期刊文献+
共找到8篇文章
< 1 >
每页显示 20 50 100
求解二重数值积分的混沌布谷鸟优化算法 被引量:3
1
作者 凌巍高 欧旭 罗德相 《微电子学与计算机》 CSCD 北大核心 2014年第8期148-150,154,共4页
引入混沌变量作为布谷鸟优化算法的局部算子,提出了一种基于混沌布谷鸟(Chaotic Cuckoo Search,CCS)优化算法求解二重数值积分的方法.该方法初始时在矩形积分区域两个方向的区间内各自任意选取一定的节点,通过CCS算法优化这些节点,并以... 引入混沌变量作为布谷鸟优化算法的局部算子,提出了一种基于混沌布谷鸟(Chaotic Cuckoo Search,CCS)优化算法求解二重数值积分的方法.该方法初始时在矩形积分区域两个方向的区间内各自任意选取一定的节点,通过CCS算法优化这些节点,并以优化后的节点作为分割点对二重数值积分进行求解.仿真实例结果表明,该算法简单,易实现,收敛速度快,得到的积分值精度高,是一种有效的二重数值积分求解方法. 展开更多
关键词 混沌 布谷鸟优化算法 二重数值积分
在线阅读 下载PDF
基于布谷鸟优化算法的二维FIR数滤字波器设计 被引量:1
2
作者 杨艳 陈燕 彭元堃 《蚌埠学院学报》 2020年第5期35-40,共6页
针对二维(2-D)有限冲击长响应(FIR)数字滤波器设计中的传输函数,提出了一个基于布谷鸟优化算法的传输函相位区间优化设计算法,该算法在McClellan变换下通过布谷鸟优化算法搜索最小的传输函相位区间均方误差,所产生的新解既可以继承当前... 针对二维(2-D)有限冲击长响应(FIR)数字滤波器设计中的传输函数,提出了一个基于布谷鸟优化算法的传输函相位区间优化设计算法,该算法在McClellan变换下通过布谷鸟优化算法搜索最小的传输函相位区间均方误差,所产生的新解既可以继承当前最优解,又可以不局限于局部最优,不但可以解决2-D FIR滤波器设计中非线性的优化问题,而且也能减少滤波器设计的复杂度和数据的溢出问题。最后,以低通扇形和高通椭圆形的2-D FIR滤波器为例,分别进行了仿真设计实验,结果表明,在相同的规定通带和阻带衰减等参数条件下,该优化算法与已有算法相比,滤波器传输系数的向量误差可降低4.9%-27%,阻带衰减起伏也随之减少。 展开更多
关键词 布谷鸟优化算法 McClellan变换 传输函数 2-D FIR数字滤波器 非线性优化
在线阅读 下载PDF
基于布谷鸟优化算法的加权极限学习机模型
3
作者 王琴 《河南科技》 2017年第9期36-37,共2页
鉴于极限学习机的待定参数对模型极大的影响力,利用布谷鸟优化算法对核参数和惩罚因子进行优化选择,以进一步提高模型的预测精度,然后利用非线性权值函数对极限学习机的不同样本数据进行加权,得到新的加权极限学习机模型,提高模型的鲁... 鉴于极限学习机的待定参数对模型极大的影响力,利用布谷鸟优化算法对核参数和惩罚因子进行优化选择,以进一步提高模型的预测精度,然后利用非线性权值函数对极限学习机的不同样本数据进行加权,得到新的加权极限学习机模型,提高模型的鲁棒性能。 展开更多
关键词 极限学习机 核函数 加权矩阵 布谷鸟优化算法
在线阅读 下载PDF
基于模糊OTSU与布谷鸟寻优的火灾图像多阈值分割算法 被引量:2
4
作者 赵汝海 孙凡 朱广 《安徽建筑大学学报》 2019年第4期65-70,97,共7页
火灾现场环境复杂,如浓烟、光反射等,获取的图像对比度低、边缘模糊,易造成火灾图像分割困难。常用的OTSU方法使用单阈值分割,火焰目标与背景分辨不清,难以满足识别要求。为此,本文提出一种基于模糊OTSU与布谷鸟寻优(CS)的火灾图像多阈... 火灾现场环境复杂,如浓烟、光反射等,获取的图像对比度低、边缘模糊,易造成火灾图像分割困难。常用的OTSU方法使用单阈值分割,火焰目标与背景分辨不清,难以满足识别要求。为此,本文提出一种基于模糊OTSU与布谷鸟寻优(CS)的火灾图像多阈值分割算法。首先,考虑图像模糊不确定因素,将模糊理论融入OTSU方法中,通过隶属度函数划分整幅图像的灰度空间;然后使用布谷鸟算法寻找全局最优分割阈值;最后利用寻找到的阈值进行图像分割。实验表明,用该方法分割图像,可以很大程度上降低对噪声、光反射或其它干扰因素的影响,目标与背景分割效果更好,实验结果显示了该算法的有效性。 展开更多
关键词 图像多阈值分割 最大类间方差法 模糊算法 布谷鸟优化算法
在线阅读 下载PDF
基于优化终端滑模模糊神经网络的板形模式识别 被引量:4
5
作者 吴忠强 康晓华 于丹琦 《矿冶工程》 CSCD 北大核心 2017年第5期109-113,117,共6页
