蚁群算法在土壤速效磷近红外光谱波长选择中的应用

光谱变量多、光谱信息易重叠、数据存在冗余且存在大量噪声,导致近红外光谱分析建模的时间长、模型的泛化能力不强、预测精度不高等问题。为此,提出了一种基于变量有效性精英蚁群系统(EAS)的波长选择算法,通过蚁群搜索选出特征波长。将变量有效性作为蚁群的初始信息素,在信息素更新过程中引入变量重要性投影方法,加快算法的收敛速度,避免陷入局部最优。为了验证算法的有效性,选取193个沙姜黑土土壤样本的近红外光谱数据为研究对象,采用变量有效性精英蚁群算法选择特征波长,构建土壤速效磷含量偏最小二乘回归预测模型,对全谱偏最小二乘模型、蚁群算法偏最小二乘模型进行比较研究。结果表明,采用变量有效性精英蚁群算法选出的特征波长建立的回归模型精度比普通蚁群算法选出的特征波长和全光谱高,建立回归模型更加简单。     

交通网络最优抗堵塞路径的选择模型与计算

从交通网络堵塞后替代路径与原最短路径之间关系出发，提出交通网络的最优抗堵塞路径选择模型，设计了最优抗堵塞路径选择模型的算法，对算法的复杂性进行了分析，并以盐城市盛际局部路网为例进行了验证，得出该区域的最优抗堵寒路径。     

开关磁阻电动机的神经网络建模及算法研究

针对标准BP算法存在收敛速度慢,容易陷入局部最小值和前向网络拓扑结构中,隐节点选取困难的问题,采用一种由Levenberg-Marquardt算法与改进自构形算法相结合而成的快速自构形算法训练BP神经网络,建立了训练收敛快,泛化能力强,网络规模小,便于实时控制的开关磁阻电机非线性BP神经网络模型.经与样机实测数据对比,验证了该模型的准确性.该模型有助于进一步优化能量转换,减小转矩脉动.     

过氧化氢处理对荔枝干多糖色泽和活性的影响

通常所提荔枝干粗多糖溶液中混有大量色素,在纯化过程中需要过氧化氢清除溶液中的色素。研究比较了不同过氧化氢浓度处理后荔枝干多糖溶液的色泽、多糖含量及活性的变化,从而筛选出适宜于荔枝干多糖除色的过氧化氢最佳浓度。结果表明,当过氧化氢终浓度为3%时,荔枝干多糖溶液色泽呈现乳白色且多糖损失率控制在20%以内,而处理后多糖对DPPH和ATBS自由基清除能力降低不明显。综合比较后该浓度的处理效果明显优于其他过氧化氢浓度。     

基子遗传BP神经网络的数据挖掘系统设计

数据挖掘技术是从大量数据中挖掘知识的有效的工具，遗传算法和BP神经网络是现今数据挖掘技术中比较新兴的算法。本文介绍了遗传算法和BP神经网络相互结合的一种新算法，并设计出了相应的数据挖掘系统，且将该系统应用到实际农业实验中。为了便于遗传算法的有效运用，文中还提出了格雷——浮点编码法。     

一种干建材有机挥发物散发的新解析模型

建立了一种干建材有机挥发物（VOCs）散发的新解析模型.本模型考虑了室内VOCs初始浓度及小室进口VOCs浓度不为0的情形，且解的形式为完全解析解，无需迭代，更具普适意义.模型结果与已知实验结果及离散解吻合很好.本模型可用于3种情况：一是计算某通风条件下小室中的 VOCs 浓度的变化；二是了解建材本身散发特性，计算其VOCs散发量；三是在已知建材情况及所允许 VOCs 浓度的基础下，计算通风时间或通风量.     

不精确线搜索条件下锥模型Broyden凸族算法的收敛速率

在一定假设条件下的锥模型Broyden凸族算法的局部收敛性和全局收敛性已有人研究过。本文中进一步研究不精确线搜索条件下锥模型Broyden凸族算法的收敛速率。证明了如果初值x1充分接近强局部极小点x*,那么族中任一算法所产生的点列都是R-局部收敛的，且其R-收敛阶至少是τ≥2，而不需要假设A1充分靠近海色阵2f(x*）。     

遗传算法应用于多元非线性回归模型求参的研究

传统的非线性回归模型求参方法存在精度不高、限制等条件繁琐等问题。本文提出了遗传算法这一有效算法，由2个算例给予验证，并与线性最小二乘法和Gauss-Newton迭失法的结果作了比较，证明遗传算法是一种通用性较好的算法。     

