-
题名改进量子粒子群算法的模糊神经网络水质评价
被引量：16
- 1
-
-
作者
彭越兮
徐蔚鸿
陈沅涛
马宏华
-
机构
长沙理工大学计算机与通信工程学院
南京理工大学计算机科学与工程学院
湖南省资兴市科学技术局
-
出处
《计算机工程与应用》
CSCD
北大核心
2018年第11期211-216,共6页
-
基金
国家自然科学基金(No.61363033)
湖南省科技服务平台基金(No.2012TP1001)
-
文摘
传统的粒子群算法训练神经网络的水质评价模型有学习速度慢,容易陷入局部最优和精确性不高的缺点。为了克服模型的缺点,提出了利用改进的自适应量子粒子群算法训练T-S模糊神经网络的新模型,新的自适应量子粒子群算法通过在算法中引入聚集度的概念,使得算法可以在迭代中自适应地调整收缩扩张系数,让算法更具动态自适应性。新的模型结合了量子粒子群算法和T-S模糊神经网络的优点,提高了模型的泛化能力。通过对东江湖流域站点2002到2013年的水文数据进行实验,结果显示,该模型比其他神经网络模型的评价结果具有更高的效率,适合被用于日常水质评价工作。
-
关键词
量子粒子群算法
聚合度
收缩扩张系数
模糊神经网络
水质评价
-
Keywords
quantum-behaved particle swarm optimization
aggregation degree
contraction-expansion coefficient
fuzzyneural network
water quality evaluation
-
分类号
TP391.1
[自动化与计算机技术—计算机应用技术]
-
-
题名自适应局部半径的DBSCAN聚类算法
被引量：19
- 2
-
-
作者
秦佳睿
徐蔚鸿
马红华
曾水玲
-
机构
长沙理工大学计算机与通信工程学院
湖南省资兴市科学技术局
吉首大学信息科学与工程学院
-
出处
《小型微型计算机系统》
CSCD
北大核心
2018年第10期2186-2190,共5页
-
基金
国家自然科学基金项目(61363033)资助
湖南省科技服务平台基金项目(2012TP1001)资助
-
文摘
经典的基于密度的聚类方法 DBSCAN算法需要指定邻域半径和最小数据点阈值两个基本参数.这两个参数的确定对聚类结果的影响非常大.目前缺少有效的参数选择确定方法,同时DBSCAN算法在聚类过程中,使用统一的邻域半径参数,使得密度不均匀集上的聚类质量不高.本文提出一种自适应选择局部半径的密度聚类算法(SALE-DBSCAN),通过确定密度峰值点,自适应选择聚类的局部邻域半径,简化了参数选择的过程;通过使用自适应选择的局部邻域半径扩张密度峰值点的邻域进行聚类,提高了聚类结果质量.实验结果表明,本SALE-DBSCAN算法相较其他密度聚类算法的聚类结果更加准确.
-
关键词
密度聚类
DBSCAN
密度峰值
自适应局部半径
-
Keywords
density-based clustering
DBSCAN
density peak
eps adaption
-
分类号
TP301
[自动化与计算机技术—计算机系统结构]
-