针对板形模式识别问题,将板形信号离散化、归一化,作为终端滑模模糊神经网络的学习样本,建立识别模型。在模糊神经网络的基础上,利用终端滑模权值调整律代替梯度下降法的权值调整律,提高网络的精度。为了进一步提高识别的精度以及收敛速... 针对板形模式识别问题,将板形信号离散化、归一化,作为终端滑模模糊神经网络的学习样本,建立识别模型。在模糊神经网络的基础上,利用终端滑模权值调整律代替梯度下降法的权值调整律,提高网络的精度。为了进一步提高识别的精度以及收敛速度,引入布谷鸟算法优化模糊神经网络的模型参数。仿真结果表明,提出的识别模型对训练样本和未训练样本的平均最小方差分别为0.000 5和0.011 0,比模糊神经网络(FNN)和径向基神经网络(RBF)的值都小。对某冷轧厂宽度1 040 mm带材的一组实测板形数据识别结果表明,相比于FNN和RBF网络,CS-TSMFNN的识别效果更好。 展开更多
关键词 冷轧板 板形模式识别 模糊神经网络 快速终端滑模 布谷鸟优化算法
在线阅读 下载PDF
川西高山峡谷区空气源热泵多源互补供热系统热源方案比选及优化设计 被引量:12
6
作者 刘艳峰 周位华 +1 位作者 罗西 胡筱雪 《太阳能学报》 EI CAS CSCD 北大核心 2021年第10期478-486,共9页
考虑空气源热泵的结除霜损失,建立空气源热泵+生物质锅炉、空气源热泵+电热锅炉和空气源热泵+地源热泵3种系统模型,优化目标为系统最低全生命周期成本,基于布谷鸟算法编程对系统进行优化设计,并基于生物质燃料价格和电价对系统进行敏感... 考虑空气源热泵的结除霜损失,建立空气源热泵+生物质锅炉、空气源热泵+电热锅炉和空气源热泵+地源热泵3种系统模型,优化目标为系统最低全生命周期成本,基于布谷鸟算法编程对系统进行优化设计,并基于生物质燃料价格和电价对系统进行敏感性分析。研究结果表明,甘孜地区最佳供暖热源匹配方式为空气源热泵+生物质锅炉,设备额定制热量之比为1.18∶1,单位空气源热泵额定制热量水箱容积为440 L/kW,能源价格对系统容量的影响由大到小依次为:生物质锅炉容量>水箱容积>空气源热泵功率>电热锅炉功率≥地源热泵功率。研究结果可为川西高山峡谷区空气源热泵多源互补供热系统工程优化设计提供依据。 展开更多
关键词 空气源热泵 优化设计 敏感性分析 川西高山峡谷 多源互补 布谷鸟优化算法
在线阅读 下载PDF
基于COA-LSSVM模型的边坡位移时序预测 被引量:2
7
作者 张冬梅 徐卫亚 赵博 《水电能源科学》 北大核心 2014年第5期105-108,100,共5页
鉴于预测边坡位移变化对边坡稳定性的重要意义,利用布谷鸟优化算法(COA)对最小二乘支持向量机(LSSVM)的核函数参数和惩罚因子进行寻优,从而建立了边坡位移时序预测的COA-LSSVM模型,并将该模型应用于锦屏一级水电站左岸高边坡变形预测中... 鉴于预测边坡位移变化对边坡稳定性的重要意义,利用布谷鸟优化算法(COA)对最小二乘支持向量机(LSSVM)的核函数参数和惩罚因子进行寻优,从而建立了边坡位移时序预测的COA-LSSVM模型,并将该模型应用于锦屏一级水电站左岸高边坡变形预测中。与PSO-LSSVM模型的预测结果对比表明,COA-LSSVM模型具有更高的预测精度,预测结果更接近于实际的监测数据。 展开更多
关键词 边坡 预测 位移时序 最小二乘支持向量机 布谷鸟优化算法
在线阅读 下载PDF
自适应多尺度开闭平均-hat变换及在轴承故障诊断中的应用 被引量:1
8
作者 鄢小安 贾民平 《东南大学学报(自然科学版)》 EI CAS CSCD 北大核心 2019年第5期826-832,共7页
针对传统多尺度形态学分析方法(TMMA)因采用全部尺度的算术平均值作为输出结果而影响故障特征提取的问题,提出了一种自适应多尺度开闭平均hat变换方法,并将其成功应用于轴承故障诊断中.首先,借助单尺度形态学算子、多尺度结构元素和加... 针对传统多尺度形态学分析方法(TMMA)因采用全部尺度的算术平均值作为输出结果而影响故障特征提取的问题,提出了一种自适应多尺度开闭平均hat变换方法,并将其成功应用于轴承故障诊断中.首先,借助单尺度形态学算子、多尺度结构元素和加权运算等手段,构建一种多尺度开闭平均hat变换(MAVGH);随后,通过谱峭度指标确定MAVGH的最优尺度范围,并运用布谷鸟优化算法自适应搜索最优尺度范围内的组合权重系数.仿真和工程应用分析结果表明,对于仿真信号,相比TMMA、WMMG、EMD和小波分析,提出方法的特征频率强度系数(CFIC)分别提高了35.88%、33.91%、31.13%和46.97%;对于应用实例,相比TMMA、WMMG、EMD和小波分析,提出方法的CFIC值分别提高了6.26%、8.06%、2.84%和7.68%. 展开更多
关键词 多尺度开闭平均hat变换 谱峭度 布谷鸟优化算法 轴承故障诊断
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部