面向XRF的竞争性自适应重加权算法和粒子群优化的支持向量机定量分析研究

研究高效、准确、便捷的土壤重金属检测方法对于了解土壤的污染状况以及开展污染防治工作具有重要的意义。由于X射线荧光光谱分析(XRF)技术具备快速、准确、无损检测、样品制备简单等优势,在土壤重元素定量检测获得广泛应用。XRF仪器测试标准样品的荧光光谱并建立校准曲线,通过反演计算得到待测样品的元素含量。由于样品元素间存在基体效应,以及荧光谱特征峰存在叠加干扰,未经优化的校准曲线的线性度较差,这给反演计算来困难。为了解决上述问题,分别利用小波变换、非对称加权惩罚最小二乘法(arPLS)对光谱进行去噪和扣除本底基线,提高校准曲线的决定系数(R2);运用竞争性自适应重加权算法(CARS),针对不同目标元素优化变量选取;进一步地,基于选取的变量建立粒子群算法(PSO)优化的支持向量机回归(SVR)模型,并通过该模型反演计算各元素含量,提高定量分析的准确度和预测的泛化能力。实验结果显示,经过小波去噪和arPLS本底扣除后的校准曲线的决定系数(R2)有明显提升,Cr、Cu、Zn、As、Pb分别从0.965、0.979、0.971、0.794、0.915提高为0.979、0.987、0.981、0.828、0.953;通过CARS选取的谱线变量的个数大幅度减少,从2 048个通道降低到30个以下,为原来变量个数的1.5%,提高了变量选择的精准性;与偏最小二乘法(PLS)、未优化的SVR模型进行对比,采用CARS变量选择和PSO优化的SVR模型进行含量预测,训练集RC2与测试集RP2的决定系数分别在0.99、0.90以上,预测准确性有明显提高。因此,所提出的竞争性自适应重加权算法和PSO优化的SVR定量分析模型对于土壤重金属元素定量分析具有较好的理论指导和应用价值。

基于自适应加权融合算法的大空间火灾智能识别方法

大空间消防系统需要的探测器种类多、数量大,且采集数据易受环境干扰,进而使得火灾的识别难度大,精度低。为解决这一智慧消防系统的关键问题和难题,本文提出一种基于自适应加权融合算法的智能识别算法。在此基础上,以演播厅大型空间为例,进行探测器阵列布局与防火设计,并实现对明火和阴燃类火灾的智能化识别。

竞争性自适应重加权算法和相关系数法提取特征波长检测番茄叶片真菌病害

基于竞争性自适应重加权算法(CARS)和相关系数法(CA)特征波长选择方法,提出了利用可见-近红外高光谱成像技术检测番茄叶片灰霉病的方法。首先获取380~1 023nm波段范围内80个染病和80个健康番茄叶片的高光谱图像,然后提取染病和健康叶片感兴趣区域(ROI)的光谱反射率值,作为番茄叶片灰霉病鉴别模型的输入来建立支持向量机(SVM)鉴别模型,训练集和验证集的鉴别率都是100%。研究进一步通过CARS和CA提取特征波长,分别得到5个(554,694,696,738和880nm)和4个(527,555,571和633nm)特征波长,然后分别建立CARS-SVM和CA-SVM鉴别模型。结果显示,CARS-SVM模型中训练集和验证集的鉴别率都是100%,CA-SVM模型中训练集和验证集的鉴别率分别是91.59%和92.45%。以上结果说明了从可见-近红外高光谱图像中提取的光谱反射率值用于检测番茄叶片的灰霉病是可行的。

融合加窗和自适应加权引导滤波改进的Canny算法

针对Canny算法滤波过程中图像细节部分缺失和无法有效去除噪声,并且无法动态识别图像边缘的问题,提出一种融合加窗和自适应加权引导滤波的Canny算法。该算法对Canny算法做出两点改进:一是使用加窗滤波器对图像进行处理,有效滤除噪声,然后对图像进行数学形态学滤波处理,有效增强图像边缘;二是引入分段权值模型对引导滤波算法的正则化参数自适应修正,使其能够根据梯度信息区分边缘和非边缘,从而达到动态识别图像边缘的效果。相比传统Canny算法,改进算法处理后的信噪比提高了1.05~5.22 dB,品质因数提高了0.16~0.35。实验结果表明:改进算法能有效滤除椒盐噪声,识别出比较清晰和完整的边缘。

