基于改进蚁群支持向量机的氢含量软测量建模
基于蚁群智能算法的数据分析系统优化设计
基于蚁群智能算法的数据分析系统优化设计
唐思萌
【期刊名称】《电子设计工程》
【年(卷),期】2024(32)11
【摘要】针对传统医疗财务数据分类能力差及效率偏低的问题,基于改进蚁群和分类算法提出了一种优化的信用数据分析模型。
该模型由数据处理模块、算法执行模块与输出模块组成。
根据输入数据的特点,模型对待测个体进行了信用等级预分类,并将预处理后的数据输入至分析模块中。
再将极限学习机和支持向量机相结合,进而大幅提高了算法的分类能力。
同时对于蚁群算法易陷入局部最优的问题,还对算法进行自适应改进,优化了相关参数。
在实验测试中,所提优化算法的信用评估指标在对比算法中均为最高,且算法的迭代次数相较未优化算法也降低了25%以上。
【总页数】5页(P37-41)
【作者】唐思萌
【作者单位】河北北方学院附属第一医院
【正文语种】中文
【中图分类】TN915.08;TP391
【相关文献】
1.基于混沌蚁群算法的冷藏车光伏储能混合制冷系统优化设计
2.基于智能算法的轮式移动机器人控制系统优化设计
3.基于蚁群算法的排水管道系统优化设计
4.基于大数据分析的网络安全系统优化设计研究
因版权原因，仅展示原文概要，查看原文内容请购买。
一种基于改进全局信息素更新效率的蚁群算法及仿真
ｏ ｐ ｔ ｉ ｍｉ ｓ ａ ｔ ｉ ｏ ｎ，ｗｅ ｐ ｒ ｅ ｓ ｅ ｎ ｔ ａ ｎ ａ ｎ ｔ ｃ ｏ ｌ ｏ ｎ ｙ ａ ｌ ｇ ｏ ｉｔ ｒ ｈ ｍ ｗｈ ｉ ｃ ｈ ｉ ｓ ｂ ａ ｓ ｅ ｄ ｏ ｎ ｉ ｍｐ ｒ ｏ ｖ ｉ ｎ ｇ ｔ ｈ ｅ ｅ ｆ ｆ ｉ ｃ ｉ ｅ ｎ ｃ ｙ ｆ ｏ ｇ ｌ ｏ ｂ ａ ｌ ｐ ｈ ｅ ｒ ｏ ｍｏ ｎ ｅ ｕ ｐ ｄ ａ ｔ ｅ ．Ｔ ｈ ｒ ｏ ｕ ｇ ｈ ｉ ｎ ｔ ｒ ｏ ｄ ｕ ｃ ｉ ｎ ｇ
ｏ ｆ ｔ ｈ ｅ ｉ ｎ ｉ ｔ ｉ ａ ｌ ｖ ａ ｌ ｕ ｅ ｆ ｏ ｐ ｈ ｅ ｒ ｏ ｍｏ ｎ ｅ ａ ｎ ｄ ｔ ｈ ｅ ｖ ｌｕ ａ ｉ ｎ ｇ ｏ ｆ ｔ ｈ ｅ ｖ ｏ ｌ ａ ｔ ｉ ｌ ｅ ｆ ａ ｃ ｔ ｏ ｒ Ｐ ｉ ｎ ｔ ｈ ｅ ａ ｌ ｇ ｏ ｉ ｒ ｔ ｈ ｍ ｒｅ ａ ｂ ｏ ｔ ｈ ｉ ｍｐ ｒ ｏ ｖ ｅ ｄ，ｔ ｈ ｅ ｒ ｅ ｂ ｙ ｔ ｈ ｅ ｓ ｅ ａ ｒ ｃ ｈ ｔ ｉ ｍｅ ｆ ｏ ｔ ｈ ｅ
高的精确性 ， 更适用 于比较大 型的 Ｔ Ｓ Ｐ问题 ， 在 路径搜索领域 具有较好的发展前景。 关键 词
中图分类号
蚁群算法
Ｔ Ｐ ３ １ ２
信息素
挥发 因子
Ａ Ｄ Ｏ Ｉ ： １ ０ ． ３ ９ ６ ９ ／ ｊ ． ｉ ｓ ｓ ｎ ． １ ０ ０ ０ ・ ３ ８ ６ ｘ ． ２ ０ １ ４ ． ０ １ ． ０ ４ ６
算法。通过在 蚁群 算法 中引入“ 精英策略” ， 让算法的搜索具有一定 的方 向性 ， 并且在 此基础 上对信 息素初始 值 的定 义与对算 法 中 的挥发 因子Ｐ的取值进行 改进 ， 从 而缩短算法的搜 索时间。通过 验证， 改进后 的算法相 比一般 的蚁群算法具有更好 的搜 索效 率与较
改进蚁群算法在支持向量机中的应用
，
（ ． ｉ ｎ Ｃ ｌ ｇ ｆ ｎ ｈ ｎＵｎｖ ｒ ｉ ， ｎ ｕ ｎ ｄ ｏ０ ６ ０ ， ｈｎ ； １ Ｌ ｒ ｏｌ ｅｏ ｓ ａ ｉ ｓ ｙ Ｑｉｈ ａ ｇ ａ ６ ０ ４ Ｃ ｉａ ｅ ｅ Ｙａ ｅ ｔ ２ Ｅ ａｕ ｔ ｇ ａ ｄ Ｅ ａ ｎｎ ｅ ｔｒｏ ｔｔ－ ｕ ｄ ｄ Ｃ ｎ ｔｕ ｔ ｎ Ｐ ｃｅ ｔ ． ａ ｉ ａ ｅ ｅ ｐ ｎ ｎ ． ｖ ｌａｉ ｎ ｘ ｍｉｉｇ Ｃ ｎ ｅ ｆ ａｅＦ ｎ ｅ ｏ ｓ ｃｉ ｒ ａｃｓ Ｎ ｔ ｎ ｌ ｖ ｌ ｍｅ ｔ ｄ ｎ Ｓ ｒ ｏ ｏ Ｄ ｏ ａ
Ｋ ｙ ｗ ｒ ｓ Ｖ ａ ｔ ｏ ｎ ｌ ｒｈ Ａ Ａ） ａａ ｅ ｒ ｆａｉｌ ｓ ａ ｈ ｓ ａｅ ｅ ｏ ｄ ：Ｓ Ｍ； ｎ ｌ ｙａ ｏｉ ｍ（ Ｃ ；ｐ ｒｍ ｔ ； ｅ ｓ ｅ ｅｒ ｐ ｃ ｃｏ ｇ ｔ ｅ ｂ ｃ
０ 引 言
ｌ ＳＶＭ
支 持 向量 机 （ｕ ｐｒ ｖｃｏ ｍ ｃｉｅ Ｖ 是 Ｖ ｐ ｉ ｓｐ ｏｔ ｅｔｒ ａｈ ，Ｓ Ｍ） ｎ ａｎ ｋ
Ｓ Ｍ基于结构风险最小化原则 ， Ｖ 町利 川 有 限样 本 ｌ Ｊ练 【
等人提出的一类 新型 机器学 习方 法 。Ｓ Ｍ 是一 种基 于 Ｖ
统 汁的 学 习 方 法 ， 是 对 结 构 风 险 最 小 化 归 纳 原 则 的近 似 ， 它 其 理 论 基 础 是 统 计 学 习 理论 。 它在 很 大程 度上 解决 了模 型 选 择 与 过 学 习 问 题 、 线 性 和 维 数 灾 难 问题 、 部极 小 点 问 非 局
