检索结果-维普期刊中文期刊服务平台

加强学习与联想记忆的粒子群优化算法被引量：5: 1; 作者段其昌张广峰 +1 位作者黄大伟周华鑫《计算机应用》 CSCD 北大核心 2012年第12期3322-3325,共4页; 为了克服粒子群优化算法多维搜索时方向性差、目的性弱以及易早熟收敛等缺点,提出了一种改进的粒子群优化算法。改进的算法分别对认知部分及社会部分的最优信息、最差信息赋予不同的学习因子,使算法具有更强的学习能力。每个粒子联想记... 展开更多; 关键词粒子群优化加强学习联想记忆追优避差仿真测试; 在线阅读下载PDF 职称材料

基于加强学习与联想记忆粒子群优化算法的节点定位被引量：6: 2; 作者张广峰段其昌刘政《传感器与微系统》 CSCD 北大核心 2013年第3期72-73,77,共3页; 提出了加强学习与联想记忆的粒子群优化算法,并将该算法应用到无线传感器网络的节点定位中。在RSSI模型测距产生的不同误差情况下,分别比较极大似然估计法和加强学习与联想记忆的粒子群优化算法产生的定位误差、定位方差,证明了加强学... 展开更多; 关键词加强学习与联想记忆的粒子群优化算法节点定位接收信号强度指示测距模型极大似然估计法; 在线阅读下载PDF 职称材料

基于多尺度分数阶多重记忆与学习的粒子群算法被引量：4: 3; 作者董立军蒲亦非周激流《计算机应用研究》 CSCD 北大核心 2018年第3期661-665,共5页; 针对粒子群优化算法在搜索高维多峰问题时容易出现种群多样性减少,导致算法早熟收敛,陷入局部最优等缺点,提出了一种基于多尺度分数阶多重记忆与学习的粒子群算法。该算法将分数阶微积分引入标准粒子群速度、位置更新公式,通过记忆粒子... 展开更多; 关键词粒子群优化算法多尺度分数阶多重记忆学习策略; 在线阅读下载PDF 职称材料

基于K-medoids-GBDT-PSO-LSTM组合模型的短期光伏功率预测被引量：1: 4; 作者戴朝辉陈昊 +3 位作者刘莘轶夏长青郭嘉毅于立军《太阳能学报》北大核心 2025年第1期654-661,共8页; 为保障电网供需平衡和安全稳定运行,提高大型光伏电站功率预测的精度,提出一种基于K中心点聚类算法(K-medoids)、梯度提升树(GBDT)和粒子群优化算法(PSO)组合优化的长短期记忆神经网络(LSTM)的光伏功率短期预测模型。首先,采用K-medoid... 展开更多; 关键词光伏发电功率预测机器学习长短期记忆网络优化算法粒子群算法; 在线阅读下载PDF 职称材料

基于天气特征的高速公路交通流预测方法研究: 5; 作者袁辉谢庆 +3 位作者计明军吴炜昌曾斌姬生忠《现代电子技术》北大核心 2025年第8期164-172,共9页; 随着高速公路网络的规模扩展和智能交通系统的不断完善,交通流预测在提高道路资源利用效率和缓解交通拥堵方面起着至关重要的作用。现有的预测方法往往忽视了天气特征动态变化对交通流的影响,故文中旨在运用集成深度学习模型来探索天气... 展开更多; 关键词智能交通系统高速公路交通流预测天气特征集成深度学习随机森林算法粒子群优化算法长短期记忆神经网络超参数优化; 在线阅读下载PDF 职称材料

缺失数据的混合式重建方法: 6; 作者于本成丁世飞《智能系统学报》 CSCD 北大核心 2019年第5期947-952,共6页; 缺失数据的问题在各领域中是不可避免的,而传统的数据挖掘算法在处理不完整的数据集时表现不佳。本文将协方差矩阵及协方差矩阵的行列式应用于粒子群优化算法的适应度函数中,并以迭代的方式得出最佳阈值,再使用最佳阈值进行基于进化聚... 展开更多; 关键词数据挖掘协方差矩阵适应度函数粒子群优化最佳阈值进化聚类算法数据重建自联想的极限学习机; 在线阅读下载PDF 职称材料