中红外光谱技术结合竞争性自适应重加权算法快速分析白酒风味组分

采用中红外光谱分析技术结合竞争性自适应重加权算法(CARS)对浓香型白酒基酒中的乳酸乙酯和乙酸乙酯的特征波长变量进行筛选后,建立偏最小二乘法(PLS)模型,并对其进行验证。结果表明,采用中红外光谱分析技术剔除明显噪声区域建立的PLS模型效果较好,而经CARS法进行特征波长选择后建立的CARS-PLS模型效果优于PLS模型,乙酸乙酯和乳酸乙酯的CARS-PLS模型相关系数R^(2)分别为0.995、0.989,预测均方根误差(RMSEP)分别为12.80、4.54,相对分析误差(RPD)分别为8.78及8.60,模型经独立验证均取得了较高的预测精度,验证数据相关系数R^(2)分别为0.994及0.992,RMSEP分别为13.55及4.86。该模型有较高的准确度及稳定性,能够用于白酒基酒中的乳酸乙酯和乙酸乙酯的快速分析,可为白酒酿造过程的质量把控提供技术方法。

竞争性自适应加权采样算法和连续投影算法在南疆冬枣水分模型中的分析

采用两种不同的波长变量选择方法对南疆冬枣进行偏最小二乘(PLS)建模分析,使用连续投影算法建立的模型预测标准偏差(RMSEP)为1.0672,校正标准偏差(RMSEC)为0.5997,相关系数(R)为0.9017,主因子数为10。使用竞争性自适应加权采样算法建立的模型预测标准偏差(RMSEP)为1.0941,校正标准偏差(RMSEC)为0.6148,相关系数(R)为0.9275,主因子数为7。结果表明连续投影算法和竞争性自适应加权采样算法都能够有效地优选出全光谱的256个变量中的13个变量,降低建模的波长变量,减小了模型的复杂性,提高了模型的精度。两种算法在筛选南疆冬枣的特征波长是可行的。

SLAM精度的向量加权平均自适应调节研究

针对粒子滤波算法需要大量粒子以提高精度以及重采样导致的粒子多样性缺失的问题,提出一种自调INFO(向量加权平均算法)优化的粒子重组粒子滤波算法。首先,通过向量不同的加权平均规则,使得最优粒子引导粒子集向期望区域移动,以此提高估计精度;其次,实时计算最优粒子附近的粒子密度,当密度大于阈值时,自适应调整迭代次数,实时监测粒子密度,根据此指标引入次优粒子的作用自适应调整粒子集分布;最后,重采样阶段将筛选后保留的粒子与剩余粒子重新组合成新的粒子,以此增加粒子多样性。通过仿真实验检验改进算法在SLAM中的性能,结果表明该算法较标准算法相比,其位姿与路标估计精度更高且鲁棒性更佳。

基于自适应果蝇优化算法的加权分簇算法

针对无人机编队网络管理问题,提出了一种基于自适应果蝇优化算法的加权分簇算法,利用分簇结构进行网络优化。该算法使用了基于离差标准化的数据归一化方法对各性能指标进行处理,并根据整体能耗改变权值分配规则,共同提高了簇头选举的客观性;分析了未定节点调整准则,提出了应用自适应果蝇优化算法进行簇的规模优化,消除了孤立节点和小规模簇;引入了剩余能量阈值和安全距离阈值约束维护条件,并分析了阈值的最优取值,减少了簇的维护次数。仿真结果表明,所提算法能够有效提高无人机编队各方面的性能,与现有算法相比,能够获得更好的网络管理效果。

