一种论文作者重名消歧方法

作者重名消歧是一个重要又复杂的研究课题,在科技文献检索工作中,作者重名问题势必会降低文献检索的效率和准确性,影响工作进度。提出一种改进粒子群算法优化的BP（Back Propagation）神经网络算法,以解决作者重名消歧问题。首先引入Beta分布的动态惯性权重,提高算法全局搜索能力|其次利用改进粒子群算法优化的权值和阈值,作为BP神经网络的初始权值和阈值进行模型训练,以加快模型训练速度|最后通过特征评价函数过滤式选取排序较优的M维特征子集作为输入层特征向量训练模型,得到最终预测结果,从而精确区分重名的作者。实验研究表明,该模型对重名作者身份的预测准确率可达89.01%,证明了该算法的有效性。     

基于改进的神经网络异常声音自动识别系统研究

针对标准的BP神经网络对于声音信号识别率不高的问题,提出了一种用粒子群算法(PSO)优化BP神经网络的算法,建立了声音信号识别模型。PSO优化BP神经网络主要是用PSO来优化BP神经网络的初始权值和阈值,然后通过训练BP神经网络得到识别模型的最优解,优化后的神经网络具有误判率小、反应速度快等特点。在实验中把标准的BP神经网络和PSO优化后的BP神经网络用于八种异常声音的MFCC特征量和差分MFCC特征量识别,结果表明:在声音信号的识别系统中采用PSO优化BP神经网络的算法提高了系统的识别性能,达到了系统设计的目的。     

基于粒子群优化RP网络短期电力负荷预测方法

针对常规BP网络收敛速度慢,易陷入局部极小值等问题,采用L—M算法对网络进行训练,利用改进粒子群算法优化BP网络初始权值和阈值。将该方法应用在南方某市短期电网负荷预测中,预测结果表明,相较于常规BP网络、L—M算法改进预测模型,该预测算法在预测结果精度和速度上均有较大幅度提高。     

SAPSO-BP算法在异步电机故障诊断中的应用

为了提高异步电机故障诊断的准确性,引入了一种基于模拟退火粒子群算法优化BP神经网络(SAPSO-BP算法)的故障诊断方法.根据电机转子振动频谱中所提取的特征参数与故障类型之间的关系数据,利用模拟退火粒子群算法来优化BP神经网络的权、阈值参数,再由优化好的BP网络进行故障诊断.实验结果表明,该方法具有较好的故障模式的识别效果,明显提高了异步电机故障诊断的准确性.     

基于粒子群算法与循环神经网络的短期电力负荷预测

针对循环神经网络算法在电力负荷预测中存在易陷入局部最小值和全局搜索能力较弱的缺陷,提出了基于粒子群算法和循环神经网络的预测方法|针对标准粒子群算法易因粒子早熟收敛现象而陷于局部最优的缺陷,提出了合理粒距的概念,生成一种改良后的学习方法。采用改良后的粒子群算法对结点权值参数进行寻优,以测量值与预测值的误差作为评价依据,从而实现模型参数的优化选择。最后采用改良后的粒子群算法和循环神经网络预测模型对短期电力负荷进行预测,并与标准粒子群算法循环神经网络预测模型和循环神经网络预测模型对比。实际算例比较表明,这种预测方法具有良好的收敛特性和较高的预测准确度。     

带自适应变异的粒子群优化算法改进研究

针对函数优化的非线性特点,在标准粒子群优化算法的基础上,提出了一种带自适应变异的粒子群优化算法.该算法对惯性权值进行参数设计,建立非线性递减策略曲线模型,通过设置校准系数,改变惯性权值的曲线变化率,使其随迭代过程进行自适应变化.通过在迭代初期选取较大的惯性权值,增强算法的局部寻优能力,加快算法收敛速度,而在迭代后期选取较小的惯性权值,提升算法的全局搜索性能.同时,在算法中引入变异机制,增加种群的多样性,从而更好地提升算法由局部到全局的开放式搜索能力.通过选择基准测试函数对几种算法进行性能测试,证明改进算法收敛速度快、精度高,总体性能优于对比算法.     

新型混沌粒子群混合优化算法

为避免粒子群算法陷入局部最优、早熟收敛,提出了一种新型的混沌粒子群混合优化算法。利用混沌映射初值敏感性、遍历性特点,随机初始化一个粒子,并通过混沌映射得到多个粒子的初始值,改变初始粒子群的提取过程。利用混沌映射扩大初始粒子群,得到寻优粒子群,使得粒子群在搜索的过程中,种群数量变大,有利于全局寻优,而种群粒子多样化,有利于跳出局部极值。经典的测试函数仿真表明,改进的粒子群算法极大提高了粒子群的寻优精度和寻优效率,增加了粒子的全局寻优能力,具有更为广泛的应用场景。     

遗传算法故障检测与实验分析

采用遗传算法优化BP神经网络,通过遗传算法对BP神经网络的初始权值与阈值进行优化,从而更易实现输出预测。实验结果表明,采用算法的人工神经网络识别能力及精度非常高,对比故障检测发现改进算法识别效果、识别精度具有明显的优势。这一研究对于改进识别桩基故障具有明显的应用前景。     

