基于改进多因子优化蝙蝠算法的网络入侵检测方法

针对高维网络数据存在大量冗余和不相关的特征导致入侵检测准确率低的问题,提出了一种改进的多因子优化蝙蝠算法(IMFBA)用于数据特征选择,筛选出具有最大信息量的特征子集,提高网络入侵检测精度。首先,在多因子优化框架下设计全局特征选择任务和局部特征选择任务,并通过基于蝙蝠算法所设计的选型交配和垂直文化传播算子实现不同任务间的信息共享,从而帮助全局特征选择任务更快锁定最优解空间,提高算法收敛速度和稳定性。其次,通过将反向学习策略和差分进化引入蝙蝠算法,重新设计算法初始解选择阶段及个体更新过程,弥补其缺少突变机制的不足,增强解的多样性,帮助算法摆脱局部最优。最后,提出一种自适应参数调整策略,根据潜在最优解质量决定其指导个体更新的权重,避免在多任务特征选择过程中出现知识负迁移现象,实现全局搜索与局部开发之间的平衡。实验结果表明:IMFBA所选特征子集对网络入侵数据集KDD CUP 99和NSL-KDD分类结果的准确率分别为95.37%和85.14%,相较于完整特征集提升了3.01百分点和9.78百分点。IMFBA算法能选择更高质量特征子集并提升网络入侵检测准确率。

基于MUSIC算法特征值损伤因子的板状结构损伤程度评估

研究了多重信号分类(MUSIC)算法在板状结构损伤检测中的应用,提出一种基于MUSIC算法特征值的损伤因子,为基于MUSIC算法的板状结构损伤成像技术提供了一种可靠的损伤程度评估理论。首先利用MUSIC算法计算的高精度特征值和Lamb波损伤散射信号幅值的相关性,采用Abaqus有限元仿真软件模拟不同程度的损伤,将板状结构中的损伤成像定位之后,根据散射信号将结构损伤程度转化为特征值变化量,根据特征值计算损伤因子,建立损伤评估模型预测损伤程度,并通过试验验证其正确性。试验结果表明,在合适的激励频率下,特征值损伤因子随着损伤程度的增加呈现出线性变化,能较好地反映损伤程度;该方法具有较高的准确性和稳定性,在一定损伤程度内能够有效地反映结构损伤程度。

融合优化可调Q因子小波变换的改进密度峰值聚类算法

为提升时间序列的聚类精度,提出一种融合优化可调Q因子小波变换的改进密度峰值聚类(improved density peaks clustering based on optimal tunable Q-factor wavelet transform,OTQWT-IDPC)算法,该算法利用可调Q因子小波变换的能量优化选择策略及改进粒子群优化算法确定的最佳Q因子分解时序信号,通过最优特征子带的能量、均值、标准差和模糊熵构建特征子空间,并采用主成分分析降低特征维度,以减少特征冗余。同时,考虑到距离较远而周围密集程度较大的K近邻样本对局部密度的贡献率,引入权重系数及K近邻重新定义DPC的局部密度,并利用共享最近邻描述样本间的相似性。在BONN癫痫脑电信号和CWRU滚动轴承数据集上进行对比实验,结果表明,该算法的聚类精度分别为95%、94%,且Jacarrd、FMI和F_(1)值指标均优于其他对比算法,证明了OTQWT-IDPC算法的有效性。

天气雷达间一致性评估算法影响因子分析及改进

基于基数据的雷达间一致性评估的基本方法,分析了雷达高差、地形遮挡、噪声、充塞、时空重叠率、衰减等对一致性评估算法的结果质量的影响,并采取了相应的改进措施:使用雷达的波束遮挡比例数据进行遮挡订正或直接剔除存在遮挡的重叠点;对信噪比较低、充塞不充分及存在异常的重叠点予以剔除;增加了时间、空间重叠率因子,分析了不同阈值时间、空间重叠率对评估结果的影响。改进措施对一致性评估结果中的偏差均值、标准偏差的质量均有了一定的提高。使用改进后的算法对岳阳站雷达系统偏差和苏皖地区雷达回波一致性做了评估。结果表明:岳阳站在维护前后与周边雷达的偏差值有明显的降低,并回到正常水平,标准偏差值也略有降低;苏皖地区雷达间偏差均值大部分在2 dB以内,雷达间偏差均值所组成的矢量三角形闭合度较好,标准偏差在2.9~3.3 dB,相关系数在0.40~0.55。

