基于改进蚁群支持向量机的氢含量软测量建模

格式：pdf
大小：345.06 KB
文档页数：5

下载文档原格式

/ 5

基于蚁群智能算法的数据分析系统优化设计

基于蚁群智能算法的数据分析系统优化设计
唐思萌
【期刊名称】《电子设计工程》
【年(卷),期】2024(32)11
【摘要】针对传统医疗财务数据分类能力差及效率偏低的问题,基于改进蚁群和分类算法提出了一种优化的信用数据分析模型。

该模型由数据处理模块、算法执行模块与输出模块组成。

根据输入数据的特点,模型对待测个体进行了信用等级预分类,并将预处理后的数据输入至分析模块中。

再将极限学习机和支持向量机相结合,进而大幅提高了算法的分类能力。

同时对于蚁群算法易陷入局部最优的问题,还对算法进行自适应改进,优化了相关参数。

在实验测试中,所提优化算法的信用评估指标在对比算法中均为最高,且算法的迭代次数相较未优化算法也降低了25%以上。

【总页数】5页(P37-41)
【作者】唐思萌
【作者单位】河北北方学院附属第一医院
【正文语种】中文
【中图分类】TN915.08;TP391
【相关文献】
1.基于混沌蚁群算法的冷藏车光伏储能混合制冷系统优化设计
2.基于智能算法的轮式移动机器人控制系统优化设计
3.基于蚁群算法的排水管道系统优化设计
4.基于大数据分析的网络安全系统优化设计研究
因版权原因，仅展示原文概要，查看原文内容请购买。

一种基于改进全局信息素更新效率的蚁群算法及仿真

ｏｐｔｉｍｉｓａｔｉｏｎ，ｗｅｐｒｅｓｅｎｔａｎａｎｔｃｏｌｏｎｙａｌｇｏｉｔｒｈｍｗｈｉｃｈｉｓｂａｓｅｄｏｎｉｍｐｒｏｖｉｎｇｔｈｅｅｆｆｉｃｉｅｎｃｙｆｏｇｌｏｂａｌｐｈｅｒｏｍｏｎｅｕｐｄａｔｅ．Ｔｈｒｏｕｇｈｉｎｔｒｏｄｕｃｉｎｇ
ｏｆｔｈｅｉｎｉｔｉａｌｖａｌｕｅｆｏｐｈｅｒｏｍｏｎｅａｎｄｔｈｅｖｌｕａｉｎｇｏｆｔｈｅｖｏｌａｔｉｌｅｆａｃｔｏｒＰｉｎｔｈｅａｌｇｏｉｒｔｈｍｒｅａｂｏｔｈｉｍｐｒｏｖｅｄ，ｔｈｅｒｅｂｙｔｈｅｓｅａｒｃｈｔｉｍｅｆｏｔｈｅ
高的精确性，更适用于比较大型的ＴＳＰ问题，在路径搜索领域具有较好的发展前景。关键词
中图分类号
蚁群算法
ＴＰ３１２
信息素
挥发因子
ＡＤＯＩ：１０．３９６９／ｊ．ｉｓｓｎ．１０００・３８６ｘ．２０１４．０１．０４６
算法。通过在蚁群算法中引入“ 精英策略” ，让算法的搜索具有一定的方向性，并且在此基础上对信息素初始值的定义与对算法中的挥发因子Ｐ的取值进行改进，从而缩短算法的搜索时间。通过验证，改进后的算法相比一般的蚁群算法具有更好的搜索效率与较

改进蚁群算法在支持向量机中的应用

Ｈｎ —ｔ‘ ｌ。Ｒ —ａＡＯＪ。ＷＡＮＧｏｇｒｌＥＮＹｕｙｎ，Ｂｉｅ
，
（．ｉｎＣｌｇｆｎｈｎＵｎｖｒｉ，ｎｕｎｄｏ０６０，ｈｎ；１ＬｒｏｌｅｏｓａｉｓｙＱｉｈａｇａ６０４ＣｉａｅｅＹａｅｔ２ＥａｕｔｇａｄＥａｎｎｅｔｒｏｔｔ－ｕｄｄＣｎｔｕｔｎＰｃｅｔ．ａｉａｅｅｐｎｎ．ｖｌａｉｎｘｍｉｉｇＣｎｅｆａｅＦｎｅｏｓｃｉｒａｃｓＮｔｎｌｖｌｍｅｔｄｎＳｒｏｏＤｏａ
ＫｙｗｒｓＶａｔｏｎｌｒｈＡＡ）ａａｅｒｆａｉｌｓａｈｓａｅｅｏｄ：ＳＭ；ｎｌｙａｏｉｍ（Ｃ；ｐｒｍｔ；ｅｓｅｅｒｐｃｃｏｇｔｅｂｃ
０引言
ｌＳＶＭ
支持向量机（ｕｐｒｖｃｏｍｃｉｅＶ是Ｖｐｉｓｐｏｔｅｔｒａｈ，ＳＭ）ｎａｎｋ
ＳＭ