基于自适应反向学习秃鹰搜索算法的最优潮流计算

针对秃鹰搜索算法（BES）易陷入局部最优、全局搜索与局部开发难以平衡的缺点,引入反向学习策略,促使秃鹰个体进行竞争,结合柯西变异策略和自适应惯性权重因子,提出了一种自适应反向学习秃鹰搜索算法（AOBES）,并将其引入最优潮流问题求解。IEEE30节点系统仿真结果表明,采用AOBES算法求解最优潮流问题具有寻优精度高、稳健性强等优势。     

边坡可靠性分析中g-line失效域及Copula优度评价研究

针对岩土体抗剪强度参数联合分布模型中Copula优度评价问题,借助g-line给出了一种边坡失效域的抗剪强度参数表征方法,并利用积分途径得到了不同Copula及不同安全系数条件下算例边坡的失效概率,以此探讨了不同Copula计算结果的差异性,重点分析了S_n(p_c)、AIC、RMSE及Bias指标下各Copula的评价效果,并以上述各指标值为评价对象,分别计算了各Copula的熵权系数,从而给出了一种加权组合的Copula形式。结果表明,二次多项式拟合g-line的效果良好,此时边坡失效域可由抗剪强度参数独立表征;常用的评价指标得出的最优Copula结果不唯一,当不能有效地识别最优Copula时,可采用加权组合的Copula进行可靠性分析,能减小计算误差,有效地消除不同Copula引起的失效概率差异性,也能避免因直接采用某些Copula而引起的对边坡可靠度偏保守或者过高估计的问题。     

核主成分分析中核参数选择的遗传算法

基于核方法的主成分分析虽然能够提取数据的非线性特征,但其性能受核参数的影响比较大.本文提出一种基于遗传算法的核参数优化算法,在未知数据分布特征的情况下,采用该方法对核参数进行优化选取,取得较好的实验效果,表明该方法的有效性.     

基于支持向量机的复合柱体目标参数反演

用支持向量机(support vector machine,SVM)结合双共轭梯度-快速傅里叶变换方法(BCG-FFT)重构二维金属/介质复合结构柱体目标参数。采用BCG-FFT方法数值模拟复合结构目标的散射特性,以散射电场作为训练样本提供给支持向量机学习,经过适当的离线训练,建立支持向量机逆散射模型,实时重构了复合柱体目标的几何、电磁参数;在相同的条件下,采用人工神经网络(artificial neural net-works,ANN)方法对复合目标参数也进行了重构;比较分析了训练样本信息的差异对支持向量机重构精度的影响。与ANN方法的结果比较表明:支持向量机方法能有效地用于复合结构目标参数反演,且具有较高的精度。     

基于无味变换的边坡可靠性分析

岩土工程不确定性问题是近年研究的热点之一,以边坡可靠性分析为出发点,通过介绍无味变换原理,给出基于无味变换的边坡可靠性分析方法及实施步骤,借助已有研究中的均质边坡和分层边坡算例,探讨了基于无味变换的边坡可靠性分析方法的合理性和适用性,结果表明：基于无味变换原理开展边坡可靠性分析可不依赖于变量的分布类型,应用方便且计算效率高;在分析可靠性较高的边坡时,由于失效概率量值较小,引起的相对误差较大,应谨慎选择,但对于工程上更为关注的可靠性较低（较高失效概率,P_f>7%）的边坡,与蒙特卡洛方法相比,基于无味变换方法的计算结果相对误差约在5%以内,且变量相关系数的变化引起的误差波动较小,适用性较好。     

基于概率神经网络的乳腺癌计算机辅助诊断

由于癌细胞多形性,细针吸取细胞学检查存在局限性,辩识能力不足,造成误诊。为进一步提高乳腺癌辅助诊断的准确性,提出了一种基于概率神经网络的乳腺癌辅助诊断方法。首先建立基于概率神经网络的分类模型,其次确定网络的训练集和测试集,接着找出最优的径向基函数分布密度,最后计算5-折交叉验证的测试准确度,并对仿真方法和结果进行了检验。将仿真结果和检验结果与已有文献中所得出的结果进行对比分析,表明用概率神经网络进行乳腺癌的辅助诊断,具有准确度高,诊断用时少,易于实现等优点,说明了其在乳腺癌计算机辅助诊断方面的可行性和优越性。