ABC-PSO算法优化混合核SVM参数及应用

针对混合核支持向量机(SVM)中的可调参数一般是根据经验或人工随机调试得到,不能确保参数最优的局限性,提出用粒子群和人工蜂群的并行混合优化(ABC-PSO)算法来优化混合核SVM参数,找出满足条件的最优参数组合.将该SVM模型应用到语音识别中,通过对三个不同语种的语音数据库的实验仿真,验证了混合算法优化SVM参数所得的优化SVM模型比PSO算法优化SVM所得的模型,具有良好的泛化能力和语音识别能力.

基于ABC-PSO的SHEPWM控制方法的优化

针对传统数值算法求解三相逆变器SHEPWM谐波模型时,难以确定初值,不易收敛等问题,采用改进的ABC-PSO算法求解三相逆变器消谐模型的开关角度,该算法求解出的开关角在同调制度下的线电压、线电流谐波更低,具有更低的总谐波含量。结果表明,在满足基波幅值要求下,输出的电压的5、7、11、13、17、19次及3的倍数次谐波基本为0,消除谐波效果更好,验证了ABC-PSO算法求解SHWPWM方程的可行性。

基于ABC-PSO的园区供水泵组优化调度

园区用水集中,以节水为目标的供水优化调度大有可为。以某校园用水数据为实例,建立供水优化调度模型,在满足用水舒适的前提下模拟供水泵组运行,提出采用兼顾探索能力、求解效率的ABC-PSO混合算法,以最少供水量为目标函数进行求解,最终平均节水效果达到11.5%,说明ABC-PSO混合算法针对供水调度模型具有良好的优化效果。

移动云计算中的网络切换管理

本文考虑到不同的可用无线网络、应用需求、用户偏好等因素,根据人工蚁群算法(ABC)和粒子群优化算法(PSO)提出了智能的垂直切换混合算法(ABC-PSO).与相关工作进行对比,仿真实验表明ABC-PSO算法具有较低的成本和通信延迟以及更高的可用带宽和更少的切换次数.

消防无人机协助系统设计

城市建筑高耸林立,导致城市的救火、救灾行动难以开展,也导致消防部队所担负的搜寻救援任务越来越艰巨。而随着科技的不断发展,通信、人工智能等战略新兴产业的驱动,城市消防等问题可以从这些方面着手考虑,从而解决。文章将无人机与 ABC-PSO 算法相结合,提高无人机群在救火、救灾时的动态分配效率;同时,使用 VGG16 网络对烟雾以及火焰进行识别,尽可能在源头上检测出火灾复燃点,降低复燃带来的危害与损失;搭配语音模块,降低了在火灾搜救时消防人员的搜救难度。此系统降低了消防人员的搜救难度,同时也提高了其救火、救灾时的安全保护能力。