ｏ ｔ ｍ ａ ｒ ｕｃ ｌ ．Ｓ ｍｕ ａｉｎ ｒ ｓ ｌ ｉｄ ｃ ｔ ｔ ａ ｐ ｉ ｚｎ Ｓ ｐｉ ｍｕ ｆｉ ｙ ｑ ｉｋ ｙ ｉ ｌｔ ｅ ｕ ｔ ｎ ｉａｅ ｈ ｔ ｏ ｔ ｌ ｏ ｓ ｍｉｉ ｇ ＶＭ ｉ ｈ ｓ ｍｅ ｈ ｄ ｃ ｎ ａ ｏｄ ｈ ｏ ａ ｗ ｔ ｔｉ ｈ ｔ ｏ ， ｖ ｉ ｔｅ ｌｃ ｌ ａ ｅ ｔ ｍｅ ｆ ｃｉｅ ｙ ａ ｄ ｉ ｒ ｖ ｈ ｏ ｖ ｒ ｅ ｃ ｐ ｅ ． ｘｒ ｅ ｓｅｆ ｔ ｌ ｎ ｍｐ ｏ ｅ ｔ ｅ ｃ ｎ ｅ ｇ ｎ ｅ ｓ ｅ ｄ ｅ ｖ
一种改进蚁群算法组合优化问题的研究
。早 期 被 广 泛 地 应 用 在 旅 行 商 问 题 ( T rave ling
sa lesm an prob lem, TSP) 的求解 。旅行商 问题是一个典型的组
基金项目 : 河南省教育厅自然科学研究计划项目 ( 2009B110012) 收稿日期 : 2009 - 09- 01
)
194 )
A Study on Improve m ent of Ant Colony A lgorithm Strategies Co m binational Optim ization
SUN Ze- yu , W E IW ei
L uoyang H enan 471023 , Ch ina ; 2 . D epartm ent o fM athe m atics and Physics , Luoyang Institu te of Science and T echno logy , Luoy ang H enan 471023, China) AB STRACT : An t colony a lgo rithm wh ich is a ne w heur istic algorithm w ith good robustness and sea rching perfor mance , has been w ide ly app lied in the fields o f a rtific ia l inte lligence , pattern recognition, and syste m contro l etc . W ith the in- dep th explora tion , there appear such de fau lts o f ant co lony a lgo rithm as the s low speed o f conve rgence and the tendency to loca lly opti m a l solution e tc . Based on these proble m s, a new ant co lony a lgo rithm is proposed to change the rules o f ite ration of partia l phero m ones, i m prove the overall update stra teg ies and dynam ically arrange rel evant param eters . H ereby , the earliness and useless redundant codes are proh ib ited and ov era ll search ing perfor mance and convergence speed o f the syste m a re enhanced. H ence , th is a lgor ithm realized comb inational opti m ization. T he valid ity and feasib ility of th is a lgo rithm is de m onstra ted through the si m u lation experi m ent of T raveling Sa lesm an P roble m. K EYWORDS : A nt co lony a lgor ithm; Comb inator ia l opti m ization; T rave ling Salesm an P rob lem; Pheromone 合优化问题 , 同时也是 一个 N P 难问 题。随着问 题规 模的扩
一种改进的最小二乘支持向量机软测量建模方法
一种改进的最小二乘支持向量机软测量建模方法
毛晓娟;何小阳;温伟峰
【期刊名称】《自动化仪表》
【年(卷),期】2011(032)005
【摘要】针对最小二乘支持向量机(LS-SVM)缺少支持向量所具有的稀疏性和模型参数值难以选择的问题,提出利用马氏距离进行样本相似程度分析,去除集中部分样本,以恢复最小二乘支持向量机的稀疏性的方法.同时,采用κ-折交叉验证误差作为学习目标的粒子群优化算法来选取模型参数,并利用改进算法建立了精馏产品浓度的软测量模型.通过仿真验证了改进算法的有效性.结果表明模型精度较高,泛化能力强,满足工业测量要求.