自适应分级粒子群算法的阈值图像分割研究

提出了一种改进型的粒子群算法,并与阈值法相结合应用于图像分割。该改进粒子群算法通过调节惯性权重而获得合理有效的收敛速度;采用分级思想对粒子进行分类并对普通粒子速度更新公式进行修改,从而有效避免了优化过程中粒子的早熟现象;结合遗传算法中的交叉思想增加种群的多样性,增强全局搜索能力从而避免算法陷入局部最优解。将其应用于的阈值图像分割,试验结果表明：相对于标准PSO算法,该自适应分级粒子群算法具有较强的全局寻优能力,且收敛速度快、鲁棒性好,能很好地应用于阈值图像分割。     

基于IPSO和BPNN的网络安全态势预测

网络安全状态数据具有数据量大、特征数目繁多以及连续型属性多等特点.态势预测问题可转化为海量数据的预测问题.以网络安全态势研究为应用背景,提出了一种基于改进的粒子群优化算法来优化反向传播神经网络的态势预测模型.利用IPSO内在的隐并行性和很好的全局寻优能力对BP网络的权值和阈值进行优化并建立预测模型对网络安全态势进行预测.仿真实验证明其改善了传统BP网络在预测应用中的不足,有效提高了态势预测的精准度.     

基于粒子群算法优化的城市供水量预测模型研究

鉴于BP神经网络、RBF神经网络在城市供水量预测精度上的不足,利用粒子群算法优化两者相关参数,实现更高预测精度,并通过建立BP神经网络、RBF神经网络、PSO-BP神经网络、PSO-RBF神经网络分别对城市供水量数据进行仿真预测。最终测试样本统计结果显示：RBF神经网络比BP神经网络平均相对误差（MRE）低约1%,在拟合度（R2）上高约0.014;PSO-BP神经网络比BP神经网络在MRE上降低约1.25%,在R2上提高约0.05;PSO-RBF神经网络比RBF神经网络在MRE上降低约0.3%,在R2上提高约0.072。由此说明RBF神经网络比BP神经网络在城市供水量预测方面更有优势,并且利用粒子群算法优化神经网络模型参数可有效提升神经网络预测精度。     

一种新的EBPSK通信系统检测器

为了提高扩展的二元相移键控(EBPSK)接收机的检测精度,设计了一种基于改进粒子群算法(IMPSO)和BP神经网络的EBPSK检测器.首先,阐述了EBPSK调制特征及冲击滤波器的特殊滤波机理.然后,提出了基于logistic混沌扰动和Cauchy变异的改进粒子群算法,并利用IMPSO-BP神经网络设计了EBPSK检测器...     

一种改进的粒子群算法研究

为了克服粒子群算法易发生早熟收敛、后期迭代速度较慢、易陷入局部最优的缺点,提出了一种改进的粒子群算法。该算法采用非线性动态自适应的更新权重,进一步提高收敛速度;通过引入差分进化算法中的交叉算子,以提高算法的全局探索能力,利用差分进化算法的变异策略产生候选解,克服种群多样性的下降,以跳出局部最优。利用该算法对2个测试函数进行寻优,仿真结果表明,文章提出的算法是一种收敛速度快、收敛精度高的全局寻优算法。     

NFOA-BP融合算法及其在焚烧炉温度控制中的应用

污泥焚烧炉温度控制过程中,由于投入污泥块热值不均以及外界环境干扰,传统的PID控制不能快速稳定地将炉温控制在所需范围内。为适应环境变化,实现更高效的炉温控制,提出一种基于NFOA-BP算法的污泥焚烧温度控制方法。该方法将改进型果蝇算法与BP神经网络结合,通过NFOA算法优化神经网络的初始权重和阈值,进而提高神经网络的全局搜索能力。将NFOA-BP算法应用于污泥焚烧炉温度控制系统,与传统PID温度控制系统进行仿真对比实验。结果表明该系统响应平稳、迅速,超调减小,正确率达到95%以上,比传统PID调节方法提高5%左右。     

改进粒子群BP神经网络在高炉炉温预测中的应用

由于BP网络存在学习效率低、收敛速度慢、易陷入局部极小状态、适应能力较差等缺点,而粒子群优化（PSO）算法的收敛速度快（尤其是在进化初始阶段）,运算简单、易于实现,又没有遗传算法的编解码和杂交、变异等复杂运算,因此是一种很好的优化算法。但是,PSO算法也存在不足,该算法进化后期存在速度变慢以及早熟的现象。提出一种改进的粒子群BP神经网络对高炉炉温进行预测。通过调整粒子群算法中学习因子的自适应能力,提高算法的收敛速度和搜索全局最优的能力。通过仿真结果说明改进的粒子群算法要优于BP算法和标准的粒子群算法。     

工作环境中的语音烦躁情绪检测方法

为了检测工作人员的烦躁情绪,实现情感状态的评价,通过在工作环境中诱发情感语音,获取了足够的测试样本,建立了2000条样本的工作环境情感语音数据库．在检测烦躁情绪过程中,首先提取语音的韵律特征和音质特征参数,然后利用基于蛙跳算法的改进的BP神经网络进行烦躁情绪识别．实验比较了BP,RBF和sFLA神经网络的性能,结果显示SFLA神经网络的识别率比BP神经网络高4．7％,比RBF神经网络高4.3％．实验结果表明,使用蛙跳算法训练随机初始数据可以优化神经网络的连接权重和阈值,加快收敛速度,提高识别率．