基于广义S变换和DE-ELM的电能质量扰动信号分类 被引量：11

1

作者 张卫辉 黄南天 +2 位作者 杨金成 杨永建 王新库 《电测与仪表》 北大核心 2016年第20期50-55,共6页

电能质量扰动信号分类对电能质量综合评估、扰动源定位治理具有重要意义。提出了一种基于广义S变换和差分进化优化极限学习机的电能质量扰动信号分类方法。首先,通过改变S变换在不同频段的窗宽因子,来提高特征表现能力;然后,采用极限学... 电能质量扰动信号分类对电能质量综合评估、扰动源定位治理具有重要意义。提出了一种基于广义S变换和差分进化优化极限学习机的电能质量扰动信号分类方法。首先,通过改变S变换在不同频段的窗宽因子,来提高特征表现能力;然后,采用极限学习机作为扰动分类器,引入具有全局寻优功能的差分进化算法,优化极限学习机输入权值和隐藏层结点偏置,增强极限学习机的泛化能力,提高分类准确率。最后,仿真对比实验表明,相比于支持向量机和极限学习机,文中新方法准确率高、抗噪性强,更适用于电能质量扰动识别工作。 展开更多

关键词 电能质量扰动 广义S变换 差分进化 极限学习机

在线阅读 下载PDF 职称材料

随机森林和DE-ELM的烘丝机入口含水率预测 被引量：9

2

作者 金发岗 王雅琳 +3 位作者 张鹏程 陈晓方 李善莲 张炜 《控制工程》 CSCD 北大核心 2020年第3期532-539,共8页

烘丝机入口含水率是影响烟丝质量与卷烟口感的关键因素。为实现其预测并为操作优化提供依据,提出了基于随机森林和DE-ELM的烘丝机入口含水率预测方法。首先通过随机森林基于平均精确度减少的排序方法筛选特征变量,然后采用差分进化优化... 烘丝机入口含水率是影响烟丝质量与卷烟口感的关键因素。为实现其预测并为操作优化提供依据,提出了基于随机森林和DE-ELM的烘丝机入口含水率预测方法。首先通过随机森林基于平均精确度减少的排序方法筛选特征变量,然后采用差分进化优化的极限学习机(DE-ELM)建立筛选后特征变量与烘丝机入口含水率的关系模型,进而实现烘丝机入口含水率的预测。对比神经网络(BP-NN)、支持向量机(SVM)、普通极限学习机(ELM)及随机森林等方法在相同历史生产数据集上的预测结果,所提DE-ELM预测方法使烘丝机入口含水率的预测准确率稳定在95.87%,预测标准平均误差仅为0.128%,预测效果最佳。 展开更多

关键词 烘丝机 入口含水率 随机森林 极限学习机 差分进化算法

在线阅读 下载PDF 职称材料

基于Tri-DE-ELM的半监督模式分类方法研究 被引量：7

3

作者 吴明胜 邓晓刚 《计算机工程与应用》 CSCD 北大核心 2018年第3期109-114,共6页

针对极限学习机(ELM)未充分利用未标注样本、训练精度受网络权值初值影响的问题,提出一种基于协同训练与差分进化的改进ELM算法(Tri-DE-ELM)。考虑到传统的ELM模式分类技术只利用了少量标注样本而忽视大量未标注样本的问题,首先应用基于... 针对极限学习机(ELM)未充分利用未标注样本、训练精度受网络权值初值影响的问题,提出一种基于协同训练与差分进化的改进ELM算法(Tri-DE-ELM)。考虑到传统的ELM模式分类技术只利用了少量标注样本而忽视大量未标注样本的问题,首先应用基于Tri-Training算法的协同训练机制构建Tri-ELM半监督分类算法,利用少量的标记样本训练三个基分类器实现对未标记样本的标注。进一步针对基分类器训练中ELM网络输入层权值随机初始化影响分类效果的问题,采用差分进化(DE)算法对网络初值进行优化,优化目标及过程同时包括网络权值和分类误差两方面的因素,以避免网络的过拟合现象。在标准数据集上的实验结果表明,Tri-DE-ELM算法能有效地利用未标注数据,具有比传统ELM更高的分类精度。 展开更多