自主迁移的并行遗传算法用于马斯京根模型参数估计

遗传算法是一种随机性的全局优化算法,但简单遗传算法易陷入局部最优。将并行技术与遗传算法相结合,且针对影响并行遗传算法性能的迁移时机进行研究,提出自主迁移的并行遗传算法用于马斯京根模型参数估计。实验结果表明,该算法为估计马斯京根模型参数提供了一种有效的方法。     

基于高光谱技术的一种TPC-TELM模型应用于土壤重金属含量反演研究

随着工业化的不断推进，土壤重金属污染情况十分严重。重金属污染对于环境保护，人类安全都有很大的影响。砷作为一种毒性很强的重金属元素，对其进行反演研究，这对环境保护有着重要意义。传统的土壤重金属含量检测方法多为繁杂的实验室化学处理方法，耗费大量时间且成本高昂。为研发一种快速、准确检测土壤砷含量的方法，首先在可见光-近红外光波段获得原始反射光谱，使用三波段光谱指数分析波段间的相互作用，利用相关系数法获得最优的光谱参数组合，从而提取优质光谱特征。双隐含层极限学习机（TELM）是一种前馈神经网络模型。TELM在单隐含层极限学习机的基础上引入了新的隐含层和学习机制，有较高的性能。但是由于TELM第一隐含层参数是随机获得的，容易导致模型的不稳定，利用粒子群优化（PSO）算法对该层参数进行寻优。PSO是一种经典的智能优化算法，具有很强的全局搜索能力。针对PSO容易陷入局部最优点的缺点，引入新的交叉策略，通过该交叉策略，可以帮助其摆脱局部最优，并提出基于三波段光谱指数和交叉粒子群算法的双隐含层极限学习机混合模型（TPC-TELM）。为验证模型的有效性，将其与多个机器学习模型（如单层极限学习机和TELM等...     

土壤水分特征曲线模型参数识别的多邻域粒子群算法

Van Genuchten模型(简称VG模型)是目前运用最为广泛的土壤水分特征曲线模型,提出适宜的优化算法进行模型参数识别也是一个非常重要的研究方向。针对标准的粒子群算法易陷入局部最优的缺点,给出了一种多邻域粒子群算法,可以有效地克服粒子群算法易陷入局部最优的缺点,并利用该算法对VG模型参数进行识别,最后用所求解的参数对不同类型土壤持水性能进行了试验。数值实验结果表明,多邻域粒子群算法能够有效地应用于VG模型的参数识别,与其它算法相比在性能和精度上都有所提高,而且对参数的取值范围也可以较大地放宽。因此,多邻域粒子群算法可以作为VG模型参数识别的一种新方法。     

基于双空间特征提取的变压器故障诊断模型

为了提高基于油中溶解气体分析(dissolved gas analysis, DGA)的变压器故障诊断正确率，弥补单子空间特征提取的局限性，提出了基于双子空间特征提取的变压器故障分层诊断模型.首先，将DGA测试样本在一个子空间内进行特征提取后，为避免核函数及其参数的选择难题，以及利用多核支持向量机(multiple-kernel support vector machine, MKSVM)鲁棒性强和精度高的特点，采用MKSVM作为分类器对测试样本进行预测.依据预测结果将测试样本分为难分类和易分类样本，对易分类样本直接进行分类识别；对难分类样本则将该样本再次投影到另一子空间进行特征提取后，同样采用MKSVM作为分类器对难分类样本进行预测，综合两次预测结果进行分类识别，实现两分类MKSVM的双子空间特征提取算法.最后，根据故障特征，建立基于双子空间特征提取算法的变压器故障分层诊断模型.诊断实例表明，该模型具有较高的诊断正确率和推广能力.     

苹果采摘机械手的逆运动学求解研究

为了提高苹果采摘机械手的采摘成品率,保证采摘后苹果质量,提出一种引入采摘综合因素的苹果采摘机械手的逆运动学求解方法。首先,采用Denavit Hartenberg模型对苹果采摘机械手进行建模,并将逆运动学求解问题转化为规划问题,其中,目标函数为所求得逆运动学参数对应的机械手末端中心坐标与待求坐标欧式距离。然后,在遗传算法选择、交叉、变异算子进行全局搜索的基础上,结合非线性规划对目标函数进行局部搜索。最后,借助随机森林算法将逆运动学求解结果分为3个姿势等级。试验表明,非线性遗传算法在苹果采摘机械手的逆运动学求解上相比遗传算法精度提高了8～25 mm,随机森林算法可以很好地对其求逆结果进行优化,从而提高苹果采摘成品率。     

