一种改进的GMDH算法

传统GMDH算法在进行多变量非线性建模时耗时较长,一定程度上限制了它的应用范围.针对这个问题,提出了一种改进的GMDH算法,扩大了每一个初始输入元素的信息含量,采用随机分组建立中间模型的方式代替原算法枚举出所有两两组合中间模型的方式,减少了中间模型的数量,提高了建模效率.将改进算法应用于中国GDP的趋势预测,结果表明与传统GMDH算法相比,在不牺牲预测精度的情况下,改进算法效率更高.     

一种改进的GMDH算法

传统GMDH算法在进行多变量非线性建模时耗时较长,一定程度上限制了它的应用范围.针对这个问题,提出了一种改进的GMDH算法,扩大了每一个初始输入元素的信息含量,采用随机分组建立中间模型的方式代替原算法枚举出所有两两组合中间模型的方式,减少了中间模型的数量,提高了建模效率.将改进算法应用于中国GDP的趋势预测,结果表明与传统GMDH算法相比,在不牺牲预测精度的情况下,改进算法效率更高.     

基于RS的GMDH神经网络在空袭目标识别中的应用

针对目标属性识别的特点,建立了基于粗糙集(Rough Sets, RS)的数据分组处理(Group Method of Data Handling, GMDH)神经网络分类模型.该模型较好地解决了采用高维数据集训练神经网络效率低,神经网络结构规模较大的问题.同时为了提高高维数据集合的属性约简效率,改进了集合近似质量属性约简算法.最后,通过与BP(Back-Propagation, BP)神经网络分类能力的仿真对比,结果表明,基于粗糙集的数据分组处理神经网络分类模型分类能力优于BP神经网络模型,满足现代防空作战对目标属性识别的需求,基于快速求核和集合近似质量的属性约简算法快速有效.     

有限次分组排序算法

本文给出一种有限次分组快速排序算法并证明该排序算法处理均匀分布数据记录,正态分布数据记录及一般概率分布数据记录的平均时间复杂性为Ｏ（Ｎ）;给出四种快速 序算法分别关于均匀分布数据记录,正态分布数据记录,均匀波浪式分布数据记录和异常分布数据记录,进行排序的实验结果,表明有限次分组排序算法具有更快的效率。     

基于免疫遗传算法的GMDH网络模型及其应用

针对传统GMDH网络建模用最小二乘法辨识参数时常常陷入局部极小导致模型预测效果不理想的问题,提出将免疫算法与遗传算法结合起来,引入到GMDH网络,来辨识其部分描述式系数.给出自适应免疫遗传算法,构建了基于该算法的GMDH网络模型,并将IGA-GMDH模型应用于苏州一交叉口的交通流量数据的仿真研究.结果表明,该算法既保证了全局寻优和所求解的精度,又进一步提高了全局与局部寻优能力;所构建的IGA-GMDH网络模型比传统的GMDH网络预测精度高.     

基于GMDH-PSO-LSSVM中长期电力负荷预测

针对电力负荷预测粒子群优化最小二乘支持向量机(Least Squares Support Vector Machine,LSSVM)模型输入节点难以确定的问题,提出了一种基于数据分组处理方法(Group Method of Data Handling,GMDH)来优化PSO-LSSVM(Particle Swarm Optimization-Least Squares Support Vector Machine)的中长期电力负荷预测预测方法。该方法是首先利用GMDH算法获得LSSVM建模中的输入变量;然后利用基于自适应变异的PSO算法对LSSVM建模中的参数进行优化,选用某地区2008~2013年的历史数据作为模型的训练样本建立模型;最后使用训练好的GMDHPSO-LSSVM模型对2014、2015年的用电量进行外推预测。组合模型预测结果表明该方法达到了较高的预测精度,预测精度提高了2.21%。     

直线拟合的一个快速算法

给出了在图像处理中直线快速拟合的一种新的思路，提出了一个快速拟合算法，并对其完备性进行了证明，它采用序贯递归检测的方法，仅经过一次遍历即可检测出满足定义条件的所有直线，具有结构简明、性能稳定、运行速度快的特点。     

直线拟合的一个快速算法

给出了在图像处理中直线快速拟合的一种新的思路，提出了一个快速拟合算法，并对其完备性进行了证明，它采用序贯递归检测的方法仅经过一次遍历即可检测出满足定义条件的所有直线，具有结构简明，性能稳定，运行速度快的特点。     

快速多极边界元方法在二维声散射问题中的应用

快速多极算法(FMM)是求解边界元方法(BEM)在大尺度情况下的一种非常有效的算法.研究了快速多极算法在二维声散射问题的边界积分方程求解中的应用.给出了积分核函数以及其共轭积分算子核函数的多极展开式,局部展开式以及相应展开系数之间的转化关系.分别应用两种不同的层级树结构的FMM来进行求解,并对两种树结构下的求解效率进行了对比.数值算例表明用快速多极算法求解该问题时在存储量和计算量上比直接求解方法效率更高.     

基于动态分组与高斯扰动的改进布谷鸟算法

【目的】针对原有布谷鸟算法在求解最优化问题时的不足，提出一种基于动态分组与高斯扰动的改进布谷鸟搜索算法(Gaussian perturbating and dynamic grouping for cuckoo search，GPDGCS)。【方法】GPDGCS算法在原有布谷鸟算法的求解过程中应用了高斯扰动与动态分组策略。【结果】通过6个典型的测试函数对GPDGCS算法进行仿真实验，结果表明GPDGCS算法比原有布谷鸟算法有更高的收敛速度、求解精度等。【结论】GPDGCS算法在一定程度上可避免算法陷入局部最优。