-
题名基于觅食能力分配搜索任务的侏儒猫鼬优化算法
- 1
-
-
作者
张宁
王勇
张伟
-
机构
广西民族大学人工智能学院
广西混杂计算与集成电路设计分析重点实验室
-
出处
《广西民族大学学报(自然科学版)》
CAS
2023年第3期74-85,共12页
-
基金
国家自然科学基金资助项目(61662005)
广西自然科学基金资助项目(2021GXNSFAA220068)。
-
文摘
针对侏儒猫鼬优化算法存在的不足,提出一种基于觅食能力分配搜索任务的侏儒猫鼬优化算法。首先采用tent混沌自适应步长平衡全局搜索与局部开发;针对alpha组搜索盲目性问题,优化其移动方向及移动能力;针对侦察组算法移动方向存在误导性问题,增强其个体纠错能力,从而提升个体觅食能力;改进保姆组移动算法,提升种群的局部开发能力;最后提出一种新的种群觅食策略,平衡各算法之间调用策略,提升算法整体性能。通过解决12个基准测试函数与支持向量机的参数优化问题,对该文算法性能进行数值实验验证。实验结果表明FADMO的全局收敛精度与全局收敛速度均有明显提高,并适用于实际问题求解。
-
关键词
智能优化
侏儒猫鼬优化算法(DMO)
觅食能力分配任务
支持向量机参数优化
-
Keywords
Intelligent optimization
Dwarf mongoose optimization(DMO)
Foraging ability assignment tasks
Support vector machine parameter optimization
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名通信干扰下无线传感器网络中微弱信号检测
- 2
-
-
作者
张燕
曹婷
侯兆阳
-
机构
南阳理工学院信息工程学院
长安大学理学院
-
出处
《计算机仿真》
2024年第3期415-418,425,共5页
-
基金
河南省科技攻关项目(222102210206)。
-
文摘
微弱信号检测是保证无线传感器网络高效使用的重要环节,但检测过程易受噪声信号、传感器性能、虚拟信号等因素的干扰,从而导致误检。为了解决上述问题,提出一种通信干扰下无线传感器网络微弱信号检测方法。通过局部投影降噪法剔除信号中的噪声,避免噪声对检测过程产生影响。采用主分量分析算法提取去噪信号的特征,并根据遗传算法优化支持向量参数,将提取的特征输入到向量机中,通过特征的分类完成通信干扰下无线传感器网络微弱信号的检测。实验结果表明,所提方法的信号检测结果与实际结果基本一致,检测时间在30ms内,且抗噪性能强。
-
关键词
局部投影降噪
主分量分析法
累积方差贡献率
特征的分类预测
支持向量机参数优化
-
Keywords
Local projection noise reduction
Principal component analysis
Cumulative variance contribution rate
Classification and prediction of features
Optimization of Support Vector Machine Parameters
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名基于支持向量机的图像型火灾识别研究
- 3
-
-
作者
任正韬
-
机构
西安建筑科技大学
-
出处
《IT经理世界》
2020年第2期60-60,共1页
-
文摘
本文以支持向量机(SVM)为栽体,同时利用近来来新兴的人工蜂群算法(ABC)对其中主要参数进行优化,并与传统的粒子群(PSO)优化算法进行性能比对,旨在获取更优的分类模型,对火灾样本的实现精准且高效的检测。
-
关键词
数字图像处理
人工蜂群算法
模式识别
支持向量机参数优化
-
分类号
TP181
[自动化与计算机技术—控制理论与控制工程]
-
-
题名基于并行预测策略的公共楼宇日前空调负荷预测
被引量:6
- 4
-
-
作者
颜庆国
阮文骏
陈楚
陈星莺
宁艺飞
余昆
-
机构
国网江苏省电力公司
河海大学能源与电气学院
江苏省配用电与能效工程技术研究中心
南京河海科技有限公司
-
出处
《电网与清洁能源》
北大核心
2016年第11期80-86,90,共8页
-
基金
国家自然科学基金项目(51577051)
国家电网公司科技项目(SGJS0000YXJS1501044)~~
-
文摘
随着我国城市建设的推进,公共楼宇的用电能耗增长迅速。为加强能耗管理、降低能耗水平,对公共楼宇空调系统日前用电负荷进行预测是工作的基础。针对当前公共楼宇空调系统日前负荷预测累积误差大的现象,提出对日前24 h单独建立负荷预测模型的并行预测策略。然后融合主成分分析和模糊C均值聚类对数据进行预处理,形成合适规模及变量维度的训练数据,将其作为支持向量机预测模型的输入,并通过粒子群算法对SVM的模型参数进行自适应寻优。以实际公共楼宇空调负荷历史数据为基础,对比分析所提出的算法与串行预测策略及传统交叉验证试凑参数的SVM预测算法,结果表明提出的方法充分利用了公共楼宇空调负荷的特点,预测精度高、速度快。
-
关键词
公共楼宇空调系统
日前负荷预测
并行预测策略
数据预处理
支持向量机参数优化
-
Keywords
public building air conditioning system
day ahead load forecasting
parallel prediction strategy
data pre-processing
parameter optimization of SVM
-
分类号
TU831.2
[建筑科学—供热、供燃气、通风及空调工程]
TM715
[电气工程—电力系统及自动化]
-