题名加强学习与联想记忆的粒子群优化算法被引量：5: 1; 作者段其昌张广峰黄大伟周华鑫; 机构重庆大学自动化学院; 出处《计算机应用》 CSCD 北大核心 2012年第12期3322-3325,共4页; 基金重庆市重点科技攻关项目(CSTC2011AB6054); 文摘为了克服粒子群优化算法多维搜索时方向性差、目的性弱以及易早熟收敛等缺点,提出了一种改进的粒子群优化算法。改进的算法分别对认知部分及社会部分的最优信息、最差信息赋予不同的学习因子,使算法具有更强的学习能力。每个粒子联想记忆其历史最优、最差信息,然后按照追逐最优躲避最差的原则寻找最优位置。联想记忆克服了多维搜索中方向性差、目的性弱的缺点;追优避差保持了种群的多样性,有利于提高算法的收敛速度、克服早熟收敛。通过基准函数的仿真测实验证了算法的有效性。; 关键词粒子群优化加强学习联想记忆追优避差仿真测试; Keywords Particle Swarm Optimization（PSO） strengthened learning associative memory chasing the best and avoiding the worst simulation test; 分类号 TP18 [自动化与计算机技术—控制理论与控制工程]; 在线阅读下载PDF 职称材料

题名基于加强学习与联想记忆粒子群优化算法的节点定位被引量：6: 2; 作者张广峰段其昌刘政; 机构重庆大学自动化学院; 出处《传感器与微系统》 CSCD 北大核心 2013年第3期72-73,77,共3页; 基金重庆市重点科技攻关项目(CSTC 2011AB6054); 文摘提出了加强学习与联想记忆的粒子群优化算法,并将该算法应用到无线传感器网络的节点定位中。在RSSI模型测距产生的不同误差情况下,分别比较极大似然估计法和加强学习与联想记忆的粒子群优化算法产生的定位误差、定位方差,证明了加强学习与联想记忆的粒子群优化算法是一种收敛快、精度高、稳定性好的优化算法,适合应用在无线传感器网络节点定位中。; 关键词加强学习与联想记忆的粒子群优化算法节点定位接收信号强度指示测距模型极大似然估计法; Keywords strengthen learning and associative memory panicle swarm optimization （SLAM-PSO） algorithm node localization RSSI ranging model maximum likelihood estimation method; 分类号 TP212.6 [自动化与计算机技术—检测技术与自动化装置]; 在线阅读下载PDF 职称材料

题名基于多尺度分数阶多重记忆与学习的粒子群算法被引量：4: 3; 作者董立军蒲亦非周激流; 机构四川大学计算机学院; 出处《计算机应用研究》 CSCD 北大核心 2018年第3期661-665,共5页; 基金国家自然科学基金资助项目(61571312); 文摘针对粒子群优化算法在搜索高维多峰问题时容易出现种群多样性减少,导致算法早熟收敛,陷入局部最优等缺点,提出了一种基于多尺度分数阶多重记忆与学习的粒子群算法。该算法将分数阶微积分引入标准粒子群速度、位置更新公式,通过记忆粒子的历史速度、位置轨迹、个体最优轨迹、种群最优轨迹,借助分数阶微积分具备的长期记忆特性来充分利用寻优过程中的历史信息,增强算法的收敛速度和收敛精度。同时针对种群进化过程中出现的一些特殊情况,采用多尺度分数阶和轨迹纠错学习策略来保护种群多样性,减少算法陷入局部最优的可能。通过与其他粒子群改进算法的对比实验,结果表明,该算法具有较快的收敛速度和较高的收敛精度。; 关键词粒子群优化算法多尺度分数阶多重记忆学习策略; Keywords particle swarm optimization(PSO) multi-scale fractional order multiple memory learning strategy; 分类号 TP18 [自动化与计算机技术—控制理论与控制工程] TP301.6 [自动化与计算机技术—计算机系统结构]; 在线阅读下载PDF 职称材料

题名基于K-medoids-GBDT-PSO-LSTM组合模型的短期光伏功率预测被引量：1: 4; 作者戴朝辉陈昊刘莘轶夏长青郭嘉毅于立军; 机构上海交通大学国家电投智慧能源创新学院中电投新疆能源化工集团哈密有限公司上海交通大学机械与动力工程学院; 出处《太阳能学报》北大核心 2025年第1期654-661,共8页; 基金上海交通大学-国家电投“未来能源计划联合基金”(202110)。; 文摘为保障电网供需平衡和安全稳定运行,提高大型光伏电站功率预测的精度,提出一种基于K中心点聚类算法(K-medoids)、梯度提升树(GBDT)和粒子群优化算法(PSO)组合优化的长短期记忆神经网络(LSTM)的光伏功率短期预测模型。首先,采用K-medoids聚类算法对大规模光伏发电数据样本中的天气数据进行不同类别聚类,分为晴天、阴天和雨/雪天3种天气类型;然后,在已有数据基础上构造特征工程,使用GBDT算法分别进行特征重要性分析,筛选出对光伏功率预测具有显著影响的特征,并构建合适大小结构的优化数据集;最后,将重构后的数据集代入PSO算法优化的LSTM模型进行训练,以建立短期预测模型。实验结果表明,该模型拥有更高预测精度,相比单一LSTM模型,在雨/雪天下的RMSE指标降低了12.19%。; 关键词光伏发电功率预测机器学习长短期记忆网络优化算法粒子群算法; Keywords photovoltaic power power forecasting machine learning long short-term memory optimization algorithms particle swarm algorithm; 分类号 TK615 [动力工程及工程热物理—生物能]; 在线阅读下载PDF 职称材料

