基于离散粒子群优化算法的储粮害虫特征选择

储粮害虫特征选择是粮虫自动检测系统的一个关键环节.为此,提出了把离散粒子群优化算法应用到粮虫的特征选择.该算法从粮虫的17维形态学特征中自动选择出面积、周长等7个特征的最优特征子空间,采用参数优化后的SVM分类器对90个粮虫样本进行分类,识别率达到95%以上,证实了基于离散粒子群优化算法的粮虫特征选择是可行的.     

基于BPSO的棉花异性纤维目标特征快速选择方法

针对现有棉花异性纤维目标特征选择方法迭代次数多、速度慢等问题,提出了一种基于改进粒子群优化算法的棉花异性纤维目标特征快速选择方法.使用离散型粒子群优化算法作为特征选择算法,利用支持向量机算法作为分类器对最优特征集进行验证.实验结果表明,在分类准确率与蚁群算法相当的情况下,能减少26％的运行时间.     

高光谱遥感图像DE-self-training半监督分类算法

提出了一种高光谱遥感图像半监督分类算法DE-self-training。利用少量标记样本作为初始训练集,基于改进的Self-training算法构建初始分类器,对未标记样本进行预测;然后从分类结果中按一定比例随机选取部分样本,连同其类别标记一起加入训练集中,再用扩大的训练集重新训练分类器,并对剩余的未标记样本进行预测。如此迭代地进行训练-预测-挑选样本扩大训练集过程。同时,在迭代训练过程中,运用基于最近邻域规则的数据剪辑策略对扩大训练集时产生的误标记样本进行过滤,以保证训练集的质量,不断迭代地训练出更精确的分类器,最终使所有未标记样本都获得类别标记。以AVIRIS Indian Pines和Hyperion EO-1 Botswana作为实验数据对DE-self-training算法进行测试,并与基于支持向量机的分类结果作比对。实验表明,DE-self-training算法可以在标记样本数量有限条件下,充分挖掘未标记样本的有用信息,使总体分类精度和Kappa系数都有不同程度的提高。     

基于MSCPSO混合核SVM参数优化的生菜品质检测

核函数形式的选择与核函数参数值的大小是影响支持向量机的2个关键因素,传统的支持向量机分类精度低、时效性差,为了获得高精度、高时效性的支持向量机,从影响支持向量机的核函数与核函数参数值2个关键因素着手,提出了基于变尺度混沌粒子群优化（MSCPSO）混合核SVM参数的分类器。将此分类模型用于预测生菜叶片的生育期,以及预测3个生育期的生菜叶片氮素水平,预测精度分别达到91.51%、85.38%、82.59%和81.26%。与传统的粒子群优化混合核SVM的分类器和变尺度混沌粒子群优化RBF_SVM分类器相比,提出的分类器模型分类精度高、时效性好。     

水电站发电优化调度初始粒子群生成方法研究

重点分析了粒子群算法(Particle Swarm Optimization,PSO)在水电站优化调度应用中存在的收敛速度慢等问题,并针对问题提出了一种新的初始粒子群生成方法,形成了粒子群算法求解水库优化调度的改进应用方法.改进前后仿真计算结果的对比分析表明,改进后的应用方法可明显提高水电站优化调度问题的求解速度和精度.     

水电站发电优化调度初始粒子群生

重点分析了粒子群算法(Particle Swarm Optimization, PSO)在水电站优化调度应用中存在的收敛速度慢等问题,并针对问题提出了一种新的初始粒子群生成方法,形成了粒子群算法求解水库优化调度的改进应用方法。改进前后仿真计算结果的对比分析表明,改进后的应用方法可明显提高水电站优化调度问题的求解速度和精度。     

基于改进AdaBoost算法对环柄菇毒性判别研究

使用改进的AdaBoost算法,根据环柄菇的特征对其毒性进行判别,提高环柄菇毒性的判别速度和准确性.首先通过计算数据集的初始权值分布,根据权值分布对训练集进行学习,得到弱分类器,根据弱分类器的分类结果,将错误的样本权值加大,同时计算出各个样本特征的权值,并删去权值系数小于规定值的特征;计算每个弱分类器在训练集上的误差率...     