关键词 极限学习机 差分进化 Tri-Training算法 半监督学习

在线阅读 下载PDF 职称材料

基于加权排列熵和DE-ELM的滚动轴承故障诊断 被引量：7

4

作者 吴新忠 张旭 +1 位作者 李博华 夏令祥 《制造技术与机床》 北大核心 2020年第2期127-132,共6页

针对滚动轴承振动信号非平稳非线性的特征,提出一种基于加权排列熵和差分进化算法优化极限学习机(DE-ELM)的滚动轴承故障诊断方法。首先利用自适应噪声的完全集合经验模态分解处理轴承振动信号得到固有模态函数(IMF),然后计算主要IMF分... 针对滚动轴承振动信号非平稳非线性的特征,提出一种基于加权排列熵和差分进化算法优化极限学习机(DE-ELM)的滚动轴承故障诊断方法。首先利用自适应噪声的完全集合经验模态分解处理轴承振动信号得到固有模态函数(IMF),然后计算主要IMF分量的加权排列熵组成故障特征向量,最后利用差分优化算法(DE)优化极限学习机隐含层输入权值和偏置,并将故障特征向量作为DE-ELM的输入。实验证明,加权排列熵能够精确提取故障特征,DE-ELM算法能有效提高故障分类精度。与多种方法相比,该方法更加准确可靠。 展开更多

关键词 CEEMDAN 加权排列熵 差分进化 极限学习机 故障诊断

在线阅读 下载PDF 职称材料

IDE-ELM在民机方向舵系统故障诊断中的应用 被引量：4

5

作者 张鹏 张迪 +1 位作者 段照斌 陈艳 《电光与控制》 CSCD 北大核心 2020年第5期97-101,115,共6页

极限学习机(ELM)作为一种新型神经网络,具有学习速度快、泛化能力好等优点,但其输入权值矩阵和隐含层偏置是随机生成的,易导致网络不稳定和偏差较大等问题。引入改进的差分进化多目标寻优算法,获取训练误差最小时的极限学习机输入权值... 极限学习机(ELM)作为一种新型神经网络,具有学习速度快、泛化能力好等优点,但其输入权值矩阵和隐含层偏置是随机生成的,易导致网络不稳定和偏差较大等问题。引入改进的差分进化多目标寻优算法,获取训练误差最小时的极限学习机输入权值矩阵和隐含层偏置,从而改进极限学习机。最后,将优化后的极限学习机应用于方向舵系统故障诊断,结果表明,改进后的极限学习机具有较高的学习速度和诊断准确性。 展开更多

关键词 故障诊断 差分进化算法 极限学习机 方向舵系统

在线阅读 下载PDF 职称材料

DE-ELM-SSC+半监督分类算法 被引量：1

6

作者 庞俊 黄恒 +2 位作者 张寿 舒智梁 赵宇海 《计算机科学与探索》 CSCD 北大核心 2020年第12期2014-2027,共14页

演化算法和分析方法的结合是机器学习领域近几年的一个研究热点。研究如何将差分进化(DE)演化算法与基于超限学习机(ELM)的半监督分类算法相结合。首先,提出了一种基于DE和ELM的半监督分类方法(DE-ELM-SSC),该算法大致步骤为:采用多种... 演化算法和分析方法的结合是机器学习领域近几年的一个研究热点。研究如何将差分进化(DE)演化算法与基于超限学习机(ELM)的半监督分类算法相结合。首先,提出了一种基于DE和ELM的半监督分类方法(DE-ELM-SSC),该算法大致步骤为:采用多种差分进化策略对超限学习机输入权重和偏置参数进行优化,并根据均方根误差选出一个适合目标数据集的最优策略;将上一步选出的最优进化策略应用于DE算法,从而达到优化ELM网络参数的目的;为了构造半监督分类预测模型,采用Tri-training技术实现了三个改进ELM基分类器的协同训练。然后,采用非线性方法改进现有惯性策略方法,实现了缩放因子自适应调整,从而优化了DE-ELM-SSC算法,得到DE-ELM-SSC+算法。UCI标准数据集上的大量实验结果表明,DE-ELM-SSC+算法能根据数据集选择合适的进化策略,并自适应调整缩放因子,获得比Baseline方法更高的分类准确率。 展开更多

