免疫算法研究

由生物免疫理论启发的人工免疫系统,是继神经网路和遗传进化计算之后,计算智能领域中的又一个研究热点.概述了免疫算法产生、发展的过程及作用机理,比较了现有典型免疫算法的设计方法及其在不同应用领域中的优劣,并讨论了免疫算法的分类.结合笔者的研究,给出了一些应用实例,探讨了发展免疫算法应注意的薄弱环节、难点和创新点,并从发展重点和未来的应用等诸方面展望了免疫算法的发展趋向.为免疫优化算法的进一步研究提供了参考.     

一种适用于复杂系统的智能控制新算法及仿真研究

提出一种基于改进遗传算法的自适应模糊控制 策略,通过优化控制器中非线性量化函数及自适应控制表达式等中的关键参数,得到基于加 权ITAE指标的满意控制．经过大量仿真研究,证明其对多输入多输出系统、混沌系统、滞后 系统等复杂系统的控制有良好效果．     

撒布预知下GA对动态WSN寿命稳定性分析

在静态Wtreless Sensor Networks(WSN)寿命预知算法基础上,进一步研究动态WSN寿命的预知算法,从结构上提出寿命预知的映射图,给出了只与最佳邻居数选择相关的映射函数,得出WSN随机撒布分布寿命预知的算法,并从节能的角度用遗传算法(GA,Genetic Algorithm),对动态网络频繁更新所导致的寿命减少问题进行了优化,提出了解决动态WSN的普适节能算法.仿真证实了上述问题的有效性.     

基于聚硫堇的一次性O型口蹄疫抗原酶免疫传感器的研制

将O型口蹄疫酶标抗体掺杂于有机-无机溶胶凝胶中,并修饰于聚硫菫的丝网印刷碳电极表面,从而制备一次性口蹄疫病毒抗原(FMDV-Ag)酶免疫传感器。试验中采用直接免疫分析法检测口蹄疫病毒抗原。根据免疫反应前后还原峰电流下降的百分率K值的大小实现对抗原的检测。在优化条件下,免疫传感器检测抗原的线性范围为77～388ng/mL,最低检出限为32ng/mL。免疫电极具有较好的特异性、重现性(RSD=5.6%)、稳定性(10d后电流响应为初始值的89.5%)和准确性(与AGP符合率为95%)。因此,该免疫传感器有望用于O型口蹄疫抗原的快速检测。     

基于混合优化算法的数据预处理算法Ⅱ

提出了KDD中数据预处理的一种基本算法.针对数据库中的属性,利用非监督学习算法,在获取了面向任务的目标数据子集的基础上,利用混合优化算法进行特征子集的选取.分析了遗传算法和混合遗传算法用于特征子集选择的基本算法,仿真实验说明了混合优化算法的有效性和可行性.     

机器学习在计算机免疫中的应用

机器学习研究的是通过经验自动改进的计算机算法。本文提出对FICSEM的一种改进方法：FICSEM2。FICSEM是一种单例学习方法。适合大数据集的运算，是基于实验、开放的方法。FICSEM2对FICSEM中规则提取算法进行了改进，在计算机免疫的应用中验证FICSEM2的提取规则质量。     

人工神经网络在证券价格预测中的应用

证券市场中成功的交易模式是可以模仿及学习的.证券价格走势实质是一种复杂时序函数.人工神经网络是在模仿人脑处理问题过程中发展起来的新型智能信息处理系统,人工神经网络可以通过调节连接权值以任意精度逼近任何连续函数,因此也可以逼近证券价格随时间变换这种函数.文中采用基于BP模型的神经网络,用BP算法和遗传算法来训练网络权值,同时也采用了动量法和学习率自适应调整相结合的策略,对证券市场的价格进行建模和预测,结果表明,此模型具有较好的学习、泛化能力,对股票市场或其他类似的非线性经济系统的走势预测决策具有较好的效果.     

自动生成数据挖掘算法的研究与应用

主要研究自动生成数据挖掘算法的解决方案.采用遗传算法对数据挖掘中的关联规则进行自动挖掘,提出一种基于遗传算法的关联规则自动提取算法,并结合电视购物项目,给出了该算法的实例验证.最后,通过与传统的Apriori算法比较,验证了该算法的高效性.     

基于事例的面部动作单元识别算法

本文提出基于事例的交互式遗传算法进行面部动作单元识别的算法,将用户的比较能力融入到搜索过程,快速检索到与待识别图像匹配的事例图像,从而实现动作单元的半自动识别。该方法不需抽取图像特征,因而可用于识别非控制成像条件下自发面部图像或图像序列中的动作单元,具有较好的鲁棒性和实用性。文中采用16幅受控成像条件下收集的简单图像进行实验,单独AU的平均识别率达到77.5%,AU组合的平均相似度为82.8%。采用10幅有干扰的非受控成像条件下收集的复杂图像进行实验,单独AU的平均识别率为82.8%,AU组合的平均相似度为93.1%。相对于特征脸算法,本文算法的平均识别率和相似度都有较大程度的提高。     

基于遗传神经网络的超混沌时间序列预测

研究了超混沌系统的预测问题。通过分析混沌时间序列,建立具有多个隐节点的3层前馈网络,基于泛化性考虑采用剪枝算法训练,在保证预测精度的基础上消去部分隐节点以降低网络复杂性,利用遗传算法具有的全局寻优能力重新训练网络,利用具有局部寻优能力BP算法再次训练该网络。对Mackey-Glass时滞混沌系统预测实验结果表明,改进算法的泛化性能优于经典BP网络,归一化预测精度提高10倍多,能够较好地解决超混沌系统的预测问题。