基于PageRank算法及Mplus因子分析探讨杨霓芝教授诊治IgA肾病规律

目的本研究旨在多层次分析名老中医诊治IgA肾病的临床经验,为传承中医肾病名医经验提供方法参考。方法采集并标准化广东省中医院杨霓芝教授门诊在2010—2020年期间诊治IgA肾病患者的医案数据,并将患者分为尿血组、尿浊组及肾衰组。利用FangNet平台进行PageRank算法计算药物THScore得到不同亚组IgA肾病核心药物。通过Python(SciPy包、Clusterheatmap包)可视化证型分布规律及相应用药规律,应用Mplus软件使用加权最小二乘估计法及斜交旋转GEOMIN法进行药物处方探索性及验证性因子分析。结果总共纳入145例IgA肾病患者,共548诊次。其中尿血组54例、尿浊组51例及肾衰组40例。基本证型有9种,含气虚证(91.79%)、血瘀证(77.01%)、湿热证(66.06%)及阴虚证(38.69%)等。总队列核心药物24种,尿血组23种,尿浊组21种,肾衰组16种,主要为益气补阳药、滋阴养血药、活血祛瘀药、清热凉血药等。IgA肾病辨证用药规律(Z-Score>0.5且P<0.05):气虚证常用药物:黄芪、山茱萸、菟丝子。血瘀证常用药物:丹参、泽兰、山茱萸等。湿热证常用药物:蒲公英、石韦、桃仁、土茯苓等。阴虚证常用药物:墨旱莲、太子参、女贞子等。根据探索性及验证性因子分析的结果,可以得出杨霓芝教授治疗IgA肾病核心药物组合因子包括:F1(菟丝子、山茱萸、黄芪);F2(白茅根、小蓟、茜草);F3(女贞子、墨旱莲、太子参);F4(泽兰、桃仁)。结论本研究通过应用PageRank算法及Mplus因子分析,分组分析杨霓芝教授诊治IgA肾病经验,明确以“气虚血瘀、湿热阴虚”为核心证型,“益气活血、清热养阴”为核心治法的IgA肾病岭南中医诊治心得,为传承名医经验提供方法参考,促进中医药的开发利用。

基于渐消因子的ECEF-GLS估计算法

传统的误差配准算法假设系统偏差恒定或缓慢变化,当系统误差发生突变或快速变化时,这一假设不再成立。针对这一问题,研究了时变条件下的误差配准算法,引入渐消因子,对常规的基于地心地固坐标系的广义最小二乘算法(generalized least squares algorithm based on the earth-centered earth-fixed coordinate system,ECEF-GLS)进行了修正,弱化历史量测对配准的影响,并对渐消因子的选取问题进行了研究,给出了合理的设计方法。算法验证表明,基于渐消因子的ECEF-GLS估计算法能够对时变的系统偏差进行有效估计,精度满足配准要求。

基于因子图的多机器人协同算法改进

为解决多机器人协同定位与建图在复杂、大规模场景下耗时久、工作效率低等问题,提出一种融合算法PO-ORB。在因子图模型中引入锚点,用于存储世界坐标系相对位置,将改进后的因子图算法与ORB-SLAM3算法融合,用于帧间优化,结合两种算法的优点,解决大规模问题下多机器人定位精度低和实时性差的问题。通过DBoW2数据库和筛选策略进行地图融合,对全局地图进行优化,提高地图精度。实验结果表明,所提算法能够有效应用于多机器人协同定位与建图。

基于动态遗忘因子递推最小二乘法和改进粒子滤波算法的锂电池SOC估计

为了提高锂电池荷电状态(SOC)估计的精度,提出了一种基于动态遗忘因子递推最小二乘法和改进粒子滤波算法相结合的锂电池SOC估计方法。针对固定遗忘因子递推最小二乘法在电池参数辨识中难以同时保持快速收敛和稳定性的问题,引入动态遗传因子,以模型辨识值和实际值的残差为变量构建修正公式,实现遗忘因子动态调整。为了改善粒子滤波(PF)的粒子多样性丧失问题,采用白鹭群优化算法(ESOA)对粒子滤波算法进行优化。仿真结果表明,基于动态遗忘因子递推最小二乘法和改进粒子滤波算法的锂电池SOC估计误差始终保持在0.3%以内,平均绝对误差和标准差为0.15%和0.17%,与其他算法相比具有更好的精度和稳定性。