关键词 超限学习机 半监督分类 策略选择 差分进化 缩放因子

在线阅读 下载PDF 职称材料

基于DE-VMD和GMDE的往复压缩机轴承间隙故障诊断方法 被引量：4

7

作者 李彦阳 蔡剑华 曲孝海 《机电工程》 CAS 北大核心 2024年第4期683-690,共8页

针对往复压缩机轴承间隙故障特征提取困难、识别准确率不高等问题,提出了差分进化算法优化变分模态分解方法和广义多尺度散布熵相结合的往复压缩机间隙故障诊断方法。首先,采用差分进化算法对变分模态分解算法的两个核心参数进行了优化... 针对往复压缩机轴承间隙故障特征提取困难、识别准确率不高等问题,提出了差分进化算法优化变分模态分解方法和广义多尺度散布熵相结合的往复压缩机间隙故障诊断方法。首先,采用差分进化算法对变分模态分解算法的两个核心参数进行了优化,并利用优化后的变分模态分解方法对轴承间隙振动信号进行了信号分解和重构处理;然后,研究了多尺度散布熵的粗粒化过程,通过将方差粗粒化代替均值粗粒化,进行了多尺度处理,构建了广义多尺度散布熵算法,利用广义多尺度散布熵算法对重构信号进行了故障特征提取分析;最后,设计了核极限学习机模型对故障特征向量集进行了分类识别,完成了往复压缩机轴承间隙不同故障状态的智能诊断研究。研究结果表明,该故障诊断方法的识别准确率高达97%,高效地实现了轴承不同种类故障的智能诊断目的。 展开更多

关键词 往复压缩机 轴承故障诊断 变分模态分解 广义多尺度散布熵 核极限学习机 差分进化算法

在线阅读 下载PDF 职称材料

基于SDL-LightGBM集成学习的软件缺陷预测模型 被引量：3

8

作者 谢华祥 高建华 黄子杰 《计算机工程与设计》 北大核心 2024年第3期769-776,共8页

为提高软件缺陷预测准确性和预测模型的可解释性,提出一种Spearman+DE+LIME+LightGBM(SDL-LightGBM)集成学习的软件缺陷预测模型。使用混合特征选择方法Spearman+LightGBM确定最佳特征子集,在保证模型预测性能的情况下降低模型复杂度;... 为提高软件缺陷预测准确性和预测模型的可解释性,提出一种Spearman+DE+LIME+LightGBM(SDL-LightGBM)集成学习的软件缺陷预测模型。使用混合特征选择方法Spearman+LightGBM确定最佳特征子集,在保证模型预测性能的情况下降低模型复杂度;使用集成学习算法LightGBM(light gradient boosting machine)对特征子集建立预测模型,并使用差分进化(differential evolution, DE)算法优化模型的重要超参数;使用局部可解释的模型无关技术(local interpretable model-agnostic explanations, LIME)对模型进行局部可解释分析。实验通过12个项目的35个版本的结果表明,SDL-LightGBM算法优于现有的软件缺陷预测方法,F1值平均提高8.97%,AUC值平均提高11.42%,模型训练时间缩短43.6%。 展开更多

关键词 缺陷预测 机器学习 集成学习 特征选择 模型优化 模型解释 差分进化

在线阅读 下载PDF 职称材料

一种融合反向学习机制与差分进化策略的蛇优化算法 被引量：3

9

作者 占宏祥 汪廷华 张昕 《郑州大学学报（理学版）》 CAS 北大核心 2024年第6期25-31,共7页

蛇优化(snake optimizer,SO)算法存在前期收敛速度慢和易陷入局部最优的问题,为此提出一种融合反向学习机制与差分进化策略的改进蛇优化(improved snake optimizer,ISO)算法。反向学习机制可提高种群质量,以提升算法寻优速度;差分进化... 蛇优化(snake optimizer,SO)算法存在前期收敛速度慢和易陷入局部最优的问题,为此提出一种融合反向学习机制与差分进化策略的改进蛇优化(improved snake optimizer,ISO)算法。反向学习机制可提高种群质量,以提升算法寻优速度;差分进化策略有助于算法精准寻优,降低算法陷入局部最优的几率。在10个基准测试函数上的实验结果表明,ISO算法拥有更高的寻优精度和更快的收敛速率。将其应用于支持向量机(support vector machine,SVM)的参数选取中,进一步验证了ISO算法的有效性。 展开更多

