基于支持向量回归机的矿体品位插值

使用与自组织神经网聚类相结合的支持向量回归机预测模型对矿体体素品位进行插值,并与多边形法、距离幂次反比法、克里格法进行对比验证. 结果表明,该预测模型进行品位插值具备很好的可行性和可靠性.     

改进的径向基插值方法在船型优化中的应用

船体曲面变形是实现船型优化的前提条件,基于径向基函数插值的曲面变形方法适合于船型水动力性能优化的需要。文中主要对径向基插值中的支撑半径求取方法进行了改进,提出了支撑半径的动态求取方法,重点考虑了可变点的分布和坐标变化量对支撑半径的影响。在此基础上,将改进的径向基插值方法运用到本团队开发的船舶水动力性能多学科综合优化平台,以Series60船型为研究对象,完成给定约束条件下的船型优化研究,证明该方法的可行性。     

基于改进差分进化算法的RBF神经网络优化方法

提出了一种新的RBF神经网络训练方法——改进差分进化算法,并用改进差分进化优化的神经网络对非线性系统进行逼近.采用改进差分进化算法对RBF神经网络的中心值、宽度和权值进行了优化.仿真实验结果表明,改进的差分进化算法具有比遗传算法更强的非线性系统逼近能力.     

RBF网络在图书馆流通量预测中的应用RBF网络在图书馆流通量预测中的应用

根据径向基函数（RBF）网络的理论以及图书馆流通量影响因素,提出了基于RBF网络预测图书馆流通量的模型,利用图书借阅的原始统计数据对该模型进行了计算,指出该算法用于预测图书馆流通量是可行和有效的,具有一定的应用参考价值。     

RBF网络在图书馆流通量预测中的应用

根据径向基函数(RBF)网络的理论以及图书馆流通量影响因素,提出了基于RBF网络预测图书馆流通量的模型,利用图书借阅的原始统计数据对该模型进行了计算,指出该算法用于预测图书馆流通量是可行和有效的,具有一定的应用参考价值.     

改进的RBF神经元网络及其应用

总结和改进了ＲＢＦ网络的结构和学习算法，并利用改进的ＲＢＦ网络对化工中的精馏塔系统进行建模研究，仿真可知效果较好．     

基于Lagrange插值算法的空间多维数据校准模型

针对采集设备在获取空间多维数据时往往是离散的,受设备故障、环境等因素的影响,空间多维数据会出现遗漏或异常问题,提出了基于Lagrange插值算法的空间多维数据校准模型。首先,建立星型和雪花型的空间多维数据库结构,明确数据分布特征。然后,预处理初始数据,经过参数初始化操作,实现数据维数一致性划分,提高数据质量。再通过信息熵蚁群聚类、优化合并等过程完成数据分类,将具有相同特征的数据聚集到同一簇中,减少离群点。最后,利用基函数确立Lagrange插值多项式,引入归一化思想,确保数值在一定区间内浮动,避免龙格现象,生成新的插值多项式,多项式计算结果即为校准的数据值。实验结果表明,该方法具有较好的数据预处理能力,能有效减少校准误差。     

基于AQPSO算法优化的RBF网络模型及应用研究

提出了自适应量子粒子群优化(adaptive quantum-behaved particle swarm optimization,AQPSO)算法,用于训练RBF(radial basis function)网络的基函数中心和宽度,并结合最小二乘法计算网络权值,改进了RBF网络的泛化能力.利用上证指数数据进行预测,实验结果表明,采用AQPSO算法获得的RBF网络模型不但具有很强的泛化能力,而且具有良好的稳定性,在股票数据预测中具有一定的实用价值.     

引入收益因素的RBF神经网络及其应用

考虑到投资者的主要目的是盈利这一重要因素,提出了一种改进的径向基函数(RBF：Radial basis function)神经网络方法。在RBF网络的误差函数中增加了利润、时间和趋势信息,并采用基于梯度下降的误差纠正算法对网络进行训练。对股市综合指数进行预测的结果表明,该方法在提高投资收益的意义下,提高了神经网络模型在金融领域的预测性能。     

GANs与GRBFNN在空间插值中的对比分析

为了进一步提高空间插值的精度,搭建生成对抗网络(GANs)、最小二乘生成对抗网络(LS-GANs)及Gauss径向基神经网络(GRBFNN).使用国家气象科学数据网1960—2013年619个气象站点数据的平均值,将上述3种深度学习模型对降水量和平均气温的插值结果与普通Kriging(OK)及反向距离加权(IDW)的插...     

模拟退火方法的改进及其在地震剩余静校正中的应用

分析了模拟退火非线性反演方法随机寻优的特点,提出了一种改进的具有较高计算效率的模拟退火方法,该方法采用数论中的均匀试验设计方法来建立候选解在解空间的均匀分布,少量的目标函数计算就能了解目标函数解空间性质,减少了目标函数的计算次数.理论和实际计算表明该方法具有较高的计算效率.     

