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。

一种结合自适应惯性权重的混合粒子群算法

粒子群算法(particle swarm optimization,PSO)是一种容易实现且高效的优化算法,但该算法对各种参数反应较为敏感.本文针对经典粒子群算法容易陷入局部最优的不足之处进行研究,提出对经典粒子群算法使用自适应惯性权重并引入模拟退火法的思想来解决经典粒子群优化算法容易陷入局部最优解的问题.仿真实验结果表明,本文提出的混合算法与经典粒子群算法相比,不仅能够避免寻优过程中陷入局部最优问题,而且还具有收敛速度快、成功次数高、稳定性及寻优结果好等特点.

权重系数自适应光流法运动目标检测

为了实现Horn-Schunck光流法权重系数的自适应设定与更新,研究了权重系数对Horn-Schunck光流法的影响规律,提出一种融合模糊C均值(FCM)聚类的权重系数自适应Horn-Schunck光流法。首先,统计不同权重系数下运动目标检测的光流总值变化曲线。然后,以光流总值的最优化为依据,结合两层模糊C均值(FCM)聚类寻找最优权重和基于固定迭代次数Horn-Schunck光流法的收敛点,从而自适应地获取最优权重系数,并将收敛阈值的人工设定转化为光流值的自动寻优。最后,通过标准视频序列进行测试以验证算法的有效性。实验结果表明:相比于其他权重系数值,最优权重估计的光流图像不但运动目标明显而且噪声较少。对运动目标检测的运行时间为0.106 0s,有用比为0.596 9,幅度误差为0.801 1,满足光流法运动目标检测的最优或次优性能。

一种自适应惯性权重的混合蛙跳算法

针对混合蛙跳算法(SFLA)易陷入局部最优、收敛速度慢的问题,提出一种改进的混合蛙跳算法。该算法用相对基学习法初始化青蛙群体,从而提高初始解的质量。通过引入自适应惯性权重修正青蛙的更新策略,可以平衡算法的全局搜索和局部搜索。对6个经典函数的仿真测试结果表明,该算法与SFLA和ISFLA1算法相比寻优能力强、迭代次数少、解的精度高,更适合高维复杂函数的优化。

基于自适应可变权重的铁路继电器机电参数融合方法研究

铁路继电器性能优劣直接影响铁路系统的正常运行。为分析铁路继电器长期动作造成的性能退化,研究一种融合继电器机械参数和电参数的方法来综合反映继电器性能状态。利用熵权法分析继电器性能参数所含退化信息量,客观确定参数基础权重。根据性能参数退化特征,引入考虑关键参数优化差异的劣化参数凸显因子和异常趋势惩罚因子,对基础权重进行优化调整,获得自适应可变权重,确定能够综合反映继电器机电性能退化的融合参数。分析结果表明:采用自适应可变权重可以有效融合继电器机械参数和电参数;对融合参数及多维性能参数进行预测,能够确定继电器的寿命及失效机理。

权重自适应模糊层次分析方法及应用

借鉴了误差反向修正理论和增量式的思想,结合层次分析法固有的优势,提出了具有自适应能力的权重设定层次分析法(adaptive weight setting method,AWS)新方法,使盾构法隧道施工风险识别模型能够利用较少的施工数据,完成进行权重调整,满足了实际隧道施工中风险评估的需求。该方法在上海地铁某区间隧道工程中进行了试用,取得了良好的效果,表明了该方法的有效性和实用性。

基于自适应权重缓冲灰色理论的中长期负荷预测方法研究

中长期负荷预测是电力系统规划和调度的基础和重要前提。针对传统预测方法精度低且适用性差的缺陷,结合灰色预测理论,提出了一种基于自适应权重缓冲理论的综合改进预测方法。该方法不仅通过对比置换法减少了奇异数据对预测模型的干扰,同时利用自适应权重缓冲的方法对不同权重进行迭代,以满足预测值与实际值离差平方和最小为目标,求得模型最优背景值权重系数,最后通过对预测结果的残差修正,进一步提升了预测精度。通过实际的电网数据仿真表明,所提出的基于自适应权重缓冲理论的中长期负荷预测方法具有更佳的预测精度和更强的适用性。

基于序关系分析法和自适应噪声完备集合经验模态分解法的直升机飞行培训安全风险评估指标权重分析

为有效管控直升机飞行培训的安全风险,依据“人-机-环-管”(man-machine-environment-management,MMEM)理论构建直升机飞行培训安全风险评估指标体系,并提出基于序关系分析法(order relation analysis method,G1)和自适应噪声完备集合经验模态分解法(complete ensemble empirical mode decomposition with adaptive noise,CEEMDAN)的权重确定方法。利用G1确定指标的主观权重,利用CEEMDAN确定指标的客观权重,然后利用最小相对信息熵原理最终确定直升机飞行培训安全风险评估指标的组合权重。以典型直升机飞行培训机构为例进行分析。结果表明不良天气对系统安全的影响最大,同时验证了该方法的简便实用,可以有效帮助机构有针对性地实施安全风险控制和管理。