关键词 蛇优化算法 差分进化 反向学习 参数优化 支持向量机

在线阅读 下载PDF 职称材料

基于DWT-DE变换和AHA-ELM算法的水稻叶片氮含量预测方法 被引量：1

10

作者 刘潭 王雯琦 +3 位作者 李子默 齐缘 郭忠辉 许童羽 《农业机械学报》 CSCD 北大核心 2024年第12期306-313,共8页

为提供一种利用光谱数据对水稻氮素含量加以快速、无损、准确预测的方法,本文以东北水稻为研究对象,采集水稻3个生育期的高光谱数据,结合室内化学实验,为了提高氮素预测精度和模型可解释性,建立水稻氮素含量反演模型。将获取的高光谱数... 为提供一种利用光谱数据对水稻氮素含量加以快速、无损、准确预测的方法,本文以东北水稻为研究对象,采集水稻3个生育期的高光谱数据,结合室内化学实验,为了提高氮素预测精度和模型可解释性,建立水稻氮素含量反演模型。将获取的高光谱数据和相对应的水稻叶片氮素含量,首先通过低通滤波方法对光谱数据进行预处理,针对处理后光谱数据,采用耦合离散小波和一阶微分变换(DWT-DE变换)对光谱数据进行降维,并分别与主成分分析(PCA)、离散小波多尺度分解方法进行对比。以降维后的结果作为输入,实测叶片氮素含量为输出,分别建立极限学习机(ELM)、粒子群优化支持向量机(PSO-SVM)和人工蜂鸟算法优化的极限学习机(AHA-ELM)反演模型,对水稻叶片氮素含量进行预测和验证。结果表明,采用耦合离散小波和一阶微分变换结果建立的AHA-ELM模型预测精度最高,预测效果优于ELM和PSO-SVM模型,训练集决定系数R^(2)为0.8064,RMSE为0.3251 mg/g,验证集R^(2)为0.7915,RMSE为0.3620 mg/g。鉴于此,本文提出的经DWT-DE变换建立的AHA-ELM模型在快速检测水稻氮素含量中有显著优势,可为水稻精准变量施肥提供参考。 展开更多

关键词 水稻 氮素含量 高光谱 耦合离散小波和一阶微分变换 人工蜂鸟优化 极限学习机

在线阅读 下载PDF 职称材料

基于最优解区间预筛选的代理模型辅助天线设计优化算法

11

作者 刘杨 张依轩 +1 位作者 林中朝 焦永昌 《微波学报》 CSCD 北大核心 2024年第4期15-19,29,共6页

针对天线优化中全波仿真计算耗时过多的问题,文中提出了一种基于数据约束的代理模型辅助进化算法(SAADC)以实现天线优化设计中效率的提升。首先采用增强随机型差分进化算法,以保证数据生成的随机性与多样性。进一步通过高斯代理模型对... 针对天线优化中全波仿真计算耗时过多的问题,文中提出了一种基于数据约束的代理模型辅助进化算法(SAADC)以实现天线优化设计中效率的提升。首先采用增强随机型差分进化算法,以保证数据生成的随机性与多样性。进一步通过高斯代理模型对仿真结果进行预测,并利用最优解区间预筛选方法舍弃预测结果中较差的个体,以实现算法收敛速度的提升。最终利用所提出的SAADC,对三个不同拓扑结构E型贴片天线的带宽与增益进行了优化设计与结果分析。结果表明,所提出的算法比现有的代理模型优化算法具有更快的优化速度与更佳的优化结果,可满足天线结构高效优化的实际需求。 展开更多

