搜索到20972篇“ PSO“的相关文章
- 基于改进PSO-Elman的液晶显示器颜色特性化
- 2024年
- 液晶显示器颜色特性化可以实现同一幅图像在不同设备上的准确显示。为解决液晶显示器颜色特性化存在模型建立复杂、模型鲁棒性差导致特性化精度较低的问题,提出基于改进PSO-Elman神经网络的方法建立RGB颜色空间到CIEXYZ颜色空间的转换模型(ACOPSO-Elman)。首先根据粒子种群规模和粒子位置关系构造惯性权重与学习因子的自适应调节函数提高PSO算法的全局寻优能力和收敛速度,并在寻优过程中添加混沌优化(CO),防止粒子陷入局部最优解,将改进的粒子群算法用于Elman模型参数寻优,解决了Elman模型参数较难选取的问题。通过仿真验证并与BP、Elman神经网络模型比较表明,ACOPSO-Elman模型特性化的平均色差为1.9247ΔE^(*)_(ab),最大色差为5.1252ΔE^(*)_(ab),在特性化精度上取得了较好的效果。
- 孙士明倪潇李媛媛高绍姝
- 关键词：神经网络液晶显示器粒子群算法
- 基于PSO-ELM的地震死亡人员评估方法研究
- 2024年
- 地震灾害人员伤亡快速评估对于地震应急响应至关重要。区域地理环境、人口密度和建筑结构等多种因素对地震人员伤亡具有重要影响,文章针对中国内地按照分区开展地震死亡人员评估方法研究。为充分考虑地震对不同地区造成的差异性影响,根据人口密度、地理环境、建筑结构等情况,将中国大陆划分为西北、西南和东部三个区域,并按地震最大烈度对样本进行分类;然后采用随机森林方法和自助采样法,根据每个特征的重要性排序选取震级、震区面积和人口密度三参数,建立粒子群优化极限学习机(PSO-ELM)地震人员死亡评估模型。研究结果表明,模型在预测性能方面表现良好,在不同地区和烈度下具有较好的适用性和泛化性,能够为地震应急响应和地震灾害风险评估提供重要技术支撑。
- 赵煜韩旭昊孙艳萍史一彤陈文凯
- 关键词：地震人员伤亡
- 基于PSO算法的商旅问题探讨
- 2024年
- 【目的】商旅问题是指商人在访问多个城市时,要求不能走回头路且最终要回到起点,寻求这个过程中最短路径的问题。通过分析旅行商问题,探讨不同算法的应用范围,选择合适的算法来优化解决旅行商问题。【方法】根据目前各种寻优算法的特点,选择粒子群算法作为求优算法来解决商旅问题,并在此基础上进行优化改进。先确定权重因子和加速因子,再根据随机函数对粒子个体和种群进行算法变异,从而实现旅行商问题寻优算法的改进。在此基础上,通过粒子群算法和MATLAB算法编程,以实现优化结果。【结果】通过改进参数和引入变量函数进行寻优算法改进,有利于算法的收敛。【结论】改进后的寻优算法可以快速找到商人旅行过程的最优路径规划。
- 韩林萍朱昊云谢梦敏马飞王明杰
- 关键词：旅行商问题
- 基于PSO-SVM模型的转炉终点预测
- 2024年
- 转炉冶炼过程包含着复杂的多相、高温的物理化学反应,建立可靠的转炉终点预测模型对有效减少钢水成分波动、提高钢铁品质有重要的意义。以某钢厂200 t转炉实际生产数据为依据,采用粒子群优化算法选取支持向量机模型最优惩罚参数C和核参数g的方法建立预测模型,对转炉终点碳质量分数和温度进行预测。将数据处理后得到425组数据,数据划分为训练集数据和测试集数据,并对其进行归一化预处理,其中,随机选取50组为测试集数据。结果表明,转炉终点预测模型的终点钢水碳含量(误差±0.015%)的命中率为84%,终点温度(误差±15℃)的命中率为80%。与BP神经网络模型和RBF模型相比,基于粒子群算法优化的支持向量机模型具有精度高、泛化能力强的特点。
- 刘增山冯亮花康小兵
- 关键词：转炉炼钢
- 基于PSO-BP的岩性识别方法研究
- 2024年
- 近些年来,数据分析、深度学习技术取得了长足的发展,并为社会带来了可观的收益。故利用深度学习手段进行岩性识别也成为了一个研究热点。岩性识别是录井解释的核心业务,准确而有效地预测储层性质对石油勘探工作有着重大意义。为解决传统岩性识别方法成本高、耗时长等缺点。论文利用松辽盆地中若干井的测井数据进行模型研究,提出了一种基于PSO-BP的岩性识别方法。通过对测井源数据进行数据预处理、构建网络识别模型、优化岩性识别模型、评价模型输出结果等步骤,实现基于PSO-BP岩性识别方法。经过反复试验,结果表明采用PSO-BP的岩性识别方法对岩性进行识别的平均准确率可达92.2%,为储层预测工作提供了可靠的支撑。
- 高雅田杨俊国
- 关键词：BP神经网络粒子群优化算法岩性识别数据预处理KNN
- 基于PSO-SVR的空气质量预测方法
- 2024年