窗口竞争性自适应重加权采样策略的近红外特征变量选择方法

通过消除光谱中的冗余信息变量,挑选出代表样品性质的特征变量代替全谱建立定量模型,可以提高近红外分析结果的准确性。基于进化论中适者生存原理的竞争性自适应重加权采样(CARS)算法因具有计算速度快、筛选得到的特征波长少等优点,在近红外特征变量筛选方面得到了广泛的应用。然而该方法在计算过程中容易出现校正集和验证集结果不一致情况。这是因为算法过于强调校正集交叉验证结果,且并未考虑相邻变量之间的协同作用。为了建立更加稳健的变量筛选方法,通过结合"窗口"以及CARS算法的优势,提出了一种基于窗口竞争性自适应重加权采样(WCARS)策略的近红外特征变量筛选方法,并将其应用于复杂植物样品近红外光谱与其化学成分含量之间的建模分析。采用WCARS方法可以实现准确定量分析,且通过与竞争性自适应重加权采样(CARS)方法结果相比较, WCARS方法得到的校正集和预测集结果一致,在一定程度上减少了过拟合问题的出现。该策略能有效增强特征变量选择的稳健性,提高了定量模型的可信度,具有一定的应用价值。

基于自适应加权算法的通信网络安全态势感知数学模型研究

通信网络安全态势感知中态势值不精准,拟合程度差,研究新的基于自适应加权算法的通信网络安全态势感知数学模型。提取态势特征,确定网络系统造成危害的感知,计算损害程度,构建多维态势感知数学模型,训练与测试模型数据,运用动态时间规划算法消除不匹配现象,调整权重变化特征获得最优解,实现通信网络安全态势感知数学模型设计。实验结果表明,本文方法小组态势值精准吻合,拟合效果理想,并且感知响应时间仅为0.9s,可以更加快速地感知通信网络受到的攻击,实现通信网络安全态势感知数据模型的有效运用。

自适应样本和特征加权的k-means算法

针对k-means算法在处理一些同时具备样本噪声与特征噪声的数据集时表现不佳的问题,提出一种自适应样本和特征加权的k-means聚类算法(ASFW)。所提算法引入负熵和一种正则化项,在每次迭代中自适应地调整样本和特征权重,并通过一种新的距离度量函数向最优解进行退火,可以有效避免得到较差的局部最小值,同时保持经典k-means算法的简单性。在人工合成数据集的聚类结果表明,相较于同类算法,ASFW的聚类效果更好,且对噪声样本和特征赋予的权值更正确合理,说明所提算法能够有效识别噪声,降低噪声对聚类结果的影响;在6个真实数据集下的聚类结果显示,ASFW在各个数据集的聚类性能均优于对比算法,且在大多数数据集上取得了最佳的标准互信息(NMI)和调整兰德系数(ARI),充分验证了ASFW具有良好的聚类性能。

基于极大后验估计和指数加权的自适应UKF滤波算法

针对传统Unscented卡尔曼滤波器(Unscented Kalman filter,UKF)在噪声先验统计未知时变情况下非线性滤波精度下降甚至发散的问题,设计了一种带噪声统计估计器的自适应UKF滤波算法.首先根据极大后验(Maximum a posterior,MAP)估计原理,推导出一种次优无偏MAP常值噪声统计估计器;接着在此基础之上,采用指数加权的方法,给出了时变噪声统计估计器的递推公式;最后对自适应UKF算法进行了性能分析.相比于传统UKF,该自适应UKF算法在噪声统计未知时变情况下不仅滤波依然收敛,滤波精度及稳定性显著提高,而且其具有应对噪声变化的自适应能力.仿真实例验证了其有效性.

一种基于加权海明距离的自适应遗传算法

针对普通遗传算法易出现早熟收敛和搜索效率低的缺陷,提出一种基于加权海明距离的自适应遗传算法.该算法综合考虑个体间加权海明距离和适应度值,自适应调整交叉概率和变异概率;采用精英保留法,保证最优个体不被破坏;使用双重停机准则,减少不必要的计算时间,提高遗传搜索效率.最后,运用经典测试函数对该算法进行了仿真实验.结果表明,该算法可以显著提高遗传优化的全局搜索能力,加快遗传算法的收敛速度.