基于精度因子与距离残差的加权最小二乘算法在DTMB辅助北斗定位中的应用

北斗三号系统已完成建设,该系统可以在空旷的室外提供较为准确的定位信息。但是在城市峡谷区域,北斗信号会受到遮挡。当能够提供有效定位信息的北斗卫星数目逐渐减少时,利用北斗卫星进行定位得到的定位结果偏差会逐渐增大。本文针对以上问题,在采用地面数字多媒体广播信号辅助北斗定位的基础上,利用基于精度因子与距离残差的加权最小二乘算法进行定位,相比于利用最小二乘算法进行定位,定位精度提高了40%~50%。本文提出的算法对于解决定位基站数目不足时增加其他不同类型基站来进行辅助定位的问题具有借鉴作用。

融合非线性收敛因子与变异准反射学习的哈里斯鹰优化算法

针对哈里斯鹰优化算法(Harris Hawks optimization,HHO)易早熟收敛、寻优精度低、收敛速度慢等问题,提出一种融合非线性收敛因子与变异准反射学习的哈里斯鹰优化算法(improved Harris Hawks optimization,IHHO)。首先,初始化阶段引入Circle混沌映射,提高初始化种群多样性和种群位置质量;其次,引入Sigmoid非线性收敛因子,平衡全局探索和局部开发能力;最后,针对HHO算法易陷入局部最优问题,提出变异准反射学习(quasi-reflection-based learning,QRBL)策略,提高种群活力,进一步提高算法局部收敛能力。仿真实验采用13个标准测试函数和1个经典工程问题对改进算法进行测试,结果表明改进算法收敛精度、收敛速度均有较大提高,适用于解决实际问题。

基于权重因子自校正算法的锅炉排烟温度控制

常规的锅炉排烟温度控制,主要采用工况参数控制温升参数,忽略了外环境温度对温度值的扰动,导致控制结果平均热容流率较高。因此,提出基于权重因子自校正算法的锅炉排烟温度控制方法。根据锅炉烟气的传热系数解析其排烟温度动态特性,基于排烟温度最大值构建权重因子自校正算法,代入导热时差、外环境温度以及热传导阻滞权重因子修正温度扰动值,定义PLC程序逻辑,实现锅炉排烟温度的控制。实验结果表明:所提方法应用后得出的控制结果,表现出的平均热容流率较低,控制的排烟温度稳定性较高,满足了锅炉燃烧排烟性能的控制需求。

基于非线性自适应比例因子的雪豹优化算法

针对雪豹优化算法在求解复杂优化问题时,存在全局勘探能力不足、寻优精度低等问题,提出一种改进的雪豹优化算法。首先,基于分段Logistic混沌映射初始化从而提高初始种群多样性;其次,引入非线性比例因子用于平衡算法的全局勘探能力和局部开发能力;然后,提出了一种差分变异策略,在第一次种群更新位置后,使用5个随机个体提高全局搜索能力和算法收敛能力,在第二次种群更新位置后,使用3个随机个体保证在求解过程的中后期也具有一定的全局勘探能力,尽可能避免陷入局部最优。通过在IEEE CEC2022基准函数测试集上测试,并与其他算法进行比较,结果表明所提出的算法在种群质量、求解精度以及算法稳定性上均有较大提升。最后将所提出的算法应用于工程优化,计算结果进一步证实了算法的强优化能力。

基于可拦截因子和HGAPSO算法的火力分配模型研究

火力分配作为集群目标来袭防御任务规划的关键环节,对提高防御效果具有重要意义。针对高炮反无人机的火力分配问题,将高炮性能指标约束和转火时间约束转化为可拦截因子,提出一种基于可拦截因子的高炮反无人机火力分配模型,减小非线性约束转化为惩罚函数带来的计算量及误差,进而提升整体效能。基于此模型,针对来袭目标与火力节点之间的火力优化匹配问题,采用改进混合遗传粒子群算法(Hybrid GA and PSO,HGAPSO)优化算法对模型进行最优值求解。仿真试验结果表明该模型合理有效,HGAPSO算法有较高的收敛精度和较快的收敛速率。

Cholesky分解的单Pass随机算法

对于大规模数据矩阵,数据的读取成本远高于算法本身的成本;对存储在磁盘外部的流型数据,往往只有一次读取数据的机会。而以往的Cholesky分解的随机算法都至少需要读取输入数据两次,难以满足实际应用中的低成本需求。本文基于矩阵分解的单pass随机算法研究,提出了Cholesky分解的单pass随机算法,并给出了该算法的误差上界,最后通过数值实验验证了该算法的可行性以及有效性。