关键词 天线优化 机器学习 差分进化算法 代理模型 最优解区间预筛选

在线阅读 下载PDF 职称材料

交叉分段差分进化支持向量回归的气体超声流量计测量方法

12

作者 贾秋红 桂生 +2 位作者 王坤 邵剑瑛 毛捷 《应用声学》 CSCD 北大核心 2024年第3期599-607,共9页

为了进一步提高全量程气体超声流量计的测量精度,基于多通道声波到时和实时温度,提出了一种交叉分段差分进化支持向量回归(DE-SVR)模型。考虑到气体在不同流量条件下的流体状态不同,提出了交叉分段处理的方法,采用差分进化算法优化选取... 为了进一步提高全量程气体超声流量计的测量精度,基于多通道声波到时和实时温度,提出了一种交叉分段差分进化支持向量回归(DE-SVR)模型。考虑到气体在不同流量条件下的流体状态不同,提出了交叉分段处理的方法,采用差分进化算法优化选取支持向量回归参数。实验结果表明,对于16∼1600 m3/h全量程,交叉分段DE-SVR和传统积分方法计算气体流量的平均相对误差分别为0.00447和0.02781,前者较后者降低了83.93%;对于16∼160 m3/h小流量,交叉分段DE-SVR和无分段DE-SVR算法计算结果平均相对误差分别为0.00436和0.03214,前者较后者降低了86.43%。该方法有效避免了声道长度、探头角度以及管道直径等参数不确定性对流量计算的影响,为全量程气体流量的高精度测量提供了保障。 展开更多

关键词 气体超声流量计 支持向量回归 差分进化 机器学习

在线阅读 下载PDF 职称材料

基于机器学习的多目标投资组合优化研究

13

作者 张鹏 莫仕茵 曹卿 《华南师范大学学报（自然科学版）》 CAS 北大核心 2024年第4期100-110,共11页

文章首先运用随机森林、RBF神经网络和BP神经网络3种机器学习方法预测股票收盘价,使用历史数据和预测的收盘价计算投资组合的收益率均值、下半方差、偏度;然后,考虑交易成本、投资比例上下界约束和借贷约束,提出均值-下半方差-偏度多目... 文章首先运用随机森林、RBF神经网络和BP神经网络3种机器学习方法预测股票收盘价,使用历史数据和预测的收盘价计算投资组合的收益率均值、下半方差、偏度;然后,考虑交易成本、投资比例上下界约束和借贷约束,提出均值-下半方差-偏度多目标投资组合模型(M-SV-S)。该模型对应的优化问题属于非凸优化问题且求解困难,故首先将其转化为单目标优化模型,再运用差分进化算法进行求解。最后,选取上证50指数成分股作为样本进行实证分析,从收益率和索提诺比率等方面来对比M-SV-S模型与等比例投资组合模型的投资表现。实证结果表明:在样本外窗口内,M-SV-S模型的每日净收益率在1%~4%之间、30天的累计超额收益率超过50%、索提诺比率大于0,投资绩效明显优于等比例投资组合模型。 展开更多

关键词 多目标投资组合 机器学习 下半方差 偏度 差分进化算法

在线阅读 下载PDF 职称材料

基于聚类经验模态分解-样本熵和优化极限学习机的风电功率多步区间预测 被引量：22

14

作者 张亚超 刘开培 +1 位作者 秦亮 方仍存 《电网技术》 EI CSCD 北大核心 2016年第7期2045-2051,共7页

针对风电功率序列的不确定性和随机性特征,提出一种基于聚类经验模态分解-样本熵和优化极限学习机的多步区间预测模型。首先,利用聚类经验模态分解-样本熵方法将原始风电功率序列分解为一系列复杂度差异明显的子序列。然后,分别对各子... 针对风电功率序列的不确定性和随机性特征,提出一种基于聚类经验模态分解-样本熵和优化极限学习机的多步区间预测模型。首先,利用聚类经验模态分解-样本熵方法将原始风电功率序列分解为一系列复杂度差异明显的子序列。然后,分别对各子序列建立基于上下界直接估量的区间预测模型。为分析不同区间构造的差异,提出一种体现训练目标值偏离区间范围影响的新型区间预测评估指标作为目标函数,并采用基于混沌萤火虫结合多策略融合自适应差分进化的优化算法寻求其最优解,以提高模型预测性能。最后,以某一风电场实际功率数据为算例,验证了所提模型能获得可靠优良的多步区间预测结果,可为风电功率多步不确定性预测提供一种新的有效途径。 展开更多

