基于自适应进化学习的约束多目标粒子群优化算法

针对约束边界粒子在边界区域搜索能力不足的问题,提出一种基于自适应进化学习的约束多目标粒子群优化算法.该算法根据不符合约束条件粒子的约束违反程度,修正优化算法的进化学习公式,提高算法在约束边界区域的搜索能力;通过引入一种基于拥挤距离的Pareto最优解分布性动态维护策略,在不增加算法复杂度的前提下改进Pareto前沿的分布性.实验结果表明,所提出的算法可以获得具有更好收敛性、分布性和多样性的Pareto前沿.

改进的极限学习机在癫痫脑电分类中的应用

研究癫痫脑部疾患的脑电分类识别问题,由于癫痫是大脑神经元异常和过度的超同步化放电所造成的临床现象,脑电图(EEG)是目前最常用的监测与诊断癫痫疾病的方法。由脑电图仪监测得到的脑电信号数量巨大,单凭人工的诊断十分耗时,且有可能因为主观因素而产生误判。为了提高对癫痫脑电信号的自动识别和诊断的准确性,提出了样本熵(SampEn)与AR模型特征提取以及自适应差分进化极限学习机(SaE-ELM)相结合的方法来达到识别癫痫脑电信号的目的。实验表明采用上述特征提取及分类算法可达到97%的分类准确度,验证了上述方法的有效性。

基于深度图的人体动作分类自适应算法

由于深度相机成本的降低,越来越多的研究人员使用RGB-D(red,green,blue and depth)视频进行人类动作识别(human activity recognition,HAR)。使用深度运动图的局部二值模式进行特征提取,利用自适应差分进化极限学习机(self-adaptive differential evolution extreme learning machine,SaDE-ELM)用于动作分类,其中隐藏节点的学习参数通过自适应差分进化的方法进行修改。为了验证所提出方法的有效性,用3个公共数据集(MSR Action3D,MSRDaily Activity3D,MSRGesture3D)进行了实验。仿真结果表明,该方法优于基于内核的极限学习机(kernel extreme learning machine,KELM)的方法。

CMWPE结合SaE-ELM的轮对轴承故障诊断方法

针对DF4型内燃机车轮对轴承不同故障状态的判别问题,提出了一种基于复合多尺度加权排列熵(Composit multiscale weighted permutation entropy, CMWPE)和自适应进化极限学习机(Self-adaptive evolutionary extreme learning machine, SaE-ELM)的机车轮对轴承故障识别方法。CMWPE基于复合粗粒化和加权排列熵的思想,能很好地区分信号的不同模式。SaE-ELM通过自适应进化算法对极限学习机的输入权重、隐含层参数和输出权重进行优化,解决了ELM随机选取网络参数的局限性,提高了网络的泛化性能。计算机车轮对轴承不同健康状态下振动信号的CMWPE,利用SaE-ELM识别轴承所属故障类型及故障程度。在机务段的JL-501轴承检测台上采集了7种不同健康状态的轮对轴承试件的振动信号数据。结果表明:CMWPE特征提取效果优于MPE和MWPE;SaE-ELM模式识别效果优于参数不经优化的ELM。所提方法能够有效诊断机车轮对轴承的不同故障,且故障识别率达到100%。

近红外技术结合SaE-ELM用于烤烟烘烤关键参数的在线监测

自适应进化极限学习机(SaE-ELM)是一种利用自适应差分进化算法优化隐层输入参数的单隐层前馈神经网络学习算法。为了解决烟叶密集烘烤过程中关键参数难以测定的难题,应用近红外光谱技术结合SaE-ELM,采用交叉验证选择隐含层节点个数,对烘烤过程中含水率,以及叶绿素和淀粉含量3个关键参数的动态变化进行了监测。结果表明:烟叶含水率、叶绿素和淀粉模型预测相关系数分别为0.931 2、0.917 6和0.916 7,与偏最小二乘(PLS)回归、BP神经网络、支持向量机(SVM)回归和极限学习机(ELM)模型相比,SaE-ELM模型参数自动优化、性能优越、泛化能力强、预测结果最好。因此,采用近红外技术结合SaE-ELM能准确测定烟叶烘烤过程中关键参数的变化规律,可为烟叶烘烤调控工艺提供技术参考。

新型智能优化算法估算年降水量频率曲线参数

鉴于在不同分布线型下,传统参数估计方法需要推导繁琐的公式,因而引入智能优化算法。研究新型智能优化算法估算年降水量系列频率分布参数,提高降水系列分布参数估计精度。以陕西省眉县、凤县和凤翔3个气象站的年降水量系列资料为例,应用反向学习自适应差分进化算法(OL-ADE)、蜻蜓算法(DA)和基于压缩因子的遗传粒子群混合算法(HGAPSO)原理,按照优化准则进行分布参数优化求解。在此基础上,利用TOPSIS评价法直观定量评价以上3种参数估计方法和3种传统参数估计方法。结果表明:与传统算法相比,3种新型智能优化算法在年降水量频率分布参数估计中均取得较好的拟合效果。HGAPSO算法拟合精度最高,DA和OL-ADE算法拟合效果大致相同。