期刊文献+
共找到4篇文章
< 1 >
每页显示 20 50 100
基于差分改进的仿射传播聚类算法 被引量:3
1
作者 赵小强 谢亚萍 《控制工程》 CSCD 北大核心 2018年第12期2115-2119,共5页
由于仿射传播(AP)聚类算法中偏向参数对聚类精度有着直接的影响,但其偏向参数都是经验取值导致不能得到最优的聚类结果,针对这一问题提出了基于差分改进的仿射传播聚类算法(DE-AP),该算法首先进行AP聚类分析,其偏向参数取经验值;然后根... 由于仿射传播(AP)聚类算法中偏向参数对聚类精度有着直接的影响,但其偏向参数都是经验取值导致不能得到最优的聚类结果,针对这一问题提出了基于差分改进的仿射传播聚类算法(DE-AP),该算法首先进行AP聚类分析,其偏向参数取经验值;然后根据得到的聚类结果判断偏向参数是否最优,如果不是则把偏向参数作为差分改进算法的输入群体;最后使用差分算法的变异、杂交和选择操作对参数进行智能调整,选择适应值最高的个体作为偏向参数,返回再次聚类。采用经典数据集验证,实验结果从类数、正确率和FMI三方面表明DE-AP算法能够有效地解决偏向参数对聚类结果的影响,从而提高聚类精度。 展开更多
关键词 算法 仿射传播算法 差分进化算法 UCI数据集 偏向参数
在线阅读 下载PDF
基于进化计算的类噪声负荷辨识改进方法 被引量:2
2
作者 周晋航 陆超 +3 位作者 张欣然 王颖 吴沛萱 李东东 《电网技术》 EI CSCD 北大核心 2022年第8期3159-3167,共9页
文章提出一种有别于传统负荷模型的非仿真模型辨识模型,并成功将其应用于电力系统日常负荷数据辨识,在此基础上从系统辨识角度定义为Hammerstein-Wiener模型,并从模型结构、算法初值策略、差分进化算法算子和基本性质等方面进行综合改... 文章提出一种有别于传统负荷模型的非仿真模型辨识模型,并成功将其应用于电力系统日常负荷数据辨识,在此基础上从系统辨识角度定义为Hammerstein-Wiener模型,并从模型结构、算法初值策略、差分进化算法算子和基本性质等方面进行综合改进和证明。该方法显著提高了Hammerstein-Wiener模型的精度和算法的收敛速度,并证明其在优化过程中不会出现如以往模型优化中常出现的数值问题,经多角度分析验证,该完整有效的分析流程适用于类噪声负荷辨识,对负荷建模具有重要意义。 展开更多
关键词 负荷建模 HAMMERSTEIN-WIENER模型 算法改进 差分进化算法 初值设置 噪声数据
在线阅读 下载PDF
改进Quatre算法的无人机编队快速集结方法 被引量:7
3
作者 孙田野 孙伟 吴建军 《系统工程与电子技术》 EI CSCD 北大核心 2022年第9期2840-2848,共9页
为了提高多无人机在编队集结过程中的稳定性,提出基于改进拟仿射类进化(improved quasi-affine transformation evolutionary,IQuatre)算法的无人机编队集结方法。首先,基于分布式模型预测控制(distributed model predictive control,DM... 为了提高多无人机在编队集结过程中的稳定性,提出基于改进拟仿射类进化(improved quasi-affine transformation evolutionary,IQuatre)算法的无人机编队集结方法。首先,基于分布式模型预测控制(distributed model predictive control,DMPC)建立无人机编队的运动预测模型,通过预测无人机的“未来态”规避编队内碰撞风险,滚动优化的数学模型提高了无人机到达指定位置的稳定性,使得无人机更好、更快地加入编队飞行;其次,对Quatre算法进行种群优化改进,将携带最优基因的父代个体有选择性地加入子代种群,加快种群收敛。实验结果表明,基于DMPC的无人机编队集结未出现碰撞情况,减小了无人机调整状态过程中出现的位置偏差;对比仿真验证了IQuatre算法能够提高编队集结的稳定性,较原Quatre算法减少了5.2%的平均迭代次数,在计算时间上节约了4.6%,位置误差减小了0.45 m。 展开更多
关键词 无人机编队 分布式模型预测控制 改进拟仿射类进化算法 滚动优化 种群优化
在线阅读 下载PDF
基于MEEMD-QUATRE-BILSTM的短期光伏出力区间预测 被引量:7
4
作者 张程 林谷青 匡宇 《太阳能学报》 EI CAS CSCD 北大核心 2023年第11期40-54,共15页
提出一种基于改进集成经验模态分解(MEEMD)和拟仿射变换(QUATRE)优化双向长短期记忆神经网络(BILSTM)的光伏出力区间预测模型。通过主成分分析法(PCA)对时间序列进行降维处理,利用K-均值算法将降维数据分成3种类型气象数据;然后采用MEEM... 提出一种基于改进集成经验模态分解(MEEMD)和拟仿射变换(QUATRE)优化双向长短期记忆神经网络(BILSTM)的光伏出力区间预测模型。通过主成分分析法(PCA)对时间序列进行降维处理,利用K-均值算法将降维数据分成3种类型气象数据;然后采用MEEMD对每类光伏出力序列进行分解,将其输入QUATRE优化BILSTM神经网络和核密度估计算法(KDE)联合构建的短期光伏出力区间预测模型。最后基于宁夏光伏电站实例仿真评估模型区间预测性能,实验结果表明该模型可生成高水平光伏预测区间,能够为电力系统经济稳定运行提供可靠的决策保障。 展开更多
关键词 光伏发电 数据挖掘 预测 改进的集成经验模态分解 仿射变换进化算法 双向长短期记忆网络
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部