基于觅食能力分配搜索任务的侏儒猫鼬优化算法

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。

通信干扰下无线传感器网络中微弱信号检测

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。

基于支持向量机的图像型火灾识别研究

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。

基于并行预测策略的公共楼宇日前空调负荷预测

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。