径向基神经网络和遗传算法优化热电负荷分配

根据不同机组特性对电厂热电负荷在机组间进行优化分配,是机组节能的重要手段。对于径向基神经网络算法的隐藏层函数中心选取进行了优化,利用梯度下降法对连接权重进行初始化以及更新。利用改进后的径向基神经网络构建了关于全厂煤耗量与机组负荷之间的模型算法,对两台350 MW机组的实际运行数据进行了分析拟合。针对遗传算法可能陷入局部最优的缺点,对算法进行了改进,以得到全局最优解。采用改进后的遗传算法对供热机组进行了负荷优化分配,并与平均分配方案进行了比较,证明了该算法应用于负荷分配的有效性,为优化负荷分配提供了新思路。

双中心组合迭代抑制式模糊C-均值聚类图像分割算法

针对抑制式模糊C-均值聚类算法应用于灰度图像分割时出现收敛速度较慢和像素误判的问题,通过挖掘图像同质区域内像素间的相关性与分析像素位置对类别判定的影响,提出一种双中心组合迭代抑制式模糊C-均值聚类图像分割算法.首先在图像上经选点、扩展、提取等环节优选出较好的初始聚类中心;然后按该中心分别查找图像中灰度值与其相等的像素位置并遴选产生隐藏中心;其次采用负指数函数对像素位置与隐藏中心之间的欧氏距离进行归一化,得到位置特征;接着在对该特征赋权后直接修正模糊划分矩阵;最后结合抑制式思想进一步减少算法的迭代次数.与现有的多种相关算法进行对比,实验结果表明,所提出算法在获得致密且分离性较好聚类的同时,能够改善图像分割的准确率和执行效率.