期刊文献+
共找到4篇文章
< 1 >
每页显示 20 50 100
采用综合学习粒子群算法的有限冲激响应数字滤波器设计 被引量:5
1
作者 赵安新 陈明 +1 位作者 张钟华 刘君华 《西安交通大学学报》 EI CAS CSCD 北大核心 2012年第8期71-75,共5页
针对标准粒子群优化算法在求解复杂多模问题时容易陷入局部极值点和有限冲击响应数字滤波器(FIR DF)设计时减少误差的问题,将综合学习粒子群优化算法(CLPSO)应用于FIR DF设计中.CLPSO在每一代更新中采用所有粒子全局最优值代替粒子本身... 针对标准粒子群优化算法在求解复杂多模问题时容易陷入局部极值点和有限冲击响应数字滤波器(FIR DF)设计时减少误差的问题,将综合学习粒子群优化算法(CLPSO)应用于FIR DF设计中.CLPSO在每一代更新中采用所有粒子全局最优值代替粒子本身的个体历史最优值,当粒子停止更新时,重置粒子最优值,保证粒子学习最优和在错误方向上花费最少计算时间.数值结果显示,在满足算法复杂度、计算时间、逼近误差等设计指标的前提下,CLPSO在低通和高通频率采样法FIR DF设计中比传统查表法、遗传算法和标准粒子群优化算法具有一定的优势. 展开更多
关键词 综合学习粒子群算法 滤波器 频率采样 遗传算法
在线阅读 下载PDF
基于改进粒子群算法优化策略的核极限学习机方法研究 被引量:1
2
作者 高天 龚平顺 《河南科技》 2022年第19期4-8,共5页
本研究通过对核极限学习机的原理进行分析,确定优化参数,分析粒子群算法的基本原理,并对多种改进的粒子群算法进行研究,通过基准测试函数对6种算法的优劣进行分析。笔者选取综合学习粒子群算法为优化核极限学习机的基本框架,并将线性递... 本研究通过对核极限学习机的原理进行分析,确定优化参数,分析粒子群算法的基本原理,并对多种改进的粒子群算法进行研究,通过基准测试函数对6种算法的优劣进行分析。笔者选取综合学习粒子群算法为优化核极限学习机的基本框架,并将线性递减惯性权重和综合学习粒子群算法进行结合,用于改进粒子群算法易陷入局部最优的问题,从而实现对核极限学习机的参数优化。 展开更多
关键词 核极限学习 参数优化 线性权值下降粒子算法 综合学习粒子群算法
在线阅读 下载PDF
基于CLPSO优化LSSVM的风数据缺失部分插补 被引量:6
3
作者 陈希 王斌 +1 位作者 喻敏 张良力 《可再生能源》 CAS 北大核心 2016年第6期878-883,共6页
风电场的实测风数据普遍存在着数据缺失的问题。由于风数据的非线性特点,常用的插补方法难以跟踪风的变化趋势,导致风数据缺失部分插补值精度低的问题。针对此问题,采用最小二乘支持向量机(LSSVM)模型插补缺失的风数据,使用综合学习粒... 风电场的实测风数据普遍存在着数据缺失的问题。由于风数据的非线性特点,常用的插补方法难以跟踪风的变化趋势,导致风数据缺失部分插补值精度低的问题。针对此问题,采用最小二乘支持向量机(LSSVM)模型插补缺失的风数据,使用综合学习粒子群算法(CLPSO)优化影响LSSVM模型性能的参数,从而形成了CLPSO-LSSVM插补模型。为了进行对比,另外使用了风切变指数模型(WSC)、自回归滑动平均模型(ARMA)、自适应神经模糊推理系统模型(ANFIS),对测试数据和风数据缺失部分进行插补。仿真结果表明:CLPSO-LSSVM模型的测试数据插补值精度最高,对风数据缺失部分插补值的相关系数也较大,综合指标最优,验证了该插补模型的有效性。 展开更多
关键词 综合学习粒子群算法 最小二乘支持向量机 风数据 插补
在线阅读 下载PDF
基于ELM和MA的微型四频天线设计 被引量:2
4
作者 曾启明 纪震 +1 位作者 李琰 俞航 《电子学报》 EI CAS CSCD 北大核心 2014年第9期1693-1698,共6页
提出一个基于极限学习机ELM(Extreme Learning Machine)和文化基因算法MA(Memetic Algorithm)的微型四频(0.92/2.4/3.5/5.8GHz)天线设计算法AntMA-ELM.为了提高天线的性能,算法在MA框架下引入基于综合学习粒子群优化算法CLPSO(Comprehen... 提出一个基于极限学习机ELM(Extreme Learning Machine)和文化基因算法MA(Memetic Algorithm)的微型四频(0.92/2.4/3.5/5.8GHz)天线设计算法AntMA-ELM.为了提高天线的性能,算法在MA框架下引入基于综合学习粒子群优化算法CLPSO(Comprehensive Learning Particle Swarm Optimizer)全局搜索和DSCG(Davies,Swann,and Campey with Gram-schmidt)局部搜索,用于确定天线的几何参数.同时,建立ELM回归模型用于直接评估MA优化的适应值函数.实验结果表明,ELM回归模型能够根据输入参数正确估算天线的回波损耗,使MA算法有效提高设计性能和加速优化过程.天线在四个目标频段的回波损耗值均优于-10dB,满足设计要求. 展开更多
关键词 四频天线 回波损耗 极限学习 文化基因算法 综合学习粒子优化算法
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部