BP神经网络在高层结构体系选择中的应用

提取高层建筑结构选型的主要控制因素 ,以此建立基于 BP(Back- Propagation)神经网络的高层建筑结构体系选择的数学模型 .分别采用传统的 BP算法、改进的带动量自适应学习率 BP算法 ,以及 L- M(Levernberg- Marquart)算法 ,进行高层建筑结构体系选择的研究 .研究结果表明 ,传统的 BP算法和改进的带动量自适应学习率 BP算法 ,无法适应土木工程中大规模的数据结构 .而采用 L- M算法神经网络 ,较传统 BP算法快 10 2～ 10 3倍 ,并且精度高 ,可以较好地解决高层建筑结构体系选型问题 .     

复杂高层转换层结构的智能选型

分析复杂高层建筑结构转换层选型的主要控制因素,建立基于人工神经网络的复杂高层建筑结构转换层选型的数学模型.有针对性地收集国内外62个带转换层复杂高层结构工程实例,分别采用BP(Back-Propagation)算法和L-M(Levernberg-Marquart)算法进行复杂高层建筑结构转换层选型的研究.设计一种基于人工神经网络的复杂高层建筑转换层结构的智能选择,使单一设计人员通过向人工神经网络输入若干复杂高层建筑结构转换层的基本信息,便可在方案阶段解决高层建筑结构转换层结构型式选择.     

一种新的可变步长LMS算法研究

在分析基本最小均方误差算法(LMS)和归一化最小均方误差算法(NLMS)的基础上,提出了一种新的可变步长LMS算法(NVLMS)和它的改进算法(MNVLMS).仿真结果显示,NVLMS算法对于平稳过程中的滤波器,能获得较快的收敛速度和较小的稳态误差.在非平稳环境下,MNVLMS算法在减少算法复杂度的情况下能获得和NLMS算法一样的收敛速度和稳态误差.     

基于PR算法的自适应ACO算法求解旅行商问题

以著名的旅行商问题为研究对象,研究了基于线路重连(PR)算法的自适应蚁群算法(ACO)的应用。根据蚁群算法构解过程中的选择策略与信息素更新机制,提出了自适应的蚁群优化方法,即通过阈值接收算法(TA)中的阈值控制参数改变蚁群的确定选择与随机选择机会,从而控制了搜索方向。采用这种自适应的蚁群优化算法,避免蚁群算法陷入局部最优,使对解空间的更好地进行搜索。同时,在蚁群优化算法(ACO)中,嵌入路径重连算法(PR)来改进解的质量。实验结果证明了基于线路重连算法(PR)的自适应蚁群算法(ACO)在求解该问题时的有效性。     

一种用于解决特征选择问题的新型混合演化算法

为结合不同演化算法的优势,提出一个混合鲸鱼算法(hybrid whale optimization algorithm,HWOA).在HWOA算法中鲸鱼优化算法(whale optimization algorithm,WOA)的收缩环绕机制被正余弦算法(sine cosine algorithm,SCA)取代,以实现...     

基于粒子群与人工鱼群混合算法的TSP求解模型

传统的群智能算法不断被优化和改进,但由于传统单纯算法的固有缺陷和局限性很难从根本上去除,因此衍生出许多群智能混合算法。针对人工鱼群算法(AFSA)收敛速度慢及粒子群算法(PSO)全局收敛性差的缺陷,提出了一种新的粒子群与人工鱼群的混合算法。算法以人工鱼群算法为基础,将粒子群算法的线性递减惯性权重策略引入到人工鱼群算法中,对人工鱼进行编码处理以及动态改变人工鱼个体的视野,使之形成新的粒子群人工鱼群混合算法(PSO-AFSA)。完成算法融合并将混合算法应用于旅行商(TSP)问题。仿真结果表明:与传统的人工鱼群算法和粒子群算法相比,该混合算法全局收敛性效果更好,收敛速度更快。     

Landsat-8影像地表温度反演算法对比分析

针对Landsat-8数据地表温度(land surface temperature,LST)反演中单通道(single-channel,SC)算法和劈窗算法(split-window algorithm,SW算法)在不同区域的反演精度的不一致性问题,以NOAA地表辐射通量网(surface radiation budget net-work,SURFRAD)中不同地表覆盖类型和不同海拔高度的3个站点为验证站点,选取2018年1月1日—2019年6月30日质量较好的37景不同季节的Landsat-8影像,基于站点实测温度,对比分析Jiménez-Mu?oz等提出的普适性SC(generalized SC,GSC)算法与SW算法的地表温度反演精度.结果表明:GSC算法与SW算法的反演精度呈现出一定的季节依赖性.在春季与冬季,GSC算法的平均绝对误差(mean absolute error,MAE)在1 K左右,SW算法的MAE高于1 K,GSC算法的均方根误差(root mean square error,RMSE)较SW算法分别低约0.37、0.13 K.GSC算法的精度较高,其中,在春季,GSC算法的精度比SW算法精度高约0.53 K;在冬季,GSC算法的精度比SW算法精度高约0.14 K.在夏季与秋季,GSC算法与SW算法的MAE都小于2 K,但SW算法的精度较高.其中,在夏季,GSC算法的精度比SW算法精度低约0.35 K;在秋季,GSC算法的精度比SW算法精度低约0.25 K,GSC算法的RMSE较SW算法高约0.24 K.2种算法与实测温度的相关系数分别为0.9907、0.9922,表现出较为强烈的相关性,SW算法相关性更高.     

低密度校验码的混合比特反转译码算法

提出了低密度校验(LDPC)码的混合比特反转(HBF)译码算法,该算法充分利用了LDPC码置信传播(BP)输出的软信息,对经典的比特反转(BF)算法的误码性能有明显改善.AWGN信道下的仿真结果表明,在相同的译码复杂度情况下,HBF算法的性能明显优于BP算法,并呈现出更低的误码平台.     

基于Landsat TM的3种地表温度反演算法比较分析

以福州市为研究区,使用Landsat TM数据,利用基于影像的反演算法(IB算法)、单窗算法(MW算法)和单通道算法(SC算法)对研究区进行地表温度反演,并将这3种算法的反演结果与研究区的亮度温度进行了比较,结果表明:(1)3种算法反演的结果总体趋势比较接近,其中尤以MW算法和IB算法较为接近,研究区整体平均温度二者仅相差约1.0℃;(2)3种算法反演的结果均比亮度温度高,其中IB算法高出约1.9℃,MW算法高出约2.9℃,而SC算法则要高出约5.3℃.     

基于TMS320C5402典型加密算法的实现与优化

文中设计方案以TMS320C5402 DSPs为平台,分别实现并优化了DES(分组密码)算法、SHA-1(安全散列)算法、MD5(单向散列)算法、RSA公钥密码算法等4种典型的加密算法,以提供一个通用的加密平台,满足某些场合对信息实时加密的需求。