【总页数】4页(P39-41,45)
【作者】毛晓娟;何小阳;温伟峰
【作者单位】广西大学电气工程学院,广西南宁,530004;广西大学电气工程学院,广西南宁,530004;广西大学电气工程学院,广西南宁,530004
【正文语种】中文
【中图分类】TP274
【相关文献】
1.一种改进细菌觅食优化算法及其在软测量建模中的应用 [J], 李炜;徐卫
2.一种基于改进加权粗糙集的多模型软测量建模方法 [J], 陈定三;杨慧中
3.一种基于混合建模技术的MIMO软测量建模方法 [J], 傅永峰;陈祥华;徐欧官
4.一种基于改进扩张搜索聚类算法的软测量建模方法 [J], 张孙力;杨慧中
5.基于一种改进灰关联分析的双进双出钢球磨制粉出力软测量建模 [J], 冯磊华;桂卫华;杨锋
因版权原因，仅展示原文概要，查看原文内容请购买。
机组检修计划优化模型及改进蚁群算法求解
０ 引 言
ｏ Ｃ ｍｐ ｔｒＥｎ ｉｅ ｒｎ ｕ ｅ ｇｎ ｅｉｇ，Ｎｏ ｔ ｅ ｓ ａ ｌＵｎｖ ｒｉ ｒｈ ａｔＤｉｎｉ ｉｅｓｔ ｙ，Ｊｌ ３ ０ ２ ｉｎ １ ２ １ ，Ｃｈｎ ；３ ｉｎ Ｐ ｏ ｉｃ ｉｅ ｓｔ ｉ ｉａ ．Ｊｌ ｒ ｖｎ ｅＵｎｖ ｒｉｙ ｉ
Ｄｉｔｉ ｕ ｉ ｎ Ａｕ ｏ ｔ ｎ Ｅｎ ｉｅ ｒｎ ｓ ａ ｃ ｅ ｔ ｒ ｓ ｒｂ ｔ ｔ ｍａ ｉ ｇ ｎ ｅ ｉ ｇ Ｒｅ ｅ ｒ ｈ Ｃ ｎ ｅ ，Ｃｈ ｎ ｃ ｕ ３ ０ ２，Ｃｈ ｎ ） ｏ ｏ ａ ｇｈ ｎ１０ １ ｉ ａ Ａｂ ｔａ ｔ Ｂ ｓ ｄ ｏ ｈ ａ ｋ ｒ ｕ ｄ ｏ ｒ ｄ ｔ ｎ ｌｏ ｔ ｚ ｄ ｇ ｎ ｒ ｔ ｒｍ ａｎ ｅ ａ ｃ ｄ ｌ ｎ ｉ ｄ ｏ ｅ ｏ ｔ ｚ ｄ ｇ ｎ ｒ ｔ ｒ ｓ ｒ ｃ ： ａ ｅ ｎ ｔ ｅ ｂ ｃ ｇ ｏ ｎ ｆｔａ ｉ ｏ ａ ｐ ｉ ｅ ｅ ｅ ａｏ ｉ ｔ ｎ ｎ ｅ ｍｏ ｅ ，ｏ ｅ ｋ ｎ ｆｎ ｗ ｐ ｉ ｅ ｅ ｅ ａ ｏ ｉ ｍｉ ｍｉ ｍａ ｎ ｅ ａ ｃ ｄ ｌ ｓ ｅ ｔ ｂ ｉｈ ｄ Ａｓ ｔ ｅ ｆ ｃ ｈ ｔ ａ ｔ ｃ ｌｎ ｌ ｏ ｉ ｍ ａ ｈ ｈ ｒ ｃｅ ｉｔ ｆ ｓｏ ｃ ｎ ｅ ｇ ｎ ｅ ａ ｄ ｅ ｓ ｙ ｉ ｔ ｎ ｎ ｅ ｍｏ ｅ ｓ ａ ｌ ｅ ． ｉ ｓ ｈ ａ ｔ ｔ ａ ｎ ｏ ｏ ｙ ａｇ ｒｔ ｈ ｈ ｓ ｔ ｅ ｃ ａ ａ ｔ ｒｓ ｉ ｏ ｌｗ ｏ ｖ ｒ ｅ ｃ ｎ ａ ｉ ｃ ｌ ｆ ｌｎ ｉ ｔ ｃ ｌ ｐ ｉ ｍ ，ｂ ｓ ｇ ｆｚ ｙ ｃ ｎ ｒ ｌ ｕｅ ．Ｔｈ ｎ ｏｏ ｙａｇ ｒ ｈ ｉ ｉ ｒ ｖ ｄ ａｌ ｇ ｏ ｌ ａ ｔ ｉ ｎ ｏ ｏ ｍｕ ｙ ｕ ｉ ｚ ｏ ｔ ｌｓ ｎ ｕ ｏ ｒ ｅａ ｔ ｌｎ ｏ ｉ ｍ ｏ ｅ ．Ｔｈｓｉ ｒ ｖ ｄ ａｇ ｒｔ ｐ ｌ ｄ ｔ ｅ ｃ ｌ ｔ ｓ ｍｐ ｉ ｍｐ ｏ ｅ ｏ ｉ ｌ ｍ ｓ ｈ ｉ ａ ｐｉ Ｏｔ ｅ ｈ ｐ ｐ ｓ ｄ ｏ ｔ ｚ ｅ ｅ ａｏ ｉ ｔｎ ｎ ｅｍｏ ｅ．