关键词 多步区间预测 聚类经验模态分解-样本熵 极限学习机 多策略自适应差分进化

在线阅读 下载PDF 职称材料

基于复合差分进化算法与极限学习机的高炉铁水硅含量预报 被引量：17

15

作者 蒋朝辉 尹菊萍 +1 位作者 桂卫华 阳春华 《控制理论与应用》 EI CAS CSCD 北大核心 2016年第8期1089-1095,共7页

针对铁水硅含量无法直接在线检测的问题,本文提出了一种基于优化极限学习机(ELM)的高炉铁水硅含量预报方法.该方法利用复合差分进化算法(CoDE)的快速定位全局最优解的能力来优化极限学习机的输入权值和隐层节点阈值,在此基础上建立了基... 针对铁水硅含量无法直接在线检测的问题,本文提出了一种基于优化极限学习机(ELM)的高炉铁水硅含量预报方法.该方法利用复合差分进化算法(CoDE)的快速定位全局最优解的能力来优化极限学习机的输入权值和隐层节点阈值,在此基础上建立了基于复合差分进化算法优化极限学习机(CoDE-ELM)的高炉铁水硅含量预报模型.以某钢铁厂2650 m^3的高炉为例,利用实际采集数据进行模型检验,结果表明,当绝对误差小于0.1时,铁水硅含量的预报命中率为89%,均方根误差为0.047,实际目标值序列与预报值序列的相关系数为0.851.所建模型的预报结果优于支持向量机(SVM)、前馈神经网络(BP-NN)、极限学习机以及差分优化极限学习机(DE-ELM),对高炉炉温的实际调控具有较好的指导意义. 展开更多

关键词 铁水硅含量 预报模型 复合差分 极限学习机

在线阅读 下载PDF 职称材料

基于DE-MELM的土质边坡稳定性预测方法 被引量：8

16

作者 陈茸 韩宝安 +1 位作者 韩宝华 甘旭升 《安全与环境工程》 CAS 北大核心 2020年第4期87-93,共7页

为防止滑坡,避免发生事故,将差分进化(DE)算法与改进的极限学习机(ELM)有机组合,提出了一种基于DE-MELM的土质边坡稳定性预测方法。该方法首先在M估计基础上利用加权最小二乘方法计算ELM输出权值,以减少数据粗差对ELM预测的干扰;然后采... 为防止滑坡,避免发生事故,将差分进化(DE)算法与改进的极限学习机(ELM)有机组合,提出了一种基于DE-MELM的土质边坡稳定性预测方法。该方法首先在M估计基础上利用加权最小二乘方法计算ELM输出权值,以减少数据粗差对ELM预测的干扰;然后采用DE算法优化该ELM隐含层输入权值和偏差,以降低随机选取参数对预测性能的影响;最后通过所建立的DE-MELM土质边坡稳定性预测模型进行实例仿真验证。仿真验证结果表明:较之于标准ELM方法和基于M估计的ELM方法,所提出的DE-MELM方法仅经过15次迭代即可取得较为理想的预测精度,并对数据粗差具有较强的抗干扰能力,从而验证了其可行性和有效性。 展开更多

关键词 土质边坡 稳定性预测方法 极限学习机 差分进化算法 粗差

在线阅读 下载PDF 职称材料

面向工业计算机的网络入侵行为检测 被引量：10

17

作者 李威 姜学峰 +3 位作者 李健俊 倪雄军 刘一帆 李永震 《计算机应用》 CSCD 北大核心 2022年第S01期178-183,共6页

工业计算机在工业控制系统(ICS)中负责控制现场设备的核心控制器,直接面临来自开放网络的攻击威胁。针对工业计算机面临的外部网络攻击威胁,提出了适用于工业计算机的网络通信行为模型及高准确率的入侵检测方法。首先,分别从训练数据和... 工业计算机在工业控制系统(ICS)中负责控制现场设备的核心控制器,直接面临来自开放网络的攻击威胁。针对工业计算机面临的外部网络攻击威胁,提出了适用于工业计算机的网络通信行为模型及高准确率的入侵检测方法。首先,分别从训练数据和训练算法两个维度优化模型;然后,针对高维流量数据导致的训练成本过高、准确率低等问题,提出了基于相关性分析的网络行为特征选择方法;最后,采用差分进化算法对支持向量机(SVM)进行参数优化。以烟草行业场景下工控设备进行实验验证,实验结果表明,优化后的模型准确率达到97%,曲线下面积(AUC)值为0.98,可有效识别网络攻击。相较于随机森林(RandomForest)、SVM、遗传算法优化的支持向量机(GASVM)等机器学习算法,所提优化方法的准确率提升了1%~7%,精确率提升了1%~4%。 展开更多