基于自适应权重法的K-means模型对遥感图像分割

针对传统K-means算法不易获得最优质心及易于趋向局部最优的问题,提出一种基于最优权重法的K-means模型对遥感图像分割的方法。使用二维高斯函数对遥感图像进行滤波平滑处理,减少噪声对像素点的影响;依据早熟收敛度和自适应值进行调整,找到最优权重作为初始聚类中心,从而有效地跳出局部最优;将样本分配到每个聚类中心,不断进行迭代更新簇中心,直至算法最终收敛。实验结果表明,该算法的分割精度有较明显的提高。与传统的K-means分割算法及GA分割算法相比,该算法对遥感图像分割的效果更为明显。

基于自适应权重鸽群算法的无人机航路规划

在复杂环境下采用基本鸽群算法进行无人机航迹规划时存在易陷入局部最优、收敛速度较慢且不稳定的问题。提出自适应权重鸽群算法,引入自适应权重系数对种群中个体的速度和位置进行计算,以提升航路规划质量和效率。仿真结果表明,相同任务环境下,自适应权重鸽群算法与PIO算法、PSO算法相比,得出的航线距离、威胁代价消耗与算法运行时间均有所减少。经过样条平滑算法进行平滑处理后的路径可以达到无人机航路可飞。

带权重的改进天牛须算法解方程组及工程应用

针对求解方程组时解值精度低、个数不全和收敛速度慢的问题,提出一种带位置权重的黄金分割自适应的天牛须算法(GRBAS)。将黄金分割法缩短搜索区间的优势结合天牛须算法,天牛左右两须作为黄金分割边界,插值选择更好区间缩短搜索范围;引入位置权重改变天牛的位置,使算法避免易陷入局部收敛的缺陷;为后期在小范围内能更精确搜索,加入步长自适应。通过求解10个标准测试函数、3个线性方程组和3个非线性方程组,表明算法有良好优化性能。将算法用于求解工程上三角函数超越方程,获得满意效果。

改进的自适应粒子群优化算法

提出了一种融合梯度搜索法、繁殖法并结合前N个粒子历史最优位置的改进自适应粒子群优化算法。算法选用混沌惯性权重,每个粒子速度和位置的更新不仅考虑自身历史最优和全局最优位置,还受其他粒子历史最优位置的影响,且其影响程度的权重随迭代次数自适应变化;同时粒子位置随迭代次数以线性递增的概率进行负梯度方向更新;当粒子更新停滞时,对可能处于局部最优位置的部分粒子进行杂交。仿真实验结果表明,该算法比其他相关算法具有更好的收敛速度和收敛精度。

基于高光谱技术的五味清浊制剂快速无损检测方法研究

目的:采用高光谱技术结合化学计量学方法对蒙古族药五味清浊制剂中胡椒碱、桂皮醛和羟基红花黄色素A进行含量测定,实现快速、无损、全面的五味清浊制剂质量评估。方法:选取2023年度国家药品抽检计划抽检的五味清浊制剂样品33批次(五味清浊散11批次、五味清浊丸22批次),采集其高光谱数据;对比多元散射校正、基线校正、标准正态变换、光谱转化、矢量归一化、光谱降噪、卷积平滑(9)结合一阶导数、卷积平滑(11)结合一阶导数、卷积平滑(9)结合二阶导数和卷积平滑(11)结合二阶导数10种光谱预处理方法,蒙特卡罗无信息变量消除法、竞争性自适应重加权采样法(CARS)2种变量筛选方法,偏最小二乘法、最小二乘法-支持向量机(LS-SVM)2种建模方法用于胡椒碱、桂皮醛和羟基红花黄色素A含量与高光谱数据定量校正模型时的性能。结果:采用CARS建立的胡椒碱和桂皮醛的LS-SVM模型预测能力全局最优,模型的相对预测偏差(RPD)分别为9.2、6.0,验证集相关系数(rpre)分别为0.9935、0.9852,说明模型验证集与测定值具有良好的非线性关系,模型预测效果良好。采用羟基红花黄色素A原始光谱建立的LS-SVM模型性能全局最优,RPD和rpre分别为3.7、0.9762。结论:采用高光谱技术结合化学计量学方法可以快速测定五味清浊制剂中胡椒碱、桂皮醛和羟基红花黄色素A含量,方法操作简便,可为五味清浊制剂的质量控制提供参考。

用AHP法对大学生社会适应能力规格的探究

用ＡＨＰ法对大学生社会适应能力规格的探究张立元１问题的提出当前，我国正在由传统的单一的计划经济体制向社会主义市场经济体制转变，这对人们的传统观念和价值观念是一个很大冲击．高等教育如何培养学生的社会适应能力是高教工作者十分关注的问题，并已创造出许多行之...