Ａｓ ａｒ ｓ ｌ，ｓｍｕ ａｉｎ ａｇ ｒ ｈ ｄ ｍｏ ｅｓｃ ｎ ａ ｈｅ ｅｇ ｏ ｅ ｕ ｔ ｏ ｒ ｏ ｅ ｐ ｉ ｅ ｇ ｎ ｒ ｔ ｒｍａｎ ｅ ａ ｃ ｄ １ ｍｉｄ ｅｕ ｔ ｉ ｌ ｔ ｏ ｔ ｍｓａ ｄ ｌ ａ ｃ ｉ ｏ ｄ ｒ ｓ ｌ ｏ ｌ ｉ ｎ ｖ ｓ Ｋｅ ｒ ｓ ｅ ｅ ａ ｏ ｅ ａｒ ｃ ｎ ｍ ｙ ｎ ｏ ｏ ｙ ａｇ ｒ ｈ ；ｆ ｚ ｙ ｃ ｎ ｒ ｌ ｕ ｅ ；ｐ ｅ ｏ ｎ ｐ ａ ｅ ｙ ｗｏ ｄ ：ｇ ｎ ｒ ｔ ｒｒ ｐ ｉ；ｅ ｏ ｏ ；ａ ｔｃ ｌ ｎ ｌ ｏ ｉ ｍ ｔ ｕ ｚ ｏ ｔｏ ｌ ｓ ｈ ｒ ｍｏ ｅｕ ｄ ｔ ｒ
基于最小二乘支持向量机的软测量方法在精对苯二甲酸生产中的应用
１ １
其 中， ＝Ｚ ， 据 Ｍ ｒ ｒ Ｚ 根 ｅｃ 法则 ， 入 核 函数 Ｋ ｅ 引
ａ ３ ， ｅ ＝ ｒｎＪ ｂ ） ÷ ｉ （ ，
－ ｅ 毒 ｕ
（） ２
收稿 日期 ：０ ００ －７ 修改稿 ） ２ １－６０ （
Ｏ ０
Ｏ Ｏ Ｚ ｙ
般为 ８ｈ 每天只能采集 到滞后 的数据 ， 要对其 颗 ， 需 粒进行软测量建模用 以对颗粒大小进行实时控制 。
２ 最 ｄ － 乘 （ ）Ｙ ］， Ｚ 。 ． ｙ＝［ ，…， ， Ｙ，
过 程 控 制
化 动 及 表，０ ，７７： ～４ 工自 化 仪 ２ ０ ３（） ２ ３ １ ３
Ｃｏ ｔ ｌａ ｄ Ｉ ｓｒ ｍｅ ｔ ｉ ｈ ｍｉ ａ Ｉ ｄ ｓ ｙ ｎ ｒ ｎ ｎ ｔ ｏ ｕ ｎｓ ｎ Ｃ ｅ ｃｌ ｎ ｕ ｔ ｒ
基 于最 小 二 乘 支 持 向量 机 的 软 测 量 方 法 在 精 对 苯 二 甲酸 生 产 中 的应 用
同 时保 持 了原 有 水 平 的预 测 能 力 。结 果 表 明 该 方 法 对精 对 苯二 甲酸 的 颗 粒 具 有较 高 的预 测 能 力 。 关键 词 ： 支 持 向 量机 ； 测 量 ； 对 苯 二 甲酸 ； 时估 计 软 精 实 中 图分 类 号 ： Ｐ ８ ；Ｐ ７ 文 献标 识 码 ： 文章 编 号 ：１０ —９２ ２ １ ） ７０ ３ －３ Ｔ １１ Ｔ ２ ３ Ａ ０ ０３ ３ （０ ０ ０ － ２０ ０
１ 引 言
ｓｔ Ｙ ［ （ ）＋ｂ ． ． Ｗ ］＝ １一ｅ （ ＝１ … ， ｋ ， Ⅳ）
支持向量机是专 门针对有限样本情况下如何得
到最优解 的一种机器学习方法。通过将实际的问题 转换到非线性 的高维 特征空 间 ， 然后在 高维 的特 种 空间中构造线性判别函数来实现原来 的非线性判别
基于改进蚁群算法的TSP问题研究中!
在 1991 年提出蚂蚁系统 ( Ant Sys2
tem , AS)算法 ,其有 2 个主要步骤 , 即解的构建和信
息素的更新 , 信息素本来是蚂蚁在所经过的路上释 放的一种挥发性化学物质 ,蚂蚁通过它来选择路径 , 在蚂蚁系统算法中通过信息素来反映边被蚂蚁选择 的情况 .
111 解的构建
rea l d islead [ n ] [ n ] 用 来 存 放 Γij 的 值 , 增 加 rea l
1. 5C ) 范围内 , 则 ω = 1 / 4, 否则 ,ω = 3 / 4.
bs
公式 ( 5 ) 变为 :
m
τ ρ )τ ij ← ( 1 - ω ij +
0 < ρ ≤ 1.
