一种用于线性参数的l_1数据拟合的新方法

采用l1范数准则函数对数据进行拟合的方法称为l1数据拟合。提出了当测量数据列中存在个别数据有较大测量误差时 ,采用l1准则函数进行数据拟合要优于二次性准则函数。通过建立l1准则函数与二次准则函数间的关系 ,讨论一种用于线性参数的l1数据拟合的新方法 ,并给出了相关的结论。

一种用于非线性参数的l_1数据拟合的新方法

采用l1 范数准则函数对测试数据进行数据拟合的方法 ,称为l1 数据拟合。本文讨论了一种用于非线性参数的l1 数据拟合的新方法 ,其算法采用递推形式 ,具有概念清晰、易于偏程的特点。计算结果表明 。

遗传算法在l_1数据拟合中的应用

采用l1 范数准则函数对测试数据进行数据拟合的方法 ,称为l1 数据拟合。介绍了遗传算法及其在数据拟合中的应用 。

基于遗传算法的l_p数据拟合及其应用

在动态测试数据处理中,常常要进行稳健回归分析和最小最大值回归分析。讨论了遗传算法及其在lp数据拟合中的应用。由于遗传算法是用点群进行寻优,而不是用一个单点进行寻优,具有隐含并行算法的特点;群体在每一代的进化过程中执行同样的复制、交叉、变异操作,仅使用问题本身所对应的适应度函数,而不需要任何其它先决条件或辅助信息;遗传算法使用随机转换规则,而不是确定性规则进行运算。从而使得遗传算法是一类全局收敛算法,能够在lp数据拟合中得到很好的应用。给出了应用实例。

基于遗传算法的测量数据拟合

将遗传算法用于测量数据的曲线方程拟合 ,采用了变长度的染色体来表示不同的函数形式 ,并对标准的遗传算法中的交叉和变异操作进行了适当的改进 ,只需样本点的数据和允许的误差就能确定方程的形式 .计算结果表明 ,该方法是有效的 .

基于实数编码遗传算法的超二次模型参数提取计算

如何从真实景物形状信息中计算出对其几何形状描述的超二次基元模型的参数,是从二维图像或三维数据中进行超二次模型重建的关键,这个过程称为超二次模型的参数提取,也称为超二次拟合计算.由于传统的搜索算法很容易陷入局部最优解,因此,本文将实数编码遗传算法应用于超二次模型的参数提取中,针对不同的遗传算法控制策略、遗传算子等进行了大量的拟合计算数值比较实验.数值实验表明,应用实数编码遗传算法进行超二次模型参数提取计算具有效率高、鲁棒性好、精度高的优点.

多路径覆盖测试数据生成适应度函数设计方法

综合考虑影响适应度函数设计的因素,提出一种基于层次分析法的适应度函数设计方法。该方法首先将影响路径之间相似度的因素归结为三要素,并建立层次分析模型。根据不同因素对路径间相似度的作用重要程度不同,建立因素之间两两比较的判断矩阵,确定每个因素的权重系数,进而构造适应度函数。最后,将该方法用于基于遗传算法的多路径覆盖的测试数据生成。实验结果表明,对于解决多路径覆盖的测试数据生成问题,与已有方法相比,该方法具有较好的优越性。

酪氨酸电氧化反应体系的[i_p,ν]数据处理方法研究

本文主要探讨依据较低电势扫描速率条件下的[ip,ν]数据集而定量获取电活性物质的表面超额等参数的新的信息处理方法.