基于粒子群优化算法的地震数据品质因子及混合相位子波同时估计

非稳态地震数据高分辨率处理及反演是通过求解包含地震子波滤波效应及地层吸收衰减效应的反演方程,获得地下反射界面的地震响应。为实现高分辨率处理及反演中初始地震子波及数据品质因子Q模型的实施条件,结合地震子波Z变换的根移动编码及等效Q模型的二进制—十进制转换策略,引入粒子群全局优化算法,建立非稳态地震数据混合相位初始地震子波及数据品质因子同时估计的方法。利用井旁道与数据的互相关作为准则函数,判定粒子群是否收敛至最大,输出最佳初始地震子波及Q。应用理论合成数据和实际数据测试进行验证。结果表明:相较于传统常相位地震子波估计及反Q滤波,该方法在复杂干扰条件下能更精确捕获真实的子波波形及衰减参数。利用输出的地震子波及Q进行时变反褶积处理得到高分辨率剖面,说明方法具有准确性、计算效率高且输出结果优,估计的地震子波和Q更符合实际地震波传播特征,为后续高分辨率地震数据处理提供基本参数。

地下水流场和特征选择算法下土壤潜在污染影响因子研究

目的:探究富阳区域土壤潜在污染的主要影响因子。方法:以区域内主要工业区为研究对象,采集土壤和地下水样品,并进行土壤污染和地下水流场检测。基于地下水流场,采用特征选择算法模拟区域土壤的潜在污染情况,选取土壤潜在污染影响因子并计算贡献率。结果:在选取的潜在污染影响因子中,地下水pH值、土壤含水率和土壤黏粒含量对土壤潜在污染的贡献率最高,分别达到0.155、0.083、0.076。结论:在该区域中,地下水pH值、土壤含水率和土壤黏粒含量为主要的土壤潜在污染影响因子,因此在进行土壤环境改善和土地再利用时应考虑这些因素的影响。

基于梯度下降算法和动量因子的醇基燃料锅炉燃烧温度非线性控制方法

醇基燃料锅炉燃烧温度与控制参数之间的关系不是简单的线性关系,增加了控制的难度,提出基于梯度下降算法和动量因子的醇基燃料锅炉燃烧温度非线性控制方法。建立醇基燃料锅炉的气流三维流动方程,确定燃烧速率、实际温度与期望温度之间的差值以及差值变化率等温度非线性控制参数。搭建燃烧温度控制的模糊神经PID控制器,采用梯度下降算法和动量因子对PID神经网络的权值展开训练,将所得温度非线性控制参数输入训练后的模糊神经PID控制器,实现醇基燃料锅炉燃烧温度非线性控制。实验结果表明,所提方法对于燃烧速率、实际温度与期望温度之间的差值以及差值变化率计算结果精准,温度控制精度高,温度变化率低,燃料能源利用率高,实际应用效果好。

基于遗传交叉因子的改进粒子群优化算法

提出一种基于遗传交叉因子的改进粒子群优化算法,通过自适应变化惯性权重来改善算法的收敛性能,借鉴遗传算法中的选择交叉操作增加粒子多样性,通过引入交叉因子增强群体粒子的优良特性,减小了算法陷入局部极值的可能。对几个典型的测试函数进行仿真表明,该算法较标准粒子群优化算法(PSO)提高了全局搜索能力和收敛速度,改善了优化性能。

一种克服局部最优的收缩因子PSO算法

收缩因子粒子群优化算法容易陷入局部最优并出现早熟收敛的现象。为此,提出一种改进的收缩因子粒子群优化算法。该算法引入速度因子和位置因子参数,若粒子向全局最优接近且速度小于设定的速度因子,则认为该粒子可能出现停滞,从而对该粒子进行初始化,以增强粒子活力。在算法陷入局部最优时,通过该方法驱散粒子以提高种群多样性,避免产生早熟收敛现象。对多峰标准测试函数进行仿真实验,结果表明,该算法能提高收敛精度,有效避免算法陷入局部最优。

学习因子和时间因子随权重调整的粒子群算法

粒子群优化算法中惯性权重和学习因子的独自调整策略削弱了算法进化过程的统一性,很难适应复杂的非线性优化,为此提出一种利用惯性权重来控制学习因子的粒子群算法,通过增强权重和学习因子之间的相互作用来平衡算法的全局探索和局部开发能力。在此基础上引入时间因子,将其视做权重的线性函数,以便进一步提高迭代后期的局部开发能力并加快收敛速度。针对粒子群算法收敛性与多样性之间存在的矛盾,提出了边界限制和速度反弹的策略,避免粒子飞离区域造成种群多样性的减少,同时促使粒子快速收敛到全局最优。通过对多个基准测试函数进行优化分析,并将分析结果与其他粒子群算法计算结果进行对比,表明该算法能达到平衡粒子向个体学习和向群体学习能力的作用,提高了算法的寻优能力和收敛精度。