷水机组负荷分配优化

为了降低中央空调系统的运行能耗,针对多冷水机组负荷分配优化问题,提出一种随机森林特征优选结合核函数极限学习机的冷水机组能效预测模型,通过剔除冗余特征提高预测精度;然后提出一种混合策略改进的被囊群算法,融合鲸鱼螺旋搜索策略改进个体更新方式,引入非线性动态权重平衡全局探索和局部开发,使用空翻扰动策略避免陷入局部最优;最后在能效模型的基础上,采用改进被囊群算法对多冷水机组负荷分配进行优化。实验结果表明,随机森林特征优选的方法可以有效的提高能效预测模型的准确度;改进被囊群算法通过优化机组的启停状态和负荷率可以有效发挥系统的节能潜力,与原有方法相比能耗降低约6%。说明该方法适用于多冷水机组的负荷分配优化问题。     

一种混合粒子群优化的沉降ARMAX模型

为了提高氧化铝生产质量和降低能耗,分析了氧化铝沉降工艺中影响沉降过程的各种因素,采用系统辨识的方法建立沉降系统的带外部输入的自回归滑移ARMAX模型.为此提出了基于二阶混沌的混合粒子群算法,解决了粒子群算法容易早熟以及全局寻优效率偏低等问题,进而建立了基于二阶混沌的混合粒子群优化算法的沉降槽密度ARMAX模型.仿真实验...     

基于 M- BUS现场总线协议的自动计量系统

利用现场总线技术实现企业生活区能耗监测系统是智能住宅的要求。实践证明，将M－BUS协议的现场总线技术应用于生活小区自动计量，取得了良好的效果。结合现场实践经验，阐述了以M－BUS现场总线技术构成的自动计量系统的体系结构，包括实际工程应用中的网络拓扑结构以及应用软件设计。     

基于信息素模型的交通异常预测研究

针对准确收集交通堵塞数据难以及交通事故数据少、信息弱的特点,提出一种基于信息技术的交通预测方法,该方法不需要过去的数据及对数据的分析处理,而采用了传感技术和昆虫传递信息的机理.仿真实验结果表明其预测准确度高于时间序列中的滑动平均法.     

非线性量化CMAC研究与应用

提出了基于非线性量化小脑模型神经网络（CMAC）算法,对CMAC的概念映射进行了自适应设计,提高CMAC的计算速度和精度以满足复杂动态环境下的非线性实时控制的需要。结合溶出预脱硅系统工艺优化的需求,提出了基于非线性量化CMAC的溶出预脱硅系统时间序列预测模型,用于准确实时地预测循环母液加入量,在此基础上进行循环母液投放措施优化。工业实验说明了该模型在对化工软计算的预测精度和快速性上具有明显的优越性,该模型已应用于某氧化铝厂工艺优化系统中动态调节循环母液投放量,节省了生产成本,取得了明显的经济效益。     

基于GPU加速的彩虹表分析MD5哈希密码

针对内存-时间权衡法在哈希密码分析中存在的哈希链碰撞缺陷,给出了彩虹表和MD5算法相应的截短函数处理流程,并利用CUDA架构的GPU(图形处理器)单指令多线程特点在并行迭代运算和遍历哈希链上的优势,提出了一种基于GPU加速的彩虹表分析MD5哈希密码的方法。     

基于模拟退火的并行粒子群优化研究

针对粒子群优化(PSO)容易陷入局部极小,提出将模拟退火(SA)引入并行PSO算法．这种模拟退火并行粒子群算法,结合了并行粒子群算法的快速寻优能力和SA的概率突跳特性,保持了群体多样性,从而避免了种群退化．针对转炉提钒过程是一个复杂非线性反应过程而难以建立终点控制模型的问题,提出了基于模拟退火的并行粒子群RBF网络的辨识模型,优化了RBF核中心个数,从而克服了随机性选择．将该模型用于预测提钒吹氧时间,仿真结果表明预测误差不超过真实值的20％．     

并行多层关联规则的挖掘算法研究

在分析了单数据库多层关联规则算法SMAM算法的基础上,为了提高现有算法的效率,改善内存的使用率,提出了两种并行多层关联规则算法PMAM L和PMAM LG。在无共享的工作站机群上进行性能测试,证明PMAM算法是有效的。     

快速挖掘频繁项集的并行算法

传统的挖掘频繁项集的并行算法存在数据偏移、通信量大、同步次数较多和扫描数据库次数较多等问题。针对这些问题,提出了一种快速挖掘频繁项集的并行算法(FPMFI)。FPMFI算法让各计算机节点独立地计算局部频繁项集,然后与中心节点交互实现数据汇总,最终获得全局频繁项集。理论分析和实验结果表明FPMFI算法是有效的。