空间逐步寻优数据挖掘在遥感影像分类中的应用

在遥感地学分析模型中,由于遥感信息模糊和不确定性的特点,其特征空间中的特征分布并不完全符合特定的高斯密度分布,而是分布形状各异,相互交错,用传统模型是很难获得特征的最优分布解的,而空间逐步寻优数据挖掘方法(SOMM)是在演化寻优理论的基础上,融合知识的参数化分布函数,来逐步分离特征空间,逐步降解的获得特征树状的层次结构。结合实例,用SOMM方法对遥感影像进行分类计算,并与传统的最大似然分类方法的分类结果进行了比较。

遗传算法中参数选取及其在数据全局寻优中的应用

对基于遗传算法的基本原理及其关键参数的选择进行了讨论,提出了在遗传进化的选择过程中使用淘汰率和保护率的改进方案,并分析了两类参数的选择对遗传算法收敛速度的影响。最后通过将其与Matlab软件结合,实现遗传算法在数据全局寻优中的应用。

切削数据库数据优化算法及其应用

随着金属切削向高效率、高精度、智能化方向发展,切削数据库的支撑作用越来越重要,如何解决切削数据库的数据优化问题一直是研究的热点课题.数据优化算法是解决数据优化问题的基础,因此,对数据算法的理论及应用研究都是具有重要学术意义和实用价值.本文详细论述了几种数据获取技术在切削数据库中的应用,分析比较了几类切削数据优化算法,并总结了数据寻优算法的改进算法.最后根据切削数据库的发展方向及数据优化算法存在的问题进行了展望.

基于智慧全景的巢湖蓝藻水华生态大数据融合算法

以提升巢湖蓝藻水华生态大数据的融合效率、降低融合误差为目的,研究基于智慧全景的巢湖蓝藻水华生态大数据融合算法。通过基于智慧全景的生态数据感知过程完成巢湖蓝藻水华生态大数据的感知、采集和存储,将感知的大数据输入正交基前向神经网络中,实现大数据融合;采用萤火虫优化算法优化神经网络融合过程,实现巢湖蓝藻水华生态大数据的高效融合。测试结果表明该算法具有较高的巢湖蓝藻水华生态大数据融合效率,融合误差小,可有效提升巢湖蓝藻水华生态大数据的使用率和管理程度。

基于人工智能工程机械优化调度方法的研究

工程机械优化调度方法的研究具有十分重要的意义。本文利用人工神经网络多数据寻优好的特点,对工程机械土方工程调度问题进行人工智能优化调度。通过研究建立了工程机械施工质量、工期、效率、成本等多目标函数寻优模型,为工程机械机群优化调度实际应用奠定了理论基础。