卷积神经网络与人工水母搜索的图特征选择方法

目前,卷积神经网络(Convolutional Neural Network,CNN)模型在处理图像数据时分类效果较差,人工水母搜索(Artificial Jellyfish Search,AJS)算法收敛速度慢,迭代次数多,特征选择的效果不理想.针对上述问题,提出一种基于CNN和AJS的图特征选择方法 .首先,使用CNN来提取特征,将生成的特征图进行图嵌入降维,再使用AJS算法进行特征选择,把得到的特征输入分类器,进行模型训练和评估;然后,在图嵌入阶段,将特征图进行随机游走,并通过添加特征权重计算节点的游走概率来增强权重大的节点的游走概率,提高分类精度;最后,在AJS算法中引入余弦公式对人工水母的位置进行更新,充分考虑特征向量之间的相似性,提高算法的收敛速度并减少迭代次数.在10个基准函数上进行实验,结果表明改进的AJS算法具有较好的优化性能.在四个数据集上,将提出的算法与其他算法进行对比实验,实验结果表明,提出的算法能提高分类精度,减少迭代次数.

基于改进人工水母搜索算法的电液伺服系统控制研究

电液伺服系统是工业制造领域不可或缺的一部分,它是一个复杂的时变非线性系统,常规PID在实际工业控制中存在参数调节难度大、效率低等问题,很难达到理想的控制结果。针对以上问题,提出一种改进人工水母搜索算法来优化PID控制器参数的方法,将蝴蝶算法中随机移动概念引入到人工水母算法中,并将其和PSO算法、标准人工水母搜索算法进行对比分析,利用MATLAB软件搭建PID控制模型。仿真结果表明:运用改进人工水母搜索算法能高效、精确、快速地寻优出PID控制器的最佳参数,并展现出了鲁棒性好、调节时间少、运行相对稳定等优点,系统的控制性能得到了显著提升。

面向人脑功能划分的人工水母搜索优化算法

人脑功能划分是揭示人脑功能分离性的重要方式。然而,现有的大多数划分方法因不能较好地处理功能磁共振影像(fMRI)数据的高维性和低信噪比性,表现出搜索能力较弱和划分结果较差的问题。为了减轻此问题,提出一种基于人工水母搜索优化(AJSO)的人脑功能划分方法。该方法首先基于预处理的fMRI数据计算功能相关矩阵,并将其映射到低维空间。然后将食物编码为由多个功能簇中心构成的聚类解,利用改进型人工水母搜索优化算法搜索更优的食物,采用融入迭代停滞的时间控制机制调控人工水母执行主动运动或被动运动,以提高全局搜索能力;针对主动运动设计适应度引导的步长确定策略,增强人工水母搜索的科学性和针对性。最后根据最小距离原则得到相关矩阵中每行数据的簇标,并将其映射到相应的体素上。在真实fMRI数据上的实验表明:与其他一些划分方法相比,新方法不仅拥有较高的搜索能力,而且可得到具有更好空间结构和更强功能一致性的划分结果。这项研究将人工水母搜索优化算法应用于人脑功能划分,提供了一种更有效的人脑功能划分方法。

基于多策略融合的人工水母算法的瑞雷面波反演研究

为了快速、准确地通过反演得到浅地表地层结构,本文将人工水母搜索算法引入到瑞雷波频散曲线反演问题,并对其进行了相应的改进。在水母跟随洋流运动阶段引入莱维飞行扰动与指数递减型惯性权重,可以扩大算法的全局搜索能力,提高算法的寻优收敛速度;在水母被动运动阶段引入指数递减型惯性权重,并结合黄金正弦算法,可以提升算法的探索寻优能力。本文对多策略融合人工水母算法在瑞雷面波频散曲线反演问题中的效率和精度进行了研究,将人工水母搜索算法、多策略融合人工水母算法与传统非线性粒子群算法分别应用于速度递增层、含低速软夹层与含高速硬夹层三个典型的四层理论地质模型,对理论频散曲线和加随机测试误差的频散曲线进行了反演研究,验证了多策略融合人工水母算法在瑞雷面波反演研究中的有效性与稳定性。

基于ESMD-FE-AJSO-LSTM算法的水闸深基坑变形预测

水闸深基坑开挖变形具有明显的非线性和非稳定性特征,基于此,引入极点对称模态分解算法(extremepoint symmetric mode decomposition method,ESMD)对水闸深基坑开挖变形原型监测序列进行多模态分解,并基于模糊熵(fuzzy entropy, FE)理论对各分解分量进行模糊多模态相空间重构,从而有效甄别水闸基坑变形不同时间尺度有效物理特征。构建基于人工水母搜索算法(artificial jellyfish search optimizer,AJSO)优化的长短期记忆(long short-term memory,LSTM)人工神经网络模型,以重构后的各重构子序列为基础进行优化训练,并把训练后的各预测模态分量合并,实现对水闸基坑开挖变形动态预测和分析。以张家港市十一圩江边枢纽改建工程基坑开挖变形监测为例,采用上述方法对该枢纽工程基坑开挖过程变形进行预测和分析。结果表明:基于ESMD-FE-AJSOLSTM算法的水闸深基坑变形预测方法能够有效预测基坑开挖变形非线性特征,相比传统LSTM、循环神经网络(recurrent neural network, RNN)和支持向量机(support vector machine,SVM)等算法具有更高的预测精度和稳定性,为实现对基坑开挖安全性态实时科学诊断和分析提供技术参考。

基于混合策略改进蜣螂优化算法的无人机三维路径规划

针对传统蜣螂优化(DBO)算法存在的容易陷入局部最优、搜索效率低、规划路径不稳定等问题,提出混合策略改进蜣螂优化(IDBO)算法的无人机三维路径规划方法。首先对地形、障碍物环境进行空间建模,按照约束条件制定无人机飞行总成本函数,将路径规划问题转换为多约束条件下的优化问题;其次使用Circle混沌映射策略增加蜣螂种群的多样性,建立反余弦函数公式改进边界收敛因子,提高算法的寻优精度和平衡算法局部和全局寻优能力;最后引入人工水母搜索算法的时间控制机制和主动运动策略,实现种群个体间信息交流,提升搜索效率、多样性,避免算法陷入局部最优,并通过动态选择策略与自适应t分布扰动进一步提高算法的收敛速度、寻优能力。仿真结果表明,无论是在简单还是复杂的三维环境中,IDBO算法都能表现出搜索效率高、规划路径短、探索节点有效性高、飞行高度稳定的优点。

基于小波包分解的AJS-GMDH月径流时间序列预测研究

为提高月径流时间序列预测精度,建立基于小波包分解(WPD)、人工水母搜索(AJS)算法、数据分组处理方法(GMDH)的WPD-AJS-GMDH月径流时间序列预测模型。采用WPD将月径流时序数据分解为若干子序列分量;选取6个典型函数在不同维度条件下对AJS算法进行仿真测试;利用AJS算法优化GMDH网络关键参数,建立WPD-AJS-GMDH模型,并构建基于支持向量机(SVM)、BP神经网络及完全集合经验模态分解(CEEMD)、小波分解(WD)的17种对比分析模型;最后利用云南省龙潭站1952年~2016年780组的月径流时间序列数据对所建立的18种模型进行检验。结果表明,在不同维度条件下,AJS算法均具有较好的寻优效果;WPD-AJS-GMDH模型预测误差均小于其他17种模型;对于月径流时序数据分解,WPD分解效果优于CEEMD、WD方法;AJS算法能有效优化GMDH网络参数,提高预测性能。