-
题名基于混合蚁群关联规则挖掘的危险源分析算法
被引量:3
- 1
-
-
作者
佘雅莉
周良
-
机构
南京航空航天大学计算机科学与技术学院
-
出处
《计算机技术与发展》
2018年第11期89-93,共5页
-
基金
江苏省产学研联合创新资金项目(SBY201320423)
-
文摘
针对民航危险源原因分析中存在人工参与较多缺乏客观性的问题,设计了一种基于混合蚁群关联规则挖掘的危险源原因分析算法(HA-MACR),利用关联规则挖掘来探索危险源原因。该算法摒弃了传统关联规则挖掘算法重复扫描数据库导致挖掘效率较低及产生大量候选集、容易出现"组合爆炸"现象等缺点,将改进后的蚁群算法用于挖掘最大频繁项集,并由此产生质量较好的强关联规则,从而找到导致危险源的不安全事件。同时,为了避免蚁群的盲目性,混合了粒子群,借助粒子群确定蚁群的初始信息素浓度。通过上述改进,有效增强了算法的搜索能力,提高了关联规则挖掘的效率,且避免了算法陷入局部最优,从而使危险源原因分析更加快速、准确。
-
关键词
危险源原因分析
关联规则挖掘
蚁群算法
粒子群
-
Keywords
hazards analysis
association rule mining
ant colony algorithm
particle swarm
-
分类号
TP183
[自动化与计算机技术—控制理论与控制工程]
-
-
题名基于改进在线序列学习机的危险源识别算法
- 2
-
-
作者
佘雅莉
周良
-
机构
南京航空航天大学计算机科学与技术学院
-
出处
《计算机技术与发展》
2018年第9期72-77,共6页
-
基金
江苏省产学研联合创新资金项目(SBY201320423)
-
文摘
危险源是影响飞行安全的重要因素,如何正确地识别危险源并采取对应措施确保飞行安全是民航空管必不可少的关键环节。这要求危险源识别算法在保证识别准确度的前提下还需具备在线处理数据的性能。据此,提出了一种基于改进在线序列学习机的危险源识别算法HI-OSELM。将当前新到达的危险源数据添加到网络结构中,实时更新学习机输出权值,对危险源进行在线识别,并用全局寻优能力较好的自适应差分进化方法对输入权值和隐层偏置进行优化;通过随机生成多组初始值,用实际输出与理想输出之间的均方根误差作为适应度指标进行训练,不断进化直至达到最大种群迭代次数,最终获得最优的网络输入权值和隐层偏置,使HI-OSELM有更好的泛化性能,算法的识别结果准确性更高。
-
关键词
危险源识别
在线学习
极限学习机
差分进化
-
Keywords
hazards identification
online learning
extreme learning machine
adaptive differential evolution
-
分类号
TP183
[自动化与计算机技术—控制理论与控制工程]
-