Loewner矩阵Moore-Penrose逆的快速算法

给出了求以秩为n的m×n阶Loewner矩阵Moore-Penrose逆的快速算法,该算法的计算复杂度为O(mn) O(n2)。     

基于蚁群算法的FMS工艺路线的优化配置

柔性制造系统在工业发展中的作用越来越大,而如何使柔性制造系统发挥最大的功效则是现阶段面临的一个主要问题。文章基于蚁群思想,提出了一种融合网格法的蚁群算法来求解柔性制造系统工艺路线优化配置的方法。算例结果证明,该算法能使系统设备工作负荷达到均衡,从而提高系统工作效率。     

SCE-UA算法在TOPMODEL参数优化中的应用

以江西修水万家埠流域为例,用SCE-UA算法对TOPMODEL参数进行了优化,并对优化结果进行了检验.结果表明:SCE-UA算法不仅可以用于概念性水文模型和分布式水文模型,还可以用于半分布式水文模型———TOPMODEL;TOPMODEL参数上下边界需根据参数的物理意义和研究流域特性来确定;在SCE-UA算法中,目标函数的建立对于参数优化具有重要作用,在次洪模拟时,目标函数应突出高水过程和洪峰对模拟效果的影响;SCE-UA算法的绝大部分参数取值都可以采用已有研究成果的默认值,只有复合型个数p需要根据具体问题确定.     

阻尼动力吸振器的吸振机理及其试验验证

采用矩阵复指数算法推导正弦激励力作用下二自由度系统主质量位移振幅的解析解,对所有幅频特性曲线都交于2个固定点进行了严格证明,并通过MATLAB数值仿真和悬臂梁振动试验进行解析解的验证。结果表明：当阻尼比等于零时,主系统幅频特性曲线有2个开口向上峰,当阻尼比趋近于无穷大时,主系统幅频特性曲线只有1个开口向上峰;2个固定点均具有极大值但非最大值;数值仿真与悬臂梁的振动试验结果非常接近,相对误差为-3.864%～5.729%,验证了所推导的一系列解析解的正确性。     

递归问题的教学探讨

递归(Recursion)问题是计算机程序设计语言软件教学中的一个重要内容,也是教学难点之一.其教法对学生正确理解和应用递归解决实际问题是一个关键,这是许多教师探讨的问题.结合递归问题教法中的一个典型实例进行分析,以数学归纳法思想讲解递归问题,可以取得较好的教学效果.     

基于Pearson系数和萤火虫算法优化BP神经网络的住宅价格预测模型

为进一步提高住宅价格预测精度,进而为有关部门提供相关数据参考,帮助其及时准确地制定相关政策,提出了基于Pearson系数和萤火虫算法优化BP神经网络的住宅价格预测模型。该模型首先使用Pearson系数对影响房价的相关因素进行特征筛选,舍弃与住宅价格关联性不强的因素;然后使用萤火虫算法对BP神经网络进行优化,建立基于萤火虫算法优化的BP神经网络预测模型;最后以上海市统计局最新发布的相关数据进行实验验证。实验结果表明,所提模型优于其他5种模型,能够实现住宅价格的有效预测。     

改进思维进化算法优化BP神经网络的瓦斯涌出量预测研究

为了保证煤矿安全开采,并提高煤矿瓦斯涌出量的预测精度,提出了改进思维进化算法优化BP神经网络的模型预测新方法。在思维进化算法中加入精英反向学习策略增加算法的全局搜索能力,在趋同操作中引入粒子群算法避免重复搜索,以此实现对BP神经网络的初始权值和阈值的全局寻优,并通过矿井监测到的各项历史数据进行验证。结果表明：与BP神经网络模型和MEA-BP神经网络模型相比较,该模型的预测精度更高,泛化能力更强。该模型的平均相对变动值为0.00116,平均相对误差为0.81%,均方根误差为0.0576,有效提高了对瓦斯涌出量的预测精度,提升了煤矿安全生产技术。     

基于PSO-FCM的长输管道泄漏检测方法

为了提高长输管道泄漏检测的准确率,将改进模糊C均值算法应用于长输管道泄漏检测研究.在传统模糊C均值算法的基础上引入粒子群算法,对其寻找聚类中心的迭代过程进行优化,用粒子群算法替代模糊C均值的梯度下降法,以提高模糊C均值算法的聚类效率和准确率.然后分别用所得的基于粒子群优化的模糊C均值聚类模型、传统模糊C均值聚类模型以及...     

基于学习通课程的学生网络学习行为研究

针对超星学习通课程学习过程中学生出现的被动学习、消极学习现象,提出分析学生学习态度的方法,构建学习态度跟踪模型.首先针对超星学习通平台收集的学生网络学习行为数据,选取与学习态度相关性较高的指标,形成训练数据集;然后,通过调查法对学生学习态度进行调查,以此获得学习态度标签;最后,基于分类算法构建学习态度跟踪模型,采用五折...     

基于混合学习算法的模糊小波神经网络控制

采用小波函数作为模糊隶属函数,将模糊控制与神经网络相结合,利用神经网络实现模糊推理.针对BP算法易陷入局部极值点的缺点和简单遗传算法局部搜索能力差的不足,提出了一种混合学习算法,即首先利用遗传算法全局搜索的特点来离线优化神经网络的参数,再利用BP算法较强的局部搜索能力对网络参数进行在线调整.仿真结果表明,该网络能对不同的对象实施有效控制,且具有快速、适应性强等特点.