k =1
Δ τ , Π ( i, j) ∑
( ( ( xj - xstart ) ( xj - xend )
2 2
k
τ ij 表示边 ( i, j) 所对应的信息素 ; α表示信息素因子 ,β表示启发式因子 ;
N i 表示位于 i的蚂蚁 k 可以直接到达的相邻城
k
市的集合 . 信息素 τ ij是蚂蚁在边 ( i, j) 释放的信息素 , 其实 质是代表边被蚂蚁选择的情况 , 简单说选择的越多 , 则τ ij 越大 . 每一只蚂蚁 k 都维护 1 个记忆存储 M , 它按照 访问的先后顺序记录所有已经过访问的城市的序 k 号 . 记忆存储还允许蚂蚁计算其构造的路径 T 的总 长度 , 还可以用来重新遍历该路径并释放信息素 . 112 信息素更新 首先 , 所有边上的信息素都会减少 1 个产量因 子的大小 , 然后在蚂蚁经过的边上增加信息素 . 信息 素的蒸发根据下式执行 τ . ( 2) 1 - ρτ ij ← ij , Π ( i, j) ∈ L , 0 < ρ ≤ 1 参数 ρ的作用是避免信息素的无限积累 , 还可 以淘汰之前的较差的路径 , 如果一条边没有再被任 何蚂蚁选择 , 那么这条边的信息素将以迭代次数的 指数级递减 . 蒸发信息素后 , 所有蚂蚁在它们经过的 边上释放信息素 :
一种改进的最小二乘支持向量机软测量建模方法
有 一定 的“ 稀疏 ” 。同时 ， 性 采用粒子群优化 算法 （ ａ— ｐｒ ｔ ｌ ｓａｍ ｏｔ ｉ ｔ ｎ Ｐ Ｏ 对 Ｌ ．Ｖ 的模 型参数进 ｉ ｅ ｗ ｒ ｐ ｍｚ ｉ ，Ｓ ） ｃ ｉ ａｏ ＳＳ Ｍ
Ｋｅｗｏ ｄ ：Ｌ ａｔ ｑ ａｅｓｐ ｏ ｅ ｔｒ ｃ ｉｅ（ ＳＳ Ｍ） Ｐ ｒｃｅｓ ａｌ ｏｔ ｚｔ ｎａｇ ｒｈ ｙ ｒ ｓ ｅ ｓ ｓｕ ｒ ｕ ｐ ￣ｖｃｏ ｈｎ Ｌ —Ｖ ｍａ ａｔ ｌ ｗ ｒｌ ｐｉ ａｉ ｌｏ ｔｍ Ｓｆ ｓｎｉｇ Ｍｏ ｅｉｇ ｉ ｒ ｍｉ ｏ ｉ ｏ ｅ ｓ ｔ ｎ ｄｌ ｎ
样本相 似程 度分 析 ， 除集 中部 分样本 ， 去 以恢 复最 小二 乘支 持 向量机 的稀 疏性 的方 法 。同时 ， 采用 一 折交 叉 验证 误 差作 为 学 习 目标 的
粒子群 优化 算法来 选取 模 型参数 ， 并利 用改 进算 法建 立 了精馏 产品浓 度 的软测 量模 型 。通过 仿 真验 证 了改 进算 法 的 有效 性 。结 果表
ｔ ｎ ｏ ｈ ｒｄ ｔｏ ｉｔｌ ｔ ｎ．Ｔ ｉ ｌｔｏ ｅ ｆｅ ｈ ｆ ｃｉｅ ｅ ｓｏ ｅ ｉ ｒｖ ｄａｇ ｒｔｍ 。ａ ｄｔ ｅｒ ｓ ｌ ｏ ｅ ｅ ｒ ｈ ｓ ｗｓｔｅ ｍｏ ｌ ｉ ｆｔｅ ｐ ｏ ｕｃ ｆｄｓｉａｉ ｏ ｌ ｏ ｈｅｓｍｕ ａｉｎｖ ｒ ｓｔ ｅｅｆ ｔ ｎ ｓ ｆｔ ｍｐ ｏ ｅ ｌｏ ｉ ｉ ｉ ｅ ｖ ｈ ｈ ｎ ｈ ｅ ｕｔ ｆｒ ｓ ａｃ ｈｏ ｈ ｄｅ ｉ ａ ｃ ｒｔ ，ａ ｄ ｇ ｏ ｒｇ ｎｅａｉａｉｎ ｔ ｅ ｎ ｕ ｔｉ ａ ｕ ｉｇ ｒｑ ｒｍｅ ｔ． ｓ ｃ ｕ ａｅ ｎ ｏ ｄ ｆ ｅ ｒ ｌ ｔ ｏ ｍｅ ｔｉｄ ｓｒａ ｍｅ ｓ ｒｎ ｅ ｕｉ ｏ ｚ ｏ ｌ ｅ ｎｓ
基于改进蚁群的测试序列优化算法
基于改进蚁群的测试序列优化算法李丹阳;蔡金燕;杜敏杰;朱赛【期刊名称】《中国测试》【年(卷),期】2013(039)004【摘要】针对故障诊断中的测试序列优化问题,提出一种改进蚁群算法的解决方法.该方法根据二值属性系统的特点,定义状态集向量及测试向量,将故障测试隔离过程转化为向量的位运算过程,将序列优化问题转化为一种最小代价的动态树构造问题,设计灵活的状态转移规则,并根据动态树的分层结构特点,提出一种分层加权和遗传变异相结合的信息素更新策略,解决这种动态树结构的寻优问题.仿真结果表明:该算法以较高的效率收敛到已知最优解,高效实用,为大规模复杂系统的测试优化问题提供了一条新的解决途径,具有一定的工程应用价值.【总页数】5页(P105-108,128)【作者】李丹阳;蔡金燕;杜敏杰;朱赛【作者单位】军械工程学院光学与电子工程系,河北石家庄050003;军械工程学院光学与电子工程系,河北石家庄050003;军械工程学院光学与电子工程系,河北石家庄050003;军械工程学院光学与电子工程系,河北石家庄050003【正文语种】中文【中图分类】TP277;TP391.9;TM571.62;O212.6【相关文献】1.基于改进蚁群优化算法的云计算调度方法 [J], 王恩重;陶传奇2.基于子图演化与改进蚁群优化算法的社交网络链路预测方法 [J], 顾秋阳;琚春华;吴功兴3.一种基于子问题动态消减的改进多目标蚁群优化算法 [J], 宁佳绪;牛玥;纪丹蕾;肖雨婷;杨富燕4.基于灰狼优化器改进蚁群算法的物流配送路径优化算法 [J], 周子程;梁景泉;刘秀燕;黄毓培5.基于转角约束的改进蚁群优化算法路径规划 [J], 李开荣;刘爽;胡倩倩;唐亦媛因版权原因，仅展示原文概要，查看原文内容请购买。
改进蚁群算法在基于服务质量的Web服务组合优化中的应用