- 近年来,国家高度重视空气质量指数,将城市空气质量作为经济社会发展的约束性指标,高精度的空气质量指数预测的价值越来越重要。传统的空气质量预测方法仅利用历史AQI数据预测未来,预测的准确性和稳定性不高。本文构建了一种基于PSO-SVR模型的空气质量预测方法,利用粒子群优化(PSO)算法对SVR的惩罚系数C、不敏感系数和gamma参数进行优化,构建PSO-SVR模型。实验结果表明,本文提出的PSO-SVR方法的MAPE和RMSE均小于ARIMA、LSTM和SVR模型,预测精度得到提高,稳定性更强,在多城市具有更好的适用性。
- 张娇阳
- 关键词：气象因子
- 基于PSO-BPNN模型的爆破块度预测
- 2024年
- 爆破块度和级配对水利工程堆石体的稳定性与渗透性影响至关重要,爆破块度的精确预测是目前岩体爆破领域科研工作者关心的热点问题之一。基于BP神经网络基本原理,利用PSO算法优化网络权重和偏置,构建PSO-BPNN模型,结合典型爆破数据对模型进行训练和测试,并依托山西浑源抽水蓄能电站工程实际验证模型的可靠性与适用性。结果表明:PSO-BPNN模型预测爆破块度计算时间短,可靠性高;模型预测输出值与工程实际平均爆破块度值最大相对误差为6.56%,其预测精度高和适用性较高,可为山西浑源抽水蓄能电站堆石坝的建设提供精确的指导。
- 刘英毛羽徐士超李彬张虹顾云张继奎蒋楠
- 关键词：爆破块度工程应用
- 基于PSO联合运动补偿的ISAR成像算法
- 2024年
- 在传统的逆合成孔径雷达(ISAR)成像中,目标的运动补偿通常需要先进行包络对齐实现一维距离像对准,再进行相位校正,这种补偿方法称为级联运动补偿。低信噪比下的级联运动补偿容易增加误差积累,最终导致图像模糊散焦,严重影响成像质量,针对该问题文中提出了一种基于粒子群优化(PSO)联合运动补偿的ISAR成像算法,该算法分解目标的运动模型,通过高阶次展开,设置参数向量,通过图像的锐化度作为代价函数,寻找向量参数的最优值进行目标的联合运动补偿,使得ISAR成像得到最佳效果。在最优参数求解过程中,本文采用PSO算法,运算时实现更快收敛,该算法提高了模型的求解速度,得到聚焦效果更好的ISAR成像。通过仿真数据和外场实测数据验证了算法的有效性。
- 莫俊贤张月陈锦帆谢瀚锋郑梓祥
- 关键词：ISAR成像PSO算法
- 基于PSO-DBN结构的不平衡大数据分类研究
- 2024年
- 针对传统算法在分类处理不平衡大数据集时存在的精度差和效率低等问题,提出了一种基于PSO-DBN的分类算法。先采用融合渐进式的过采样模式改善大数据集的不均衡状况,并优化样本的类别与数量组合;设计了一种堆栈式的RBM结构,以当前RBM的隐含层输出项作为下一个RBM的可见层输入项,提升DBN整体数据训练能力;基于PSO仿生算法改善初始状态下DBN权值的分布状态,并优选出最佳的学习因子、惯性权重等核心参数,实现算法在全局范围内的寻优,同时提高网络模型整体的数据训练能力和收敛速度。实验结果显示,提出算法在不同的不平衡比例下分类精度均具有较为明显的优势,同时分类效率加速比值被控制在1.05以下。
- 谢晓丽姚兴平
- 基于PSO-LSSVR的CNG气瓶损伤监测方法
- 2024年
- 针对车载气瓶损伤诊断问题,对气瓶诊断方法进行研究,提出基于最小二乘支持向量回归(LSSVR)以及粒子群优化算法(PSO)的气瓶损伤诊断方法,通过PSO进行LSSVR参数寻优,得到优化的LSSVR模型。采用随机振动的有限元计算方法,模拟多组损伤气瓶在运输中的情况,并收集气瓶振动时损伤位置的垂直加速度以及等效应力作为模型输入,得到气瓶损伤的诊断结果。以诊断值与实际值的均方根误差作为评判,采用PSO进行模型参数优化,将诊断误差稳定在1%以内,得出较为合适的优化模型。将该模型与未优化的LSSVR算法进行对比,可得出,该模型在低损伤以及高损伤位置识别精度较高。为进一步体现该模型优势,将其与BP神经网络以及支持向量回归(SVR)算法进行比较,结果显示,该模型在识别精度以及稳定性上都较高。
- 杨再明张先萌张义科苏志伟李哲王晔晗陈浩森
- 关键词：加速度
相关作者
- 须文波
- 作品数：493被引量：2,006H指数：19
- 供职机构：江南大学物联网工程学院
- 研究主题：QPSO QPSO算法 粒子群优化 量子粒子群算法 遗传算法
- 孙俊
- 作品数：178被引量：929H指数：16
- 供职机构：江南大学物联网工程学院
- 研究主题：量子粒子群优化算法 QPSO算法 QPSO 量子粒子群算法 粒子群优化
- 田雨波
- 作品数：253被引量：534H指数：12
- 供职机构：江苏科技大学
- 研究主题：粒子群优化 谐振频率 微带天线 网络 天线
- 郭文忠
- 作品数：532被引量：870H指数：16
- 供职机构：福州大学
- 研究主题：布线 粒子群优化 线网 最小树 超大规模集成电路
- 全仁夫
- 作品数：309被引量：875H指数：14
- 供职机构：杭州市萧山区中医院
- 研究主题：毛囊干细胞 二氧化锆 羟基磷灰石 梯度复合 VEGF165