题名基于天气特征的高速公路交通流预测方法研究: 5; 作者袁辉谢庆计明军吴炜昌曾斌姬生忠; 机构中铁南方投资集团有限公司大连海事大学交通运输工程学院; 出处《现代电子技术》北大核心 2025年第8期164-172,共9页; 基金国家自然科学基金项目(71971035)。; 文摘随着高速公路网络的规模扩展和智能交通系统的不断完善,交通流预测在提高道路资源利用效率和缓解交通拥堵方面起着至关重要的作用。现有的预测方法往往忽视了天气特征动态变化对交通流的影响,故文中旨在运用集成深度学习模型来探索天气特征对高速公路交通流的影响。利用随机森林算法从历史交通流量和天气数据中提取出相关性较高的天气特征,采用粒子群优化算法对长短期记忆神经网络模型的超参数进行优化,构建一个融合天气特征数据的深度学习预测框架,将经过筛选的天气特征序列输入至预测框架模型中进行训练和预测。通过真实数据集上的实验验证了所提方法的有效性和泛化能力。实验结果表明,所提的集成深度学习方法相比现有的深度学习方法具有更好的拟合度、预测精度和稳定性,能够更准确地捕捉天气特征动态变化对交通流的影响。; 关键词智能交通系统高速公路交通流预测天气特征集成深度学习随机森林算法粒子群优化算法长短期记忆神经网络超参数优化; Keywords intelligent transportation system highway traffic flow prediction weather feature integrated deep learning random forest algorithm particle swarm optimization algorithm LSTM neural network hyper-parameter optimization; 分类号 TN929.5-34 [电子电信—通信与信息系统] U491.14 [交通运输工程—交通运输规划与管理]; 在线阅读下载PDF 职称材料

题名缺失数据的混合式重建方法: 6; 作者于本成丁世飞; 机构中国矿业大学计算机科学与技术学院徐州工业职业技术学院信息与电气工程学院; 出处《智能系统学报》 CSCD 北大核心 2019年第5期947-952,共6页; 基金国家自然科学基金项目(61379101) 江苏省高等职业院校教师专业带头人高端研修项目(2017TDFX003); 文摘缺失数据的问题在各领域中是不可避免的,而传统的数据挖掘算法在处理不完整的数据集时表现不佳。本文将协方差矩阵及协方差矩阵的行列式应用于粒子群优化算法的适应度函数中,并以迭代的方式得出最佳阈值,再使用最佳阈值进行基于进化聚类算法的缺失值重建,解决了阈值的选取困难及其对数据重建结果的影响问题。然后,在自联想极限学习机中调用具有最佳阈值的进化聚类算法,解决了自联想极限学习机输入权值选择的随机性。最后,选取6个UCI标准数据集及9个激活函数来进行验证。实验结果表明,相对于现有的大多数数据重建方法,所提的混合式重建方法可以更有效地完成缺失数据的重建。; 关键词数据挖掘协方差矩阵适应度函数粒子群优化最佳阈值进化聚类算法数据重建自联想的极限学习机; Keywords data mining covariance matrix fitness function particle swarm optimization optimal threshold evolvingclustering method data reconstruction auto-associative extreme learning machine; 分类号 TP301.6 [自动化与计算机技术—计算机系统结构]; 在线阅读下载PDF 职称材料

	题名	作者	出处	发文年	被引量	操作
1	加强学习与联想记忆的粒子群优化算法	段其昌张广峰黄大伟周华鑫	《计算机应用》 CSCD 北大核心	2012	5	在线阅读下载PDF 职称材料
2	基于加强学习与联想记忆粒子群优化算法的节点定位	张广峰段其昌刘政	《传感器与微系统》 CSCD 北大核心	2013	6	在线阅读下载PDF 职称材料
3	基于多尺度分数阶多重记忆与学习的粒子群算法	董立军蒲亦非周激流	《计算机应用研究》 CSCD 北大核心	2018	4	在线阅读下载PDF 职称材料
4	基于K-medoids-GBDT-PSO-LSTM组合模型的短期光伏功率预测	戴朝辉陈昊刘莘轶夏长青郭嘉毅于立军	《太阳能学报》北大核心	2025	1	在线阅读下载PDF 职称材料
5	基于天气特征的高速公路交通流预测方法研究	袁辉谢庆计明军吴炜昌曾斌姬生忠	《现代电子技术》北大核心	2025	0	在线阅读下载PDF 职称材料
6	缺失数据的混合式重建方法	于本成丁世飞	《智能系统学报》 CSCD 北大核心	2019	0	在线阅读下载PDF 职称材料