改进蚁群算法在基于服务质量的Web服务组合优化中的应用倪志伟;方清华;李蓉蓉;李一鸣【摘要】为了克服基础蚁群算法存在的前期搜索速度较慢、后期极易陷入局部最优解的缺点,提出初始信息素分布策略和局部优化策略;同时还提出了依赖解的质量的信息素更新依据,以增强算法过程中信息素的有效积累.将该改进蚁群算法应用于基于服务质量(QoS)的Web服务组合优化问题中,通过在数据集QWS2.0上的实验对改进蚁群算法的可用性和有效性进行了验证.结果表明改进的蚁群算法与基础蚁群算法、利用解与理想解距离更新信息素的改进蚁群算法以及用支配程度作为解的个体评价的改进遗传算法相比,能够找到更多的非劣解,寻优能力更优,表现出了较稳定的性能.【期刊名称】《计算机应用》【年(卷),期】2015(035)008【总页数】7页(P2238-2243,2279)【关键词】Web服务;服务组合技术;蚁群算法;Pareto最优解;局部优化【作者】倪志伟;方清华;李蓉蓉;李一鸣【作者单位】合肥工业大学管理学院,合肥230009;过程优化与智能决策教育部重点实验室(合肥工业大学),合肥230009;合肥工业大学管理学院,合肥230009;过程优化与智能决策教育部重点实验室(合肥工业大学),合肥230009;合肥工业大学管理学院,合肥230009;过程优化与智能决策教育部重点实验室(合肥工业大学),合肥230009;合肥工业大学管理学院,合肥230009;过程优化与智能决策教育部重点实验室(合肥工业大学),合肥230009【正文语种】中文【中图分类】TP1830 引言随着计算机应用的飞速发展，人们的研究重点已从网络层系统互联向应用层服务集成迁移，面向服务的新型计算模式——服务计算(service computing)也应运而生。
作为面向服务的体系架构(Service Oriented Architecture，SOA)的一个重要拓展方向，Web 服务技术也随之发展起来，并逐渐成为下一代分布式处理系统的核心，共享在网络上的Web 服务越来越趋于稳定和易用。
基于改进极限学习机的软测量建模方法
基于改进极限学习机的软测量建模方法张东娟;丁煜函;刘国海;梅从立【期刊名称】《计算机工程与应用》【年(卷),期】2012(048)020【摘要】针对生物发酵过程中一些生物参量难以测量的问题,提出一种基于改进极限学习机(IELM)的软测量建模方法.该方法通过最小二乘方法和误差反馈原理计算出最优的网络输入到隐含层的学习参数,以提高模型的稳定性和预测精度.通过双对角化方法计算出最优的输出权值,解决输出矩阵的病态问题,进一步提高模型的稳定性.将所提方法应用于红霉素发酵过程生物量浓度的软测量.结果表明,与ELM、PL-ELM、IRLS-ELM软测量建模方法相比,IELM在线软测量建模方法具有更高的预测精度和更强的泛化能力.%To solve the problem that biomass concentration is difficult to measure directly in the fermentation process, a soft sensor modeling method based on Improved Extreme Learning Machine (IELM) is proposed. The least squares method is combined with the ELM algorithm to calculate the optimal learning parameters. And the training error is used as feedback input to improve the stability and prediction of ELM. In order to further improve the stability of the model, the Lanczos Bidiagonalization(LBD) is used to calculate the output weights. The proposed modeling method is used to construct a novel soft sensor model for the erythromycin fermentation process. Compared with ELM^IRLS-ELM and PL-ELM model, IELM model has higher prediction accuracy and stronger generalization capability.【总页数】4页(P51-54)【作者】张东娟;丁煜函;刘国海;梅从立【作者单位】江苏大学电气信息工程学院自动化系,江苏镇江212013;江苏大学电气信息工程学院自动化系,江苏镇江212013;江苏大学电气信息工程学院自动化系,江苏镇江212013;江苏大学电气信息工程学院自动化系,江苏镇江212013【正文语种】中文【中图分类】TP273【相关文献】1.基于极限学习机的软测量建模方法研究 [J], 潘孝礼;肖冬;常玉清;王福利;毛志忠2.基于改进极限学习机的软测量建模 [J], 周馨;王国胤;于洪3.基于主成分分析-改进的极限学习机方法的精对苯二甲酸醋酸含量软测量 [J], 贺彦林;王晓;朱群雄4.改进粒子群优化的极限学习机软测量建模方法 [J], 盛晓晨; 史旭东; 熊伟丽5.基于混合蛙跳算法的极限学习机软测量建模 [J], 孙顺远;周乾因版权原因，仅展示原文概要，查看原文内容请购买。
基于蚁群算法的支持向量机参数优化
基于蚁群算法的支持向量机参数优化
张培林;钱林方;曹建军;任国全
【期刊名称】《南京理工大学学报（自然科学版）》
【年(卷),期】2009(033)004
【摘要】针对支持向量机的参数对分类性能的影响,探讨了基于蚁群算法的支持向量机参数优化方法,建立了支持向量机参数优化模型,给出了基于网格划分策略的连续蚁群算法,并将其用于优化模型求解,通过对支持向量机的惩罚因子和径向基核函数进行优化,使支持向量机的分类性能最优.通过仿真和应用实例,验证了方法的有效性,得到了95%以上的分类正确率.
