情感状态模糊识别的研究

相比人脸和语音表情识别,生理信号能更客观地反映人们的情感状态.基于生理信号的情感计算研究越来越引起人们的关注.针对情感状态具有模糊特性,提出应用模糊理论从生理信号中选取特征向量进行分类识别.与其他分类方式相比,采用模糊分类识别研究更有助于其他学科的研究人员对情感发生机理的理解和深入研究.比较模糊理论与其他分类方式的识别结果,实验结果表明模糊识别效果总体与其他方式差距不大,但对不同的状态识别效果差距较小.     

基于TS特征选择的生理情感状态分类

针对生理信号的情感识别问题,本文提出了禁忌搜索(TS)和神经网络结合的情感状态分类方法。该方法用禁忌搜索算法选择情感生理信号特征,神经网络BP算法分类情感状态。仿真实验结果表明,BP分类器在TS选择的特征基础上达到很好的情感分类效果。     

一种基于遗传算法的数据预处理组合方法

在数据挖掘的众多数据预处理方法中，要根据不同的数据背景及特征准确的选用不同的处理方法是非常困难的。为此，提出了一种基于最小二乘法原理和遗传算法的数据预处理组合方法，该方法综合了各种算法的估计结果。实践证明，这种方法大多数情况下通用并且可靠性很高。     

变异BPSO方法在情感生理信号特征选择中的应用

在情感状态识别中,往往会存在很多无关特征而影响识别的效果,因此进行特征选择是很有必要的。文章针对生理信号的情感状态识别及离散粒子群(BPSO)的缺点,采用变异的离散粒子群算法提取生理信号特征进行情感状态识别,显著地提高了平均正确识别率,并研究了粒子变异维数对识别正确率的影响。     

一种应用于脑电情感识别的迁移学习框架

脑电信号作为最能表征人体情绪的信号,正在成为情感识别的主流信号源.利用迁移学习可以克服生理信号源域、目标域间存在分布差异的问题.传统迁移学习由于缺少对样本、特征的选择过程,会对迁移效果产生负影响,致使识别率较低.为提升迁移效果,在样本、特征两个方面对迁移数据进行优化.介绍了一种基于Like值的实例筛选方法,以及基于粒子群优化的自动特征选择方法,并使用联合分布适配(joint distribution adaptation, JDA),提出了一种应用于情感识别的迁移学习框架.在SEED数据集上构建了两个迁移任务并进行验证,结果表明,该框架可以有效提升迁移效果,提高跨域情感识别准确率.     

一种新型语音识别算法的应用

本文首先对声音的预处理及其信号特征的提取过程进行了简要介绍，然后提出了在孤立字词语音识别的一个新的算法，即新型的识别算法。通过此算法，系统可以在不降低系统识别精度的前提下，大大精简运算量，因此提高了识别系统整体的识别效率。实验证明，这种识别算法在基于模板的孤立字词语音识别中可以达到100％的识别精度，在基于非模板的孤立字词的语音识别中，其识别精度也可以达到90％以上，并且与传统的识别方法相比，缩短了训练时间，提高了识别速度。在孤立字词的语音识别中具有自己独到的优势。然后，枸建一个使用方便的语音识别系统，将本算法应用到实践当中来解决人们现实生活中遇到的各种问题.     

一种基于黏液菌觅食机制的特征选择算法及其在文本情感识别中的应用

黏液菌(Physarum polycephalum)由于其展现出的迷宫寻径、路径寻优甚至构建与人工设计媲美的复杂交通网络等特殊能力而备受关注。该文正是受启发于黏液菌构建复杂鲁棒网络的行为,提出了一种仿生特征选择算法Slime-FS。Slime-FS将特征选择转化成一类最优特征子图求解问题,同时模仿黏液菌觅食机制,结合粗糙集理论构建了一种策略来指导最优特征子图的搜索。算法被应用于文本情感识别问题中,在某慕课平台评论文本数据集上进行了测试,结果显示Slime-FS能有效地选择鉴别特征,去除冗余和无关特征,其表现要远远优于基准算法(不带选特征选择的SVC),也要优于若干结合了元启发搜索策略的混合算法(Sklearn-genetic、EWGA、MSPSO和ACO)。     

一种基于改进遗传算法的文本特征选择方法

文本特征选择对提高文本分类的速度和准确率,改善网络信息过滤效果至关重要．把特征选择看作优化组合问题,提出用遗传算法进行文本特征选择．传统遗传算法适应性较差,本文对传统遗传算法交叉概率、变异概率、更新策略等重要参数和关键环节作了改进,实验验证了该算法的有效性．     

语音识别中信号特征的提取和选择

本就语音识别中的各种特征参数的性能,提取算法等进行了分析和比较。根据选择特征参数的主要依据,选择ＬＰＣＣ和ＡＲＡＣ作为基本特征参数和动态特征参数,并应用于一个维吾尔语语音识别系统中,取得了很好的识别结果。     

一种改进的遗传算法及其应用

针对标准遗传算法的不收敛性，提出了几种改进措施：提出了共同特征位的概念，给出消除群体中的共同特征位的方法；交叉和变异概率可变；实施最优保留。实验表明，改进算法具有全局优化能力。     

一种混合遗传模拟退火算法及其应用

分析了遗传算法和模拟退火算法的优缺点，提出了一种混合遗传模拟退火算法，对其进行优化，并将该算法应用于TSP问题的求解之中，理论分析和实验结果表明了这种混合遗传模拟退火算法优于普通的遗传算法和模拟退火算法．     

一种自适应免疫遗传算法及其在系统辨识和参数优化中的应用

基于遗传算法与免疫系统的机理,提出了一种自适应免疫遗传算法(AIGA).该算法定义了选择、扩展与突变等操作,通过对选择比例、扩展半径、突变半径的约束和参数的自适应调节,提高了算法的全局与局部搜索能力.同时,将AIGA用于系统辨识以及PID参数的优化中,进行了仿真实验,取得了较好的结果,证明了该方法的有效性.     