基于自适应加权光滑约束与PCG算法的三维电阻率探测反演成像

三维电阻率探测在实际工程中日益受到重视,但存在着深部分辨率低、反演效率低等关键问题,严重制约了三维电阻率探测技术的应用和推广。针对深部分辨率低的问题,提出了一种随三维模型网格尺寸自适应调整的加权光滑约束,改善了深部网格的电阻率差异容许程度,实现了对不同深度网格约束的差异化加权处理,有效的提高了深部反演的分辨率和成像效果。针对反演计算耗时长、效率低的问题,基于预条件共轭梯度法求解快速稳定的优势,提出了三维电阻率快速稳定反演成像算法。在该算法中,将雅可比迭代中的对角阵作为预条件矩阵,其具有求逆方便、无需内存空间的特点,显著加快了收敛速度。最后,利用合成算例和隧道导水裂隙探测的工程实例验证了上述反演方法的可行性与有效性,表明借助于自适应调整加权光滑约束和预条件共轭梯度算法,有效的提高了深部分辨率和计算效率,显著改善了反演效果。

基于加权次梯度投影算法的数字助听器自适应声反馈抑制

本文提出了一种利用加权自适应次梯度投影算法(Weighted Adaptive Projection Subgridient Method,WAPSM)进行声反馈抑制的方案。WAPSM算法来自于自适应次梯度投影算法(Adaptive Projection Subgridient Method,APSM),它以次梯度投影的超平面作为搜索区域来进行松弛投影。本文提出的算法将估计系统的先验知识以权重因子一在很多应用中为指数衰减一的方式加入APSM算法中提高算法性能。以WAPSM算法应用于助听器声反馈抑制的大量仿真实验表明,算法相比传统的NLMS算法和APSM算法在收敛速度、稳定性和精度方面取得了显著的进展。进一步的实验表明,算法在以实际语音作为数字助听器输入信号时取得了优异的性能,并且在低信噪比条件下具有较强的鲁棒性。

带密度加权的自适应遗传算法

为了改善传统自适应遗传算法收敛速度慢、易陷入局部最优解的情况,提出了带密度加权的自适应遗传算法.该算法基于种群的分布密度,动态调整遗传算法的交叉概率和变异概率,并且在算法中使用了保留最佳个体法.实验结果表明:该算法在破坏种群局部稳定性、跳出局部极值的同时,又能以较快的速度收敛于全局最优,提高了算法的实用性和鲁棒性.

基于自适应加权算法的通信网络安全影响数学模型

针对目前通信网络安全影响问题的分析,本文引入传统的信息安全影响数学模型,在此基础上,进一步结合安全防护有效实施的重视程度,提出了一种针对通信网络安全影响分析的改进模型。该模型在对通信网络安全威胁、通信网络作战方式、网络安全属性以及对网络安全对抗属性进行量化分析的基础上,利用模糊数学理论和自适应加权算法,对有效实施安全防护情况下的通信网络安全影响进行了定量分析和建模。基于Monte Carlo法的仿真实验结果证明了本文模型的有效性。

多传感器在线自适应加权融合跟踪算法

针对多传感器机动目标的跟踪问题 ,提出了一种多传感器在线自适应加权融合跟踪算法 .该算法依据估计的各传感器的方差的变化 ,及时调整参与融合的各传感器的权系数 ,使融合系统的均方误差始终最小 ,从而能在线适应传感器性能改变 .仿真结果表明 。

一种改进型自适应加权模糊均值滤波算法

针对原有的自适应加权模糊均值AWFM滤波器对局部噪声幅度估计不足的缺点 ,提出了一种新的改进型自适应加权模糊均值MAWFM滤波算法。该算法采用了一种新的模糊检测方法 ,可以同时检测各个像素点的正负向噪声幅度 ,从而能够建立一种新的自适应的模糊信号空间 ,以适应噪声在各个图像局部的变化。实验结果表明 ,MAWFM滤波器比以前的AWFM滤波器及传统的中值滤波器均有较优越的性能。