【总页数】5页(P464-468)
【作者】张培林;钱林方;曹建军;任国全
【作者单位】南京理工大学机械工程学院,江苏,南京,210094;军械工程学院火炮工程系,河北,石家庄,050003;南京理工大学机械工程学院,江苏,南京,210094;军械工程学院火炮工程系,河北,石家庄,050003;军械工程学院火炮工程系,河北,石家
庄,050003
【正文语种】中文
【中图分类】TH113.1;TK411
【相关文献】
1.基于改进蚁群算法优化的模糊支持向量机的网络入侵检测技术探究 [J], 崔玉礼
2.基于支持向量机与连续蚁群算法建立的\r煤矿企业安全投入模型研究 [J], 李振;
曹庆贵;杨涛
3.基于蚁群算法的支持向量机室内蓝牙标定定位 [J], 吴璇; 薛峰; 余敏
4.基于支持向量机和改进蚁群算法的移动机器人路径规划 [J], 张劲波;左韬;胡新宇;伍一维
5.基于支持向量机-蚁群算法的电气化铁路牵引负荷参数辨识 [J], 应宜辰;吴命利;杨少兵;刘秋降
因版权原因，仅展示原文概要，查看原文内容请购买。
改进蚁群算法在支持向量机参数中的应用
改进蚁群算法在支持向量机参数中的应用刘继承;解敬;隋殿雪【期刊名称】《化工自动化及仪表》【年(卷),期】2015(000)004【摘要】提出一种改进的蚁群算法（即交叉验证法与蚁群算法的有效结合）对支持向量机的参数进行优化。
首先通过交叉验证法得到支持向量机参数，然后在这些参数中确定蚁群算法的搜索空间，最后在该区间上选取最优参数。
仿真结果表明：使用该方法优化支持向量机参数可以在较短时间内寻找到最优解，进而缩短搜索时间，提高识别准确率。
%An improved ant colony algorithm ( combination of the cross validation method and the ant colony algorithm) was proposed to optimize SVM ( support vector machine) parameters.First of all,it makes use of the cross validation method to obtain SVM parameters,and then it determines ant colony algorithm search space in these parameters and selects optimal parameters at this interval.The simulation results show that this method can optimize SVM parameters and find optimal solution in a short period of time, and can reduce the search time as well as improve the accuracy rate of recognition.【总页数】4页(P406-409)【作者】刘继承;解敬;隋殿雪【作者单位】东北石油大学电气信息工程学院，黑龙江大庆 163318;东北石油大学电气信息工程学院，黑龙江大庆 163318;东北石油大学电气信息工程学院，黑龙江大庆 163318【正文语种】中文【中图分类】TH865【相关文献】1.改进蚁群算法在支持向量机中的应用 [J], 任玉艳;鲍洁;王洪瑞2.改进蚁群算法在SVM参数优化研究中的应用 [J], 高雷阜;张秀丽;王飞3.基于粗差判别的参数优化自适应加权最小二乘支持向量机在PX氧化过程参数估计中的应用 [J], 陶莉莉;钟伟民;罗娜;钱锋4.支持向量机参数优化方法在木质粉尘火花探测中的应用 [J], 谢思熠;徐兆军;那斌;朱南峰5.支持向量机参数优化方法在齿轮箱故障诊断中的应用 [J], 张晓莉;谢永成因版权原因，仅展示原文概要，查看原文内容请购买。
基于改进的GA-LSSVM的软测量建模方法
基于改进的GA-LSSVM的软测量建模方法
王强;田学民
【期刊名称】《北京理工大学学报》
【年(卷),期】2012(32)10
【摘要】针对工业过程中某些重要过程变量难以实现在线测量的问题,提出了一种改进的最小二乘支持向量机(IGA-LSSVM)的软测量建模方法.该方法采用核独立分量分析(KICA)对高维数据进行特征提取,利用改进的最小二乘支持向量机进行建模.该方法既利用了最小二乘支持向量机求解速度快的特点,又利用了自适应遗传算法强大的全局搜索能力,增强了模型的自适应性.用该方法建立柴油凝点的软测量模型,结果表明,基于IGA-LSSVM方法建立的软测量模型具有较高的预测精度和泛化能力.
【总页数】5页(P1031-1035)
【关键词】软测量;核独立元分析(KICA);遗传算法(GA);最小二乘支持向量机(LSSVM)
【作者】王强;田学民
【作者单位】中国石油大学(华东)信息与控制工程学院;东营职业学院工业工程系【正文语种】中文
【中图分类】TP273
【相关文献】
1.基于改进BP方法的精炼炉电压和电流软测量建模 [J], 张艳芬;肖东