关键词 网络入侵检测 行为检测 支持向量机 差分进化算法 机器学习

在线阅读 下载PDF 职称材料

基于自适应进化策略的人工蜂群优化算法 被引量：12

18

作者 张强 李盼池 王梅 《电子科技大学学报》 EI CAS CSCD 北大核心 2019年第4期560-566,共7页

提出一种自适应进化策略的人工蜂群优化算法来提高基本人工蜂群优化算法的性能。算法中每个引领蜂拥有4种进化策略,在迭代过程中通过计算每种进化策略的立即价值、未来价值和综合奖励来决定引领蜂个体的进化行为,并通过多策略进化概率... 提出一种自适应进化策略的人工蜂群优化算法来提高基本人工蜂群优化算法的性能。算法中每个引领蜂拥有4种进化策略,在迭代过程中通过计算每种进化策略的立即价值、未来价值和综合奖励来决定引领蜂个体的进化行为,并通过多策略进化概率变异方式来提升个体寻优速度或避免陷入局部最优解。典型高维复杂函数测试表明,该算法具有很好的收敛精度和计算速度。 展开更多

关键词 人工蜂群算法 进化策略 极限学习机 优化 上限置信区间

在线阅读 下载PDF 职称材料

基于快速极限学习机和差分进化的机场噪声预测模型 被引量：6

19

作者 徐涛 郭威 吕宗磊 《电子与信息学报》 EI CSCD 北大核心 2016年第6期1512-1518,共7页

该文针对传统机场噪声预测模型存在的建模成本高、实用性差的不足,引入时间序列相空间重构理论,提出一种新的基于快速极限学习机和差分进化算法的机场噪声一体化预测模型。该模型利用相空间重构理论对机场噪声时间序列进行重构,并使用... 该文针对传统机场噪声预测模型存在的建模成本高、实用性差的不足,引入时间序列相空间重构理论,提出一种新的基于快速极限学习机和差分进化算法的机场噪声一体化预测模型。该模型利用相空间重构理论对机场噪声时间序列进行重构,并使用快速极限学习机对重构的相空间矢量进行学习建模,同时采用改进的差分进化算法实现对重构参数和模型参数的同步优化选择,整个建模过程简洁高效,无需人工干预。实验结果表明,该一体化预测模型能较好地跟踪机场噪声的变化趋势,且具有较同类模型更小的预测误差。 展开更多

关键词 机场噪声预测 快速极限学习机 差分进化 相空间重构

在线阅读 下载PDF 职称材料

基于小波核主成分分析和差分进化优化极限学习机的入侵检测 被引量：4

20

作者 朱永胜 董燕 慕昆 《计算机应用与软件》 CSCD 北大核心 2014年第5期305-307,333,共4页

针对网络入侵检测,提出一种基于小波核主成分分析和差分进化极限学习机相结合的方法。首先采用核主成分分析法对原始数据进行非线性降维处理,为了进一步提高核PCA的非线性映射能力,引用小波核函数作为核PCA的核函数。然后采用极限学习... 针对网络入侵检测,提出一种基于小波核主成分分析和差分进化极限学习机相结合的方法。首先采用核主成分分析法对原始数据进行非线性降维处理,为了进一步提高核PCA的非线性映射能力,引用小波核函数作为核PCA的核函数。然后采用极限学习机对处理后的数据进行分类识别,针对初始权值随机选择造成极限学习机性能不稳定的问题,采用差分进化算法来获得最优的初始权值。实验结果表明该算法可以有效提高入侵检测的识别率,降低误报率和漏报率。 展开更多

关键词 入侵检测 小波核主成分分析 极限学习机 差分进化

在线阅读 下载PDF 职称材料