基于RBF网络与OMP重构算法的空间自旋目标成像

针对空间自旋目标的回波特性,提出了一种基于径向基函数(RBF)网络与正交匹配追踪(OMP)算法的自旋目标成像方法,并分析了该方法的成像质量.当空间目标自旋运动时,其等效视角的变化容易产生散射点的周期性遮挡和散射强度显著起伏,而已有的基于散射点投影路径逐点匹配方法未考虑这些效应而导致成像效果的下降.为此采用RBF网络建立了发生散射点遮挡与起伏效应后目标空间到回波序列的非线性投影过程,并利用OMP算法对一维距离像序列进行反投影匹配,实现了结构较复杂的空间自旋目标的成像(目标空间的全局优化解).最后结合电磁仿真软件产生的空间目标回波数据进行了仿真,仿真结果验证了该方法的有效性.     

模拟退火算法的一种改进及其应用研究

针对连续函数全局优化问题提出了改进的模拟退火算法：采用新的解扰动策略,并将局部极小化过程引入模拟退火算法．数值试验证实了该算法的可行性及有效性．作为该方法的应用,计算了著名的Lennard-Jones簇问题,通过比较说明新方法可以提高精度及成功率;此外对脑啡肽的空间结构进行了预测,也得到了较好的结果．     

基于互信息的混合蚁群算法及其在旅行商问题上的应用

为了提高蚁群算法的求解性能,从医学图像配准算法的思想出发,提出了一种基于互信息相似度的混合蚁群算法.为了表示最优路径和待配准路径之间的互信息熵,在蚁群算法的概率算子中增加了一个新的相似度影响因子,从而可以增加原算法的全局搜索能力,同时可以加速算法在解空间的搜索速度.将该算法应用在旅行商问题上,根据旅行商问题的特定环境,...     

基于四叉树和改进蚁群算法的全局路径规划

为解决机器人在大范围二维平面区域内的路径规划问题,提出一种四叉树和改进蚁群算法相结合的路径规划方法.基于四叉树分解法,对路径规划的二维区域进行环境建模,在环境建模的基础上,采用改进蚁群算法进行高效的路径规划.四叉树在完整地记录环境信息的同时对环境信息进行了高效地压缩,改进蚁群算法可以规划出与障碍物保持一定安全距离的路径,提高了规划出的路径的实用性.仿真实验表明,提出的路径规划方法在执行效率和路径的实用性上取得了良好的平衡,可以高效地对大区域进行路径规划.     

基于改进粒子群-蚁群融合算法的网格资源分配方法

为有效解决网格计算中的资源分配和任务调度问题,提出一种改进粒子群-蚁群融合算法.该算法通过改进的离散粒子群算法对信息进行优化调度,产生优选的调度列表,并通过该列表产生改进蚁群算法的初始信息素,有效克服了粒子群算法后期局部搜索能力差和蚁群算法前期盲目搜索的缺陷.理论分析和仿真实验表明本文算法具有较好的性能.     

基于流形分析与AP算法RBF神经网络分类器

提出了一种基于流形分析与近邻传播（AP）算法的径向基函数（RBF）神经网络分类算法.通过流形分析算法对数据集进行初步处理,然后通过指数函数调整相似度矩阵,再重新进行AP聚类,在此基础上构造RBF神经网络分类器,通过拟合正确率来判断算法是否收敛,并对分类结果运用FMI指标进行评价.实验结果表明：改进算法中RBF网络隐节点数普遍得到增加,使得RBF神经网络拟合精度得以提高;从分类结果可以看出该算法对训练数据集都获得了很好的拟合正确率,对测试数据集也获得了较高的测试正确率.     

基于蚁群算法的移动机器人路径规划研究与应用

文章对传统蚁群算法收敛较慢的问题进行了改进,参考人工势场法的思想,构建并加入了权重可调的引力概率函数作为启发因子,使新的算法在较快的收敛速度下仍能得到全局较优解;在新算法的基础上构建了移动机器人动态路径规划模型,通过计算机仿真和智能试验车的实际行走表明,即使在障碍物非常复杂的场地环境,用该算法也能迅速规划出较优的全局路径。     

和声模拟退火算法及其在旅行商问题中的应用

分析了模拟退火与和声搜索算法各自的特点和缺点,结合两者的优缺点提出了一种新的和声搜索与模拟退火算法的组合算法,将新的算法应用到旅行商问题(TSP)求解.实验结果表明,改进的算法具有更快的收敛性同时能得到比较好的结果.     

地层模型三维可视化建模及应用

根据地下水数值模拟的实际需要，建立一种基于三棱柱体体元的数字地层模型，给出相关的剖切算法和与之对应的数据结构，实现了复杂地质体三维任意剖切和显示等各项功能。实践证明。它能够满足水文学应用的要求。