基于多种群进化与粒子群优化混合的频谱分配算法

为了解决认知无线网络中的频谱分配问题,提出一种基于多种群进化与粒子群优化混合的频谱分配算法。它采用图论着色模型,首先使用遗传算法将多个种群进行独立进化,以提高种群的全局搜索能力;然后选出每个种群中的最优的个体作为粒子群优化的粒子,并通过控制每个粒子的初始速度方向来加快算法的收敛速度。最后以系统总收益最大化和用户间的公平性为优化目标与遗传算法和粒子群算法进行了对比实验,仿真结果表明,该算法在收敛速度、认知用户接入公平性和系统总收益3个方面的性能均优于遗传算法和粒子群算法。     

基于相似度的多粒度不确定语言群决策方法

针对具有多粒度不确定语言评价信息的多属性群决策问题,提出了一种基于区间二元语义信息处理和矢量相似度的群决策方法,弥补了基于距离测度的决策方法易造成信息混淆的不足。该方法首先使用二元语义转换函数对多粒度区间语言评价信息进行一致化处理;然后通过建立使备选方案对正理想解相似度最大、负理想解相似度最小的最优化模型来获得相应的属性权重;最后利用区间二元语义的集结算子对评价信息进行加权集成,并通过优序数排序法实现对各方案的排序。实例分析说明了该方法的可行性和有效性。     

基于粒子群优化BP神经网络的养肠胃菜谱判定

提出了一种基于粒子群优化BP神经网络的养肠胃菜谱判定的方法。粒子群算法通过自身良好的搜寻能力,对BP神经网络的权值和阈值进行了优化,弥补了BP神经网络中收敛性慢、存在多个局部极值点的缺陷。并分别通过误差曲线图、线性回归图等,对BP神经网络模型与PSO-BP神经网络模型进行比较分析。实验结果表明,PSO-BP模型判定较准确,在调养肠胃的饮食食谱选择中起到了指导作用。     

基于粒子群优化匹配追踪的风机振动信号去噪处理

针对风力机振动信号采集过程中易受噪声影响的问题,提出基于过完备原子库的匹配追踪算法对风机振动信号进行处理。该算法能自适应提取和原子相关的信号结构,从而可实现噪声抑制。在匹配追踪算法处理过程中,利用结合梯度信息的改进的粒子群优化算法来寻找最佳原子。仿真结果表明,该算法比标准匹配追踪算法具有更快的运算效率及更高的重构精度。利用该算法对风力发电机齿轮箱振动信号进行去噪处理实验。实验结果表明,去噪后信号信噪比可提高5 d B以上,波形特征更加清晰,并且可以在降噪的同时有效保留故障信息。     

贪婪重构算法StOMP及其改进

为了对新型的采样定理:压缩感知理论CS(Compressed Sensing)进行深入的研究并将其应用于图像压缩编码,对压缩感知中的贪婪重构算法进行综述并分析该类算法的优缺点。通过理论分析与仿真实验,对比各算法的性能与效率。该类算法中StOMP需要人为地进行参数设置,而人为设置的参数值往往使算法的重建效果较差。针对该问题,利用粒子群优化算法对StOMP中的参数进行配置,以此来提高StOMP的重建效果。实验表明经过参数配置后的StOMP算法在重构效果上平均提高了2.62 dB,最大能提高13.63 dB。     

可控家用电器负荷优化模型及用电策略研究

在家庭智能用电系统下,以经济性和舒适性为目标,构建了电动汽车、空调、热水器的优化用电模型。并使用基于Q学习的粒子群算法求解优化模型,阐述家用电器的智能用电策略。以空调负荷为例,采用优化模型和算法后,经仿真实验,满足温度控制要求,且费用最少,收敛速度快,有效减少了空调负荷的用电量,削减电费的同时又保证用户的舒适度。     

基于K均值聚类和粒子群优化的多核SVM图像分割

图像分割是图像理解和计算机视觉的重要内容.针对单核SVM在进行图像分割过程中不能兼顾分割精度高和泛化性能好的问题,提出一种基于K均值聚类和优化多核SVM的图像分割算法.该算法首先运用K均值聚类算法自动选取训练样本,然后提取其颜色特征和纹理特征作为训练样本的特征属性,并使用其对构造的多核SVM分割模型进行训练,最后用粒子群优化算法对多核核参数、惩罚因子以及核权重系数联合寻优,使生成的多核SVM具有更好的分割性能.实验结果表明,本文方法在有效提取图像目标细节的同时,获得了更高的分割精度,与基于单核的SVM分割模型相比,具有更强的泛化能力.     

基于网络解算的浅埋采空区地表漏风模拟技术研究

为分析浅埋煤层地表开敞性裂隙漏风对矿井通风系统与采空区流场的影响,构建了地表漏风条件下浅埋采空区流场与井巷风网耦合模型。针对采空区网络分支数多的特点,提出了采用LDLT分解法改进牛顿法解算通风网络的性能。以红柳林煤矿15207采空区地表漏风为例,模拟了大规模地表漏风对工作面通风系统的影响和不同地表漏风量下采空区流场,得到地表漏风导致采空区自燃"三带"分布异形化和地表漏风量不宜超过5m3/s的结论,为工作面安全回采提供了技术支撑。     

基于灰色聚类的系统群安全评估方法

目前大多数信息系统的安全评估工作基于某个单一系统,根据其各个属性分层评估其安全状态,而面向系统群来评价信息系统安全等级的方法较少。针对信息系统的安全需求,提出一种基于系统群的安全等级评估方法。考虑到灰色系统理论中的灰色聚类分析方法采用白化权函数将一些评价对象分为几个等级,适合于系统结构复杂、不确定性高、有效信息缺乏的系统分析,文中使用白化权函数来确定信息系统的安全评估等级。首先,从参与评价的信息系统的角度,采用高效快速的K-均值聚类算法确定白化权函数;其次,运用白化权函数得出各个信息系统的灰级灰色聚类系数;最后,得出各个信息系统的安全状态等级。实例结果表明,该方法可快速有效地对信息系统群的安全等级进行评估。     

基于成对生成策略的无线网络群密钥产生及其分析

使用无线信道的物理层信息在无线设备间生成私密密钥用于确保移动环境的安全, 如今受到了广泛关注。然而在现实环境中,在多个设备之间生成群密钥以确保群安全通信的问题仍然存在挑战。针对无线网络星型拓扑结构,提出一种基于中心节点成对生成策略的群密钥产生方案。相比于文献中提出的利用群内节点间的接收信号强度差分实现提取群密钥的方案,详细分析了它们各自能实现的群密钥容量并给出了数值计算结果。分析表明,提出的基于成对生成策略的群密钥产生方法在密钥率方面优于文献中的差分提取方案。