一种改进的遗传算法及其应用

遗传算法在实际应用中容易出现早熟收敛和搜索结果精度不高的问题。针对早熟收敛和最优值精度低,采用了对搜索参数进行动态调整的优化计算。在进化的全过程中,算法始终保持较强的全局搜索能力和局部寻优能力。测试结果表明,对遗传算法的此种改进是有效的,不易陷入局部最优,并能大大提高最优解的精度。     

基于遗传算法的数据挖掘方法及应用

车间作业调度问题的研究不仅具有重大的现实意义,而且具有深远的理论意义.该文采用数据挖掘算法从大量的车间作业调度中抽取一些有价值的信息或知识,然后应用这些知识来辅助车间作业调度.该研究的目的就是应用数据挖掘算法从车间作业调度最优方案(基于遗传算法的求解结果)中抽取出最优调度方案的一些模式知识,然后基于这些模式知识发展一些规则集来辅助车间作业调度.这些规则可以看作是隐含在车间作业调度最优方案中的事先未知的潜在有用的信息,根据这些规则可以产生比简单指派更好的车间作业调度方案.最后的数据实例表明本文方法无论在调度质量还是在计算速度上都具有非常好的性能.图3,表4,参15.     

A fuzzy rule based genetic algorithm and its application in FMS

Most of the FMS (flexible manufacturing systems) problems belong to NP-hard (non-polynomial hard) problems. The facility layout problem and job-shop schedule problem are such examples. GA (genetic algorithm) is applied to get an optimal solution. However, traditional GAs are usually of low efficiency because of their early convergence. In order to overcome the shortcoming of the GA a fuzzy rule based GA is proposed, in which a fuzzy logical controller is introduced to adjust the value of crossover probability, mutation probability and crossover length. The HGA (hybrid genetic algorithm), which is integrated with a fuzzy logic controller, can avoid premature convergence, and improve the efficiency greatly. Finally, simulation results of the facility layout problem and job-shop schedule problem are given. The results show that the new genetic algorithm integrated with fuzzy logic controller is excellent in searching efficiency.     

一种多用户交互式遗传算法及其在群体设计中的应用

一般的交互式遗传算法只支持单用户评估,得到的结果只能反应单个用户的偏好,而交互式遗传算法设计的产品需要满足尽可能多的用户的需求.为此,提出一种适合于群体设计的多用户交互式遗传算法.给出了算法的三个主要模块——种群初始化模块、单种群模块和多种群模块的详细设计.最后,将该算法和一般的单用户交互式遗传算法分别应用于服装设计系统进行对比实验,验证了该算法在群体设计中的有效性.     

一种新的遗传算法及其在变压器故障诊断中的应用

提出了一种新的遗传算法,其基本思想是:以网络权重和偏差的实数形式作为基因构成染色体向量,采用基因多点交叉和动态变异进行种群最优选择.研究结果表明,这种新的遗传算法是一种随机优化算法,克服了梯度下降法的不足,能够自动调节网络参数、网络的连接权重和偏差.在此基础上设计出一种基于遗传算法和溶解气体分析的变压器故障在线诊断系统.该系统只要将传感器测出的变压器中线圈电流、特征气体的含量作为输入参数,就能对信息进行融合分析,得到输入变量(线圈电流、溶解气体含量)与输出结果(故障类型、程度和部位)的复杂对应关系;能有效地减少输入层神经元的个数,改进网络内部结构,提高神经网络模型的学习效率和诊断的准确率,诊断精度高,漏报少,无误报现象.     

一种免疫遗传算法研究及应用

为克服标准遗传算法(SGA)搜索效率低、收敛速度慢等缺陷,文章提出了一种免疫遗传算法(IGA),即在父代优秀个体群的基础上叠加一个服从正态分布的随机变量来产生子代个体,以此综合体现父代优秀个体的遗传性和免疫性。研究表明,IGA对SGA的改进是有效且可行的,显示出稳健的全局优化、计算量少和求解精度高等特点,具有较高的应用价值。     

一种基于Boosting的油田水淹层识别算法

油田水淹级别的判定对于寻找剩余油、提高油田开发水平和稳油控水效果至关重要.本文提出了一种基于Boosting的C4.5决策树算法用于油田水淹层识别.实验结果表明,相比单一的C4.5决策树,经Boosting算法提升后的集成C4.5分类器具有较高的识别率和泛化能力,具有较高的应用推广价值.     

RBF网络在线辨识算法与应用研究

提出了一种确定RBF网络中心向量的动态递推算法 ,介绍了RBF网络线性层连接权值的递推最小二乘算法 ,利用这些算法对蒸发器过热度进行了在线辨识 ,同时对网络结构和算法的参数变化对辨识精度的影响进行了研究 .仿真结果表明该算法辨识速度快、精度高 ,可用于在线控制 .