改进的遗传模糊聚类算法及其在MR脑组织分割中的应用

为提高MR图像中脑组织分割的精度,针对目前遗传模糊聚类算法存在的问题,提出了改进的遗传模糊聚类算法。首先,通过完全改变遗传算法的编码方式、变异方式和交叉方式,对现有遗传算法进行改进,从而使遗传算法能获得最小的适应度函数值;然后,结合模糊聚类算法,最终得到改进的遗传模糊聚类算法。将改进的遗传模糊聚类算法应用于MR脑图像的分割,结果表明,改进的遗传模糊聚类算法的分割质量高于现有的遗传模糊聚类算法和快速模糊聚类算法。改进的遗传模糊聚类算法可以做为一种快速、全自动的MR脑图像分割工具。

基于遗传模糊核聚类的图像分割

针对红外图像的特点和模糊聚类算法对噪声、初始聚类中心敏感等问题,提出一种遗传模糊核聚类算法.该算法对红外图像像素灰度值进行全局的聚类分析并计算最优的聚类中心和隶属度矩阵,根据聚类结果和最大隶属度原则进行红外图像分割.通过实验验证,文中算法能较好地分割含高斯噪声、背景简单或复杂的红外图像.

支持向量机中遗传模糊C-均值的样本预选取方法

提出了在支持向量机(support vector machine,SVM)方法中采用遗传模糊C均值(FCM)进行样本预选取的方法,旨在保留最优分类超平面附近的样本点,去除远处样本点,使训练样本集减小,消除冗余,从而减小所需内存。并以航空影像中的居民地为例进行分析,结果表明,按比例减少样本集后的分割结果与用原样本集的基本一样。

基于遗传算法和遗传模糊聚类的混合聚类算法

为了动态确定聚类数目C和该数目下的最优分类,构造出遗传算法和模糊遗传C均值聚类的混合聚类算法(HGA-FGCM),该方法构造了一个既考虑类与类之间的分散程度,又考虑同一类紧凑程度的目标评价函数;运用遗传算法的全局寻优能力,求得最佳聚类数下的最优聚类。

遗传模糊系统的研究概述

模糊系统能够解决许多应用领域中的不同问题。目前众多学者对增加模糊系统学习和自适应能力的研究兴趣不断增加。神经模糊系统和遗传模糊系统,将软计算领域中的神经网络和遗传算法与模糊系统的近似推理方法相结合,成为目前两个最成功的模糊系统。这里介绍了遗传模糊系统的各种模型和应用领域,分析了此领域的研究方向和趋势。

遗传模糊算法在短期负荷预测中的应用

提出了一种基于模糊逻辑原理的负荷预测方法,使用遗传算法对系统参数进行训练。在以往的模糊逻辑系统建立过程中,其主要参数(如模糊推理规则和隶属函数等)需要依靠运行人员经验或专家知识来确定,而本文利用遗传算法,通过对样本数据的自学习过程来获取系统参数。在遗传算法中,将推理规则与隶属函数参数的确定结合在一起,从而确定系统参数的最优组合,由此建立起一个较合理的模糊负荷预测系统。仿真实验结果表明,该方法能够达到满意的预测精度,具有良好的实用前景。

豆粉喷雾干燥塔遗传模糊PID串级控制系统仿真

目的:提出一种遗传模糊PID串级系统。方法:以出口温度为主被控量,进风温度为副被控量构成一个串级调节系统,主回路采用遗传模糊PID控制器,副回路采用PI控制器。结果:仿真试验表明,与经典PID控制相比,串级遗传模糊PID控制具有调节时间短、鲁棒性好等优点。结论:遗传模糊PID串级豆粉干燥塔喷雾系统可以提高豆粉的生产质量。

轮式机器人横向纵向统一遗传模糊神经网络控制研究

在对轮式地面机器人进行纵、横向统一遗传模糊神经网络控制中,提出了一种多目标遗传优化的策略,用分别编码、先分再合的分步优化遗传算法寻找模糊神经网络的参数。并采用先对车体动力学模型进行仿真控制,再用仿真得来的数据控制实际车辆,进行车体在线遗传寻优的方法,这种方法能最直接地控制车体运动。经过实验研究,控制效果较好,有一定意义。

遗传模糊系统的分类器融合

将遗传模糊系统引入分类器融合,并且提出了一种快速的遗传模糊系统设计方法,在该方法中对传统的产生初始群体的方法和交叉操作进行了改进．本文方法在从ELENA数据集和UCI数据集中选择的3个大样本数据集上进行了测试,与当前有代表性的分类器融合方法进行了比较实验．实验结果表明,该方法在缩短训练时间以后仍然能够得到模糊规则数少,分类精度高的分类器融合系统．

基于规则的遗传模糊系统设计方法研究概述

从遗传算法角度出发,从进化方法和规则学习两个方面介绍了基于规则的遗传模糊系统的设计方法,展示了结合遗传规划(GP)和基因表达式编程(GEP)算法进行设计的研究成果,并且指出了今后的发展方向。

基于遗传模糊系统的兵棋推演关键点推理方法

近年来,基于人工智能技术的自动化作战推演越发受到重视,但是由于有效地采集作战推演数据难度较大,许多依赖数据学习的人工智能技术效果不佳。在结合专家知识和作战推演数据的基础上研究作战推演中的人工智能技术,是一种可行的替代方案。为此,立足兵棋推演设计了关键点推理遗传模糊系统(genetic fuzzy system,GFS)框架,有效整合了对兵棋专家知识的建模和对兵棋复盘数据的学习,从而提高了关键点的推理质量。进一步以安全点为例,构建了安全点推理GFS,在初始化模糊系统规则库的基础上,通过合理设计遗传算法中的参数编码、适应度函数、遗传算子等,实现了安全点推理模糊系统的遗传调优算法。最后,通过实验仿真展示了所提方法的可行性和实用性。