化学计量学方法选取对烟草含水率近红外分析准确度的影响

目的:研究不同化学计量学方法对烟草含水率近红外分析准确度的影响。方法:比较不同预处理方法(平滑、一阶、二阶、标准正态变量(SNV)和多元散射校正(MSC)及其组合)以及不同波长筛选方法(基于水分波段、基于波长区间、基于波长点)对预测模型性能的影响。结果:仅对数据进行SNV、MSC、MSC+一阶、MSC+SNV、SNV+一阶预处理的模型能够使不同程度的相对分析误差RPD提高,而其他方法则不同程度下降;在波长筛选方法方面,使用基于波长区间的方法能够获得较好的优化效果,经过变量筛选得到594个波长,为原波长数的27.26%,且能提高0.1336的RPD值。结论:不同的计量学方法会对烟草含水率分析准确度产生影响,对于此次数据,应采用MSC预处理方法及基于波长区间筛选方法对数据进行处理。

基于改进粒子群算法的湿法冶金技术优化控制

分析了湿法冶金技术的关键工艺,构建了优化控制模型,并利用自适应惯性权重和模拟退火算子对粒子群算法进行改进,对湿法冶金技术进行优化控制。仿真试验结果显示:在A风力发电场优化数据集中测试中,AIW-SAO-PSO算法迭代225次时趋于稳定,适应度值约为0.165,且迭代100次时,算法的均方根误差、平均绝对误差、相对标准偏差分别为0.0080,0.0045和0.971%;在湿法冶金技术优化控制模型的寻优求解中,得到的综合效益值为1.9×10^(5)元/h,与目标期待值的绝对误差约为0.1×10^(4)元/h。实现了湿法冶金技术的优化控制,并为同类型优化控制提供理论支持。

基于熵权与混合代理模型的永磁驱动器的优化设计

针对永磁驱动器(PMD)的结构设计问题,提出一种基于改进熵权法结合混合代理模型的优化设计方法。首先利用基于交叉验证误差的最优加权法,将响应曲面法、克里金法以及支持向量机回归结合起来,构建PMD的参数变量与响应变量之间的混合代理模型;然后引入改进的熵权法,将PMD的多指标转化为单一综合指标,并建立其优化的数学模型,通过自适应权重粒子群优化算法求解;最后对结果进行有限元仿真分析和实验室仿真平台验证。研究结果表明,所提出的优化设计方法优于其它方法,得到的PMD结构参数合理有效,较好的实现了PMD的多目标优化设计。

CARS结合PLS-LDA法识别奶牛饲料中土霉素的可行性研究

收集了一年内不同月份不同种类的纯奶牛精补料20个,制备土霉素含量不同的掺假奶牛精补料100个,在全光谱范围内对样品进行近红外透反射光谱扫描,利用CARS法对光谱数据进行前处理,采用偏最小二乘-线性判别分析(PLS-LDA)法来建立判别模型。建立的PLS-LDA模型的交互验证最小错误率为0.0729,模型错分率为0,模型预测错误率为0.0417。说明利用近红外光谱技术建立定性判别模型来检测奶牛饲料中是否掺有土霉素是可行的。

并联机构正运动学AWPSO-SM求解算法

通过将数值迭代算法与智能优化算法相结合,提出并联机构正运动学问题的通用求解算法——自适应权重粒子群-弦截法(AWPSO-SM)算法,并针对3-UCU(U为万向副,C为圆柱副)并联机构给出AWPSO-SM的详细求解过程。为了验证所提算法的有效性,在Matlab环境下,分别给出3-UCU、3-PPR(P为移动副,R为转动副)以及4-SPS(S为球副)3种典型并联机构正运动学问题的求解算例,并分别与AWPSO和弦截法的求解结果进行对比。由仿真结果可知,AWPSO-SM克服了单一方法在局部收敛性和初值选取方面对计算结果的影响,可有效地对并联机构的正运动学问题进行求解。

基于内标法和CARS变量优选的倍硫磷含量LIBS检测

利用共线双脉冲激光诱导击穿光谱(LIBS)技术对溶液中的倍硫磷含量进行定量检测研究。采用石墨对倍硫磷溶液进行富集,利用双通道高精度光谱仪获取样品的LIBS光谱。以碳元素谱线(CⅠ247.856 nm)为内标对210~260 nm波段谱线进行校正,然后利用竞争性自适应重加权算法(CARS)筛选与倍硫磷相关的重要波长变量,最后应用最小二乘支持向量机(LSSVM)建立倍硫磷含量的定标模型,并与基本定标法及内标法建立的单变量定标模型进行比较。研究结果表明,共线双脉冲LIBS技术可以用于溶液中的倍硫磷含量检测。基本定标法建立的最优定标模型的拟合度R2为0.935 04,预测集样品的平均预测相对误差(PRE)为41.50%;内标法建立的最优单变量定标模型的拟合度R2为0.993 61,预测集样品的平均PRE为14.91%;内标-CARS-LSSVM定标模型的拟合度R2为0.998 6,预测集样品的平均PRE为8.06%。对比上述3类定标模型,内标-CARS-LSSVM定标模型性能最优,内标法建立的定标模型次之,而基本定标法建立的定标模型最差。由此可知,CARS方法可以有效筛选倍硫磷相关的重要变量,内标法结合CARS及LSSVM方法可以改善定标模型性能,提高预测精度。