基于混沌粒子群优化BP神经网络的网络安全风险评估系统设计

网络规模不断扩大的同时,也容易受到各种安全风险的威胁,因此,必须对网络安全风险进行准确评估。传统的评估系统中存在的趋势性、周期性以及随机性影响评估准确率的问题,导致评估的结果大都不准确;为此,提出并设计了基于混沌粒子群优化BP神经网络的网络安全风险评估系统。首先对系统的硬件进行了设计,并得出了设计的框图;然后使用混沌粒子群的优化算法和BP神经网络的算法对系统的软件进行了设计;最后进行了对比的实验。实验结果表明,该系统能够更好的协调,并处理评估过程中出现的问题,不会受到趋势性、周期性以及随机性的影响,能够更好的发挥网络安全评估的效果,提高评估的准确率,减小相对的误差。     

基于mRMR-IPSO的短期负荷预测双阶段特征选择

电力负荷具有时空多变的特性,受众多因素的影响,在短期负荷预测中较多的输入特征会造成维度灾难,导致模型预测性能不佳,因此选择合理的输入特征集至关重要。文章提出一种新的短期负荷预测特征选择方法——mRMR-IPSO双阶段法。利用最大相关最小冗余（max-relevance and min-redundancy,mRMR）判据对原始特征进行排序,考虑输入特征与输出特征之间相关性和输入特征间冗余性,筛选掉一些排序靠后的特征,初选出对预测效果影响显著的特征子集;采用基于改进的粒子群优化算法（improved particle swarm optimization,IPSO）的搜索策略,以LightGBM模型的预测精度为适应度函数,对初选特征子集进行精选,得到最优特征子集。算例结果表明,所提方法能在对原始特征集大幅降维的情况下提升预测精度。     

基于L1自适应控制律的无人机滚转控制

在飞行器参数变化时,L1自适应控制相对于传统比例积分微分(proportional integral derivative,PID)控制方法具有理想的控制效果.针对某型存在参数不确定性的无人机,建立了无人机横侧向动力学模型,在对L1自适应控制理论进行研究的基础上,分别设计了L1自适应控制律和比例微分(proportio...     

基于粒子群优化算法改进的XGBoost模型制备C4烯烃工艺条件优化

C4烯烃是生产清洁友好燃料等化工产品的重要原料,提升C4烯烃收率,增大C4烯烃产量是生产过程重要的目标之一。针对乙醇偶合制备C4烯烃这一化学反应样本数量多,特征数量少等特点,本文提出一种组合模型：粒子群算法改进的XGBoost模型。首先将XGBoost模型与数据的拟合效果作为粒子群算法的目标函数,通过粒子迭代确定XGBoost模型的最优超参数; 然后通过对变量设置一定的步长构造仿真数据。最后,将优化后的XGBoost模型与仿真数据进行拟合,拟合优度由76%提升至93%。根据预测结果确定了C4烯烃的最大收率和最佳反应条件,得到C4烯烃收率的最大值为43.52%。实验结果表明,改进后的XGBoost模型在误差和精度方面都优于原始模型。     

求解约束优化问题的一种新的进化算法

针对约束优化问题引入半可行域的概念, 提出竞争选择的新规则, 并改进了基于竞争选择和惩罚函数的进化算法的适应度函数; 结合粒子群优化（PSO）算法本身的特点, 设计了选择算子对半可行域进行操作, 从而得到一个利用PSO算法求解约束优化问题的新的进化算法. 实验证明了算法的有效性.     

改进粒子群算法的自动阻抗匹配技术

由于无线电能传输距离的改变或谐振线圈之间发生偏移、负载改变等多方面的影响使系统的输入阻抗发生变化,导致输入阻抗与射频源内阻不匹配,使传输效率大幅下降。在射频源和发射线圈之间加入阻抗匹配网络可以提高无线电能的传输效率。为了提高阻抗匹配的精度和速度,提出了一种改进的粒子群算法。重点将改进算法和传统算法进行仿真实验比较,证明了改进算法在匹配精度和速度方面的优越性。最后将该算法嵌入到自动阻抗匹配系统中,提高了无线电能的传输效率,同时证明了所提算法的有效性。     

人工蜂群算法及其应用

为促进人工蜂群算法理论和应用的发展, 在分析人工蜂群算法的基本原理基础上, 针对算法的不足, 全面地归纳了国内外学者对算法的改进研究, 对算法的蜜源初始化、更新策略的改进、调整策略的改进、适应度函数的选择以及与其他算法的融合进行综述, 提出了更有效的改进策略。同时从多方面综述了人工蜂群算法的应用, 并对人工蜂群算法的发展方向进行了总结和展望。     

基于PSO参数辨识SVM的中长期径流预测研究

以径向基函数作为核函数,利用微粒群(PSO)算法的全局寻优特性进行支持向量机(SVM)的参数辩识.在微粒群搜索参数前,先对参数进行指数变换,使[0,1]和[1,∞]有着相同的搜索概率.微粒群算法的适应值函数是以支持向量机模型的推广能力为标准的,讨论了测试样本的最小误差和留一法对支持向量机学习方法推广能力的两种估计.最后...     

一种间断观测下的无人机地面目标跟踪方法

提出了一种基于贝叶斯滤波器和适航地图的跟踪算法(BF-Hmap),解决间断观测下的无人机地面目标跟踪问题.采用基于中心线和梯度图的快速道路提取算法生成目标适航地图,该图描述了地面目标与当前地形相关的运动能力.采用贝叶斯滤波器分两步在线更新目标状态的后验概率分布,即在预测阶段考虑适航地图对目标运动的约束,以及在估计阶段充分利用目标的所有观测信息.仿真结果表明,在间断观测下该算法对地面机动目标有着良好的跟踪效果.     

基于二维灰度熵及混沌粒子群的图像阈值选取

为了同时考虑直方图的概率信息和类内灰度级的均匀性,提出了基于灰度级-梯度二维直方图的Shannon灰度熵及Tsallis灰度熵阈值选取方法.给出了Shannon灰度熵和Tsallis灰度熵的定义及其一维阈值选取方法,导出了二维Shannon灰度熵及Tsallis灰度熵阈值选取公式及其快速递推算法,并利用混沌粒子群算法寻求两种阈值选取方法的最佳阈值.实验结果表明,与基于改进的二维最大熵及粒子群递推的阈值选取方法相比,所提出方法的分割图像能更准确地反映原始图像的边缘、纹理及细节信息.