基于遗传模糊树的海空对抗无人机智能决策模型

随着人工智能技术的应用领域不断扩大,无人机(unmanned aerial vehicle,UAV)的自主智能化发展成为目前军事领域的研究热点。其中,UAV的武器智能决策能力是其面临舰艇编队剧烈火力打击时能否顺利完成对海侦察任务的关键条件。针对这一军事应用难点,利用改进的遗传模糊树构建UAV武器智能决策模型,以此实现UAV的智能武器决策:通过设计三模糊子集参数编码法改进参数编码方式,克服了无效编码导致的系统紊乱;采用单、组合场景结合的训练方法改进种群训练方式,提高了决策模型在多样化实战中的适应性。仿真结果表明,所提武器智能决策模型具有较好的有效性和灵活性。

遗传模糊聚类算法在图像边缘检测中的应用

将一种改进的遗传模糊c-均值聚类(GFGA)算法应用到图像的边缘检测中.我们将灰度图像中的每一个像素点看成是一个数据样本,将该点的灰度值经过Robert算子、Sobel算子和Prewitt算子处理构成它的特性向量,形成具有三维特征的数据集,然后对这个数据集应用遗传模糊聚类算法进行分类,自适应地检测出图像的边缘点,达到提取边缘的目的.实验结果表明,这种混合算法能得到很好的边缘效果,并且得到的结果无需再细化处理,提高了边缘定位的精度.

遗传模糊系统结合迭代规则学习的网络入侵检测方案

针对计算机网络中安全性问题,提出一种遗传模糊系统结合迭代规则学习的网络入侵检测方案。首先,通过一种启发式过程来确定每个模糊if-then规则后件类和确定性分数。然后,利用遗传算法的交叉和变异操作来进化模糊系统的规则,形成遗传模糊系统。最后,利用迭代规则学习算法优化遗传模糊系统的规则库,获得最优模糊模型,实现入侵检测。在DARPA数据集上进行实验,结果表明该方案能够精确的检测U2R、R21、DoS和PRB类网络攻击,具有很高的安全性。

PC构件运输全流程风险研究--基于遗传模糊层次分析法

采用实地调研和专家访谈的方法从环境、人为、构件、机械、法律五个维度确定PC构件运输全流程22个风险指标,构建了基于遗传模糊层次分析法的PC构件运输全流程风险评价指标体系,结合实例对风险进行综合评价。研究发现:①该实例PC构件运输全流程风险处于一般高水平;②构件因素、机械因素和人为因素较其他类别风险高。

基于遗传优化与模糊规则挖掘的异常入侵检测

提出一种基于智能体进化计算框架与遗传模糊规则挖掘的异常入侵检测方法。通过应用模糊集分布策略、解释性的控制策略和模糊规则生成策略,实现了Agent之间的模糊集信息交换,从而有效地从网络数据中抽取正确的、可解释的模糊IF-THEN分类规则,优化了模糊系统的可解释性,并提高了系统的紧凑性。采用KDD-Cup99数据集进行测试,并与现有方法进行了比较,结果表明该方法对R2L的攻击检测性能稍弱,对DoS、Probe和U2R的攻击均具有较高的分类精度与较低的误报率。

基于模糊遗传算法的融媒体平台敏感词鉴别方法

目前使用的敏感词识别方法不能得到全局最优解,导致查全率和查准率较低,为此,提出了基于模糊遗传算法的融媒体平台敏感词鉴别方法。部署融媒体平台架构,在该架构上初始化敏感词群,通过计算个体适应值,统计个体被选择的累计概率,选择分配的敏感词个体。经过模糊遗传算法的个体均匀交叉、非均匀变异处理后,使用优化敏感词定性结构判断准则,完成敏感词定性结构处理。构建词语敏感性判断公式,划分敏感等级,消除文本长度对词语敏感程度的影响。确定位置信息集合,划分敏感性词位置,确定敏感程度。通过实验验证结果可知,该方法查全率和查准率趋近于稳定状态,均超过90%,具有精准鉴别效果。

基于模糊遗传算法的配电网络重构

提出了一种模糊遗传算法(FGA),对交叉率和变异率进行模糊控制,有效地提高了收敛速度,避免了不成熟收敛。将FGA用到配电网络重构中,取得了较好效果。另外本文提出用支路的开关状态(0或1)作为控制参数,避开了繁琐的编码方法,缩短了染色体长度,同时对交叉位置的选取、变异的进行等提出了独特的方案。

模糊遗传图像相关匹配算法

针对遗传算法中交叉概率和变异概率所存在的问题,利用模糊推理系统来自适应估计交叉概率和变异概率,提出了基于模糊遗传算法(FGA)的图像相关匹配算法,并进行了大量实验研究,实验结果证明该方法对解决具有噪声情况下的图像匹配问题十分有效。

基于模糊遗传算法的工业过程控制参数优化研究

针对复杂工业过程控制要求多样性、控制参数难调整的问题,提出了一种控制参数优化方法.其中,利用模糊评判方法设计了模糊适应度函数以改进标准遗传算法,把控制要求分解成多个对控制结果模糊评判的因素,由于其具有不同权重,因此控制结果与控制要求的接近程度就转化成了对遗传算法中个体(控制参数)的适应度.应用该算法优化了生物发酵罐温度控制器的控制参数,实验表明,控制器的控制精度、温度变化平稳性、能耗、电磁阀开关频率等指标均得到了改善,能够较好地解决复杂工业过程中控制参数优化的问题.