粒子群优化算法在确定河流水质参数中的应用

将粒子群优化（PSO）算法应用于求解分析瞬时投放示踪剂情况下的一维河流水团示踪试验数据，以及确定河流水质参数的函数优化问题。分别就粒子数目和待估水质参数的初始取值范围对算法运算过程的影响进行了数值实验。结果表明：①PSO算法能够有效地应用于求解分析河流水质试验数据，确定水质参数的函数优化问题；②粒子数目的多少对迭代次数、运算时间和算法是否收敛有一定的影响，在粒子数目较大的情况下，可以保证运算过程收敛；③待估参数初始猜测值的选取范围对迭代次数也有一定的影响，选取范围越大，需要的迭代次数越多。最后，指出了需要进一步研究的问题。     

基于GSRDPGE算法的转子故障数据集降维方法研究

针对旋转机械故障数据集因高维和信息冗余而导致故障分类困难的问题,提出有效降低数据维数的组稀疏残差判别保持图嵌入算法.首先,该算法改进了类间稀疏编码的方式,得到了更具判别性的类间稀疏权重矩阵;然后,通过加权的方式清除特征集中离群点对稀疏编码的影响;最后,以类内重构散度最小、类间重构散度最大为目标计算最优判别投影矩阵.通过Iris仿真数据集和双跨转子系统的故障数据集对所提算法进行验证,并与其他几种典型降维算法对比,证明该算法能够同时兼顾数据分布状态的全局性和局部性,使故障类别之间差异性更突出,并能够提高故障模式识别准确率.研究表明,该算法可为转子故障智能诊断提供参考依据.