局部均匀模式描述和双加权融合的人脸识别

目的 针对LBP算法对边缘及噪声信息比较敏感,提出一种统一化的局部均值模式(ULMP)描述算子。考虑到全局和局部特征在识别上的互补性,提出一种ULMP描述和双加权融合的人脸识别方法。方法 首先利用ULMP算法获得整幅图像的编码图,接着将其分块,统计每一子块的直方图获得局部纹理特征,并结合BP神经网络得到局部分类结果。引入云模型求取不同子块的权值,对局部分类结果进行加权融合。整体纹理特征的获取是将不同子块的直方图特征串联。在得到全局和局部的分类结果后,将两者加权集成,获得最终的识别结果。结果 在ORL和Yale人脸库上进行实验,ULMP具有很好的识别性能。5幅测试样本时,在ORL库上取得了95.9%的平均识别率,分别比局部二值模式(LBP)、MCT、局部方向模式(LGP)、统一的LBP(ULBP)和局部中心二值模式(CSLBP)高11.3%、10.6%、9.5%、8.9%和3.9%;在Yale库上取得了97.4%的识别率,分别比LBP、MCT、LGP、ULBP和CSLBP高19.9%、17.7%、10.7%和0.7%。在ORL和Yale人脸库上,本文提出的双加权融合模式分别取得了98.5%和98.34%的平均识别率,高于任何单一模块。结论 本文提出的纹理提取算法ULMP,具有很好的平滑噪声及边缘信息的作用,适用于面部纹理特征的提取。利用云模型求取的权值的方法能够较好地发挥局部分类器间的集成作用,最终有效地提高了系统的整体性能。双加权融合模式是一种精确且有效的人脸识别方法,适用于静态人脸图像的匹配识别。     

相关成分分析法在大米直链淀粉波长选择中的应用

为挑选信息含量大、与样品组成或性质相关性较强的光谱区域参与建模,以提高校正模型的精度,采用相关成分分析法对大米直链淀粉的近红外光谱进行分析。结果表明:采用相关成分分析法进行波长选择后,建模波长点数减少为波长选择前的22%,模型预测值与标准值的相关系数R由0.921 2提高到0.973 0,交叉验证标准差(SECV)由3.404 3减小为1.977 4,预测标准差(SEP)由4.810 0减小为1.900 0,模型的预测能力得到显著提高。     

改进量子遗传算法在多峰值函数寻优中的应用

针对标准量子遗传算法（QGA）在寻找多峰值最优时存在局部寻优能力较差和易早熟的缺陷,提出一种改进量子遗传算法（QQGA）,运用基于概率划分的小生境协同进化策略初始化量子种群,并采用动态量子旋转角调整策略来加快收敛速度;加入量子移民和保优选择策略,提高规划效率,避免陷入局部最优。利用复杂二元函数测试改进量子遗传算法,结果比标准量子遗传算法效率高。     

一种新的改进遗传算法及其性能分析

针对简单遗传算法收敛中所存在的收敛速度慢及局部收敛问题,引入了一种新的改进遗传算法。该算法利用不断淘汰相似个体,并不断补充新个体的方法增加种群的多样性。并用一个复杂的函数对算法进行测试,结果表明该算法性能优于简单遗传算法。     

闽北天然阔叶林林分材种结构分析及出材率模型

根据闽北天然阔叶林资料,提出编制闽北天然阔叶林的新方法并建立相应材种的出材率模型。以林分平均胸径和平均树高为变量因子,采用联合估计法解决模型不兼容问题并利用免疫进化算法求解模型参数,研制了林分材种出材率模型。经检验,建立的出材率模型能很好地拟合实际情况,可在森林资源调查中推广应用。     

基于状态转移算法优化的投影寻踪病虫害预测模型

为解决新疆加工番茄病虫害预测问题中样本数据的非线性和高维性等问题,采用投影寻踪回归模型对加工番茄病虫害预测进行研究。根据新疆某种植基地的样本数据,将投影寻踪回归模型与改进状态转移算法结合,建立了改进状态转移算法优化的基于Hermite多项式的投影寻踪病虫害预测模型。投影寻踪病虫害预测模型将高维的数据投影到低维空间,利用加入正交变换的状态转移算法优化得到投影方向和多项式系数。试验结果表明,利用该模型对新疆某种植基地2003—2008年的样本数据训练效果误差0.2,等级预测达到完全正确;对2009—2011年的病虫害等级预测准确率95%。基于改进状态转移算法的Hermite投影寻踪回归模型可靠性及预测精度很高,能有效的解决病虫害预测中存在的数据非线性、高维性等实际难题。该模型应用于加工番茄病虫害的预测具有一定的可行性和实用性。     

基于梯度蜂群混合算法的电力系统最优潮流计算

国内外对于媒介消费信息传播的研究，多以消费文化理论为逻辑起点，“场域分析”的新进路提供了一种连结宏观层面上的政治经济学分析、中观层面上的媒介组织消费信息生产分析、以及微观层面上的解释社群和文本分析的关联性动态思考空间，这是对消费文化路径下相对单一、静态和平面化的研究面向的超越。