2.基于改进极限学习机的软测量建模方法 [J], 张东娟;丁煜函;刘国海;梅从立
3.基于改进混合蛙跳算法的软测量建模方法 [J], 张孙力;杨慧中
4.一种基于改进扩张搜索聚类算法的软测量建模方法 [J], 张孙力;杨慧中
5.基于改进的DeepESN软测量建模方法及应用 [J], 岳文琦
因版权原因，仅展示原文概要，查看原文内容请购买。
基于粒子群最小二乘支持向量机的软测量建模
基于粒子群最小二乘支持向量机的软测量建模
陈如清;俞金寿
【期刊名称】《系统仿真学报》
【年(卷),期】2007(19)22
【摘要】针对最小二乘支持向量机处理大规模样本软测量建模问题时出现模型结构复杂、失去支持向量稀疏性且正规化参数和核参数难以确定的情况,提出了一种改进的算法。
利用样本间马氏距离进行样本相似程度分析,去除样本集中部分样本以简化模型结构并提高计算速度,此外应用改进的带扰动项粒子群算法优化模型参数以提高模型的拟合精度和泛化能力。
将提出的改进算法用于丙烯腈收率软测量建模,研究结果表明模型精度较高、泛化性能好,满足现场测量要求。
【总页数】4页(P5307-5310)
【关键词】最小二乘支持向量机;马氏距离;带扰动项粒子群算法;软测量
【作者】陈如清;俞金寿
【作者单位】华东理工大学自动化研究所
【正文语种】中文
【中图分类】TP273
【相关文献】
1.基于混沌果蝇优化最小二乘支持向量机的秸秆发酵过程软测量建模 [J], 朱湘临;华天争
2.基于最小二乘支持向量机的软测量建模及在电厂烟气含氧量测量中的应用 [J],
王勇;刘吉臻;刘向杰;谭文
3.基于最小二乘支持向量机的软测量建模及在电厂烟气含氧量测量中的应用 [J], 王勇;刘吉臻;刘向杰;谭文
4.基于粒子群-最小二乘支持向量机算法的沥青拌和站中含氧量的软测量 [J], 杨建红;房怀英
5.基于自适应加权最小二乘支持向量机的青霉素发酵过程软测量建模 [J], 赵超;李俊;戴坤成;王贵评
因版权原因，仅展示原文概要，查看原文内容请购买。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
摘要 ： 针对氢粉碎过程 中钕铁硼合金粉碎状态不可知的特点 ， 在用传统方法预测合金反应状态时存 在参数盲选 、 收敛缓 慢等 问题 。为有效预测合金的反应状态 ， 提 出了基于改进蚁群算 法优化 的支持 向量机模型 。通过优化支持向量机模型 的惩 罚因 子 Ｃ和径向基核参数 ｇ ， 可提高支持向量机检测模 型的性能 。以钕铁硼氢粉碎过程优化控制 为例 ， 建立 了合金氢含量的检测 模型 ， 并与人工参数选 择的检测模型进行 了对 比。仿真结果表明改进蚁群优化 的检测模型检测精度高 ， 泛化能力强 ， 对 工艺
ｐ ａ ｒ ａ ｍｅ ｔ ｅ ｒ ｓ ｓ ｅ ｌ ｅ ｃ ｔ ｉ ｏ ｎ ，ｓ ｌ ｏ ｗ ｃ ｏ ｎ ｖ ｅ ｒ ｇ ｅ ｎ ｃ ｅ ｓ ｐ ｅ ｅ ｄ ｏ ｆ ｓ ｕ ｐ ｐ ｏ ｒ ｔ ｖ ｅ ｃ ｔ ｏ ｒ ｍａ ｃ ｈ ｉ ｎ ｅ ｉ ｎ ａ ｌ ｌ ｏ ｙ ｒ ｅ ａ ｃ ｔ ｉ ｖ ｅ ｓ ｔ ａ ｔ ｅ ｐ ｒ ｅ ｄ ｉ ｃ ｔ ｉ ｏ ｎ， ａ ｐ ｒａ ａ ｍｅ ｔ ｅ ｒ
第３ １ 卷 第３ 期
文章编号 ： １ ０ ０ ６ — ９ ３ ４ ８ （ ２ ０ １ ４ ） ０ ３ — ０ ３ ８ ４ — ０ ５
计
算
机
仿
真
２ ０ １ 量 建模
朱 林。 陆春 伟
（ 内蒙古科技大学信息工程学院 ， 内蒙古 包头 ０ １ ４ ０ １ ０ ）
优化控制具有重要意义。
关键词 ： 蚁群算法 ； 支持向量机； 参数优化 ； 氢粉碎 ； 氢含量预测 ； 软测量
中 图 分 类号 ： Ｔ Ｐ ３ ０ １ 文献 标 识 码 ： Ｂ
Ｓ ＶＭ Ｍｏ ｄｅ ｌ ｉ ｎ ｇ ｏ ｆ Ｈｙ ｄ ｒ ｏ ｇ ｅ ｎ Ｃｏ ｎ ｔ ｅ ｎ ｔ Ｓ ｏ ｆ ｔ Ｓ ｅ ｎ ｓ ｏ ｒ Ｂａ ｓ ｅ ｄ ｏ ｎ Ｉ ｍ ｐｒ ｏ ｖ ｅ ｄ Ａｎｔ Ｃｏ ｌ ｏ ｎｙ Ａｌ ｇ ｏ ｒ ｉ ｔ ｈ ｍ
ＡＢＳ ＴＲＡＣＴ： Ｃ ｏ ｎ ｔ ｒ ａ ｒ ｙ ｔ ｏ ｔ ｈ ｅ ｐ ｒ ｏ ｂ ｌ ｅ ｍｓ ｏ ｆ ｓ ｔ ａ ｔ ｅ ｕ ｎ ｋ ｎ ｏ ｗ ｎ ｉ ｎ Ｎｄ Ｆ ｅ Ｂ ｌｌ ａ ｏ ｙ ｃ ｒ ｕ ｓ ｈ ｉ ｎ ｇ ｉ ｎ ｈ ｙ ｄ ｒ ｏ ｇ ｅ ｎ ｐ ｕ ｌ ｖ ｅ ｒ ｉ ｚ ａ ｔ ｉ ｏ ｎ ａ ｎ ｄ ｂ ｌ ｉ ｎ ｄ
ＺＨＵ Ｌ ｉ ｎ．Ｌ Ｕ Ｃｈ ｕ ｎ — ｗｅ ｉ
（ Ｉ ｎ ｎ ｅ ｒ Ｍ ｏ ｎ ｇ ｏ ｌ ｉ ａ Ｕ ｎ ｉ ｖ ｅ ｒ ｓ ｉ ｔ ｙ ｏ ｆ Ｓ ｃ ｉ ｅ ｎ ｃ ｅ ａ ｎ ｄ Ｔ ｅ ｃ ｈ ｎ ｏ ｌ ｏ ｇ ｙ ， Ｉ ｎ ｆ ｏ ｒ ｍａ ｔ ｉ ｏ ｎ Ｅ ｎ ｇ ｉ ｎ ｅ ｅ ｉ ｒ ｎ ｇ Ｃ ｏ ｌ ｌ ｅ ｇ ｅ ， Ｂ ａ ｏ ｔ ｏ ｕ ， Ｉ ｎ ｎ ｅ ｒ Ｍｏ ｎ ｇ ｏ ｌ ｉ ａ ０ １ ４ ０ ０ ０， Ｃ ｈ ｉ ｎ ａ ）