改进层次分析法在生猪养殖工艺评估的应用

针对养猪业养殖工艺评估问题,基于层次分析法(AHP)建立相对规范的生猪养殖技术评价体系模型。引入智能算法思想对层次分析法中一致性问题做出解决方案。试验将采用模拟退火算法(SA)与粒子群算法(PSO)相结合的方式优化一致性。首先构建分层递进的层级模型,其次初始化粒子和给定起始温度和退火系数利用模拟退火粒子群算法更新粒子状态优化判断矩阵一致性参数。试验结果表明:初始一致性参数0.231 9,0.127 3,0.130 4,0.130 4,粒子群优化参数为0.094 7,0.098 1,0.099 2,0.099 5,经本文方法优化后为0.085 7,0.097 3,0.098 1,0.098 7。该方法能够有效避免单一粒子群算法陷入局部最优问题,并且能得到更好的一致性指标。说明此种方法可以有效评估分析出生猪养殖工艺中较重要指标,充分反映专家评估意愿,减少个人主观因素的影响,能较为理想地得出评估结果。     

内燃机径向滑动轴承的进化设计法

采用Matlab语言,分别运用改进型粒子群算法和基本粒子群算法,在最大限度满足液体动力润滑径向滑动轴承的承载量系数值和达到滑动轴承承载能力的条件下,对内燃机径向滑动轴承进行了优化设计。计算机仿真结果表明：采用改进型粒子群算法的轴承孔直径、轴颈直径、轴承宽度、承载量系数等优化参数效果最好,符合实际工艺要求,且滑动轴承承载能力最强。改进型粒子群算法优化结果明显优于基本粒子群算法的优化结果,表明改进型粒子群算法应用于内燃机问题的优化求解切实可行。     

基于改进粒子群算法的小麦收割机路径优化控制研究

为了实现小麦收割机的路径优化控制,文章利用改进粒子群算法对其进行优化控制.首先,构建了小麦收割机调度优化模型;其次,构建了改进粒子群算法的基本模型;最后,对其进行了仿真分析,仿真结果表明,改进粒子群算法能优化小麦收割机的路径.     

基于改进RBF神经网络的水轮发电机组故障诊断

由于水轮发电机组受到水力、机械、电气等多方面因素的影响,导致其产生的故障非常复杂,且多种故障类型相互耦合,综合分析了减聚类、模糊 K-Prototypes算法以及改进的粒子群优化（PSO）算法,提出了改进的径向基函数(RBF)神经网络算法,构建了一种新的RBF神经网络模型,并将该模型应用于水轮发电机组的故障诊断中。仿真试验的结果表明,该模型的分类准确率更高,稳定性更好。     

基于IPSO优化BP神经网络的蛋鸡舍有害气体监测系统

为实现蛋鸡养殖过程有害气体浓度监测,改善复杂环境下常用气体传感器之间因存在交叉敏感性而导致测量数据不准确的问题,设计了基于IPSO优化BP神经网络模型的有害气体监测系统。选用无线ZigBee模块、传感器模块和STM32模块,搭建了蛋鸡舍各点数据采集硬件平台,利用GPRS远程通信模块将平台采集到的数据传输至服务器,同时开发手机APP软件,对有害气体进行实时监测。利用权重线性递减及改进学习因子的IPSO算法,对BP神经网络进行优化,利用优化后的网络对气体传感器采集到的数据进行处理,有效提高了有害气体的数据精度。利用该系统对河北省保定市某鸡舍有害气体进行测试实验,将传感器测量值与真实值进行对比分析,验证了利用IPSO优化BP神经网络模型的有效性。测试表明,SGP30型二氧化碳传感器测量精度由81.75%提升到94.69%,MQ135型氨气传感器由61.83%提升到91.23%,MQ137型氨气传感器由70.18%提升到91.23%,MQ136型硫化氢传感器由62.35%提升到92.80%,TGS2602型硫化氢传感器由62.97%提升到92.80%。本研究为蛋鸡养殖过程中有害气体的精确监测提供了新方法。     

Ahut-Delta并联机构改进混沌粒子群算法尺度综合

针对Ahut-Delta并联机构,提出了一种基于改进混沌粒子群算法的尺度综合方法。首先提出一种改进混沌粒子群算法,即采用混沌立方映射初始化种群,并根据迭代状态指数性调整惯性权重因子,同时进行早熟判断和混沌扰动,迭代获得最优粒子。其次将Ahut-Delta并联机构优化参数转变为粒子维度决策变量,雅可比矩阵的全域均值条件数和全域波动量构建的全域综合性能评价指标在其几何条件约束、传动角约束条件下转换为改进混沌粒子群算法的适应度函数。最终通过改进混沌粒子群算法优化搜索,优化出适应度函数值最小的最优粒子,从而获得Ahut-Delta并联机构在全域运动性能最佳的尺度参数。仿真分析结果表明,所提尺度综合方法具有正确性和有效性。     

基于GEE的宝鸡峡灌区耕地灌溉面积遥感监测方法

准确监测耕地灌溉面积的变化,对于管理有限的农业水资源及保证粮食安全等具有重要意义.选择中国西北干旱半干旱地区的典型灌区陕西省宝鸡峡灌区,基于Google Earth Engine(GEE)云平台的Landsat卫星数据,在土地利用分类提取出耕地范围的基础上,结合实地采样获得的样本点,并基于宝鸡峡灌区实际,提出了一种获取历史样本点的思路和方法;通过计算归一化植被指数(NDVI)、增强植被指数(EVI)、绿色叶绿素植被指数(GCVI)、水调节绿色指数(WGI)等指数作为分类参数,应用随机森林(RF)算法对2010年及2020年耕地灌溉区域进行了识别与提取.结果表明,宝鸡峡灌区2010年和2020年耕地灌溉面积分別为104 211和90 174 hm²,混淆矩阵验证总体精度分别为91.67%和95.35%,Kappa系数为0.832和0.907.     

基于IPSO-BP模型的粮食产量预测方法研究

针对粮食产量预测的复杂性,以基本微粒群算法(PSO)为基础,引入繁殖和变异机制,提出一种改进的微粒群算法(IPSO)优化BP神经网络的连接权值和阈值.综合考虑影响粮食产量的有关因素,构建出IPSO-BP的粮食产量预测模型,并以江苏省1978-2018年的粮食产量及影响其产量的10个因素作为数据集进行仿真试验.试验结果表...     

基于模拟退火粒子群算法的水资源优化配置

为了缓解水资源供需矛盾、提高水资源利用率,并在水资源优化配置中探寻新的求解方法,构建了以社会、经济、生态效益为目标的综合评价函数,建立了基于模拟退火粒子群算法的优化配置模型.将模拟退火的思想引入基本粒子群算法当中,解决了粒子易陷入局部极小值的问题.以陕西省渭南市大荔县为研究区域,设置了地表水、地下水、其他水3种水源以及...     

光伏充气膜温室自跟踪发电系统发电量预测

针对光伏充气膜温室自跟踪发电系统提出了一种加入天气预报信息的自适应变异粒子群神经网络的发电量预测算法.首先结合历史发电量数据和气象数据分析了影响光伏充气膜温室自跟踪发电系统发电量的主要因素,建立了加入天气预报的神经网络预测模型,并针对传统神经网络预测模型中基于梯度下降的BP算法收敛慢、易陷入局部最优、训练难收敛等问题,通过自适应变异粒子群算法改进了神经网络.该算法通过将变异环节引入粒子群优化算法,进行隔代进化找到局部最优解.实验结果表明所采用的自适应变异粒子群的神经网络预测算法的全局收敛性能得到了显著提高,能有效避免粒子群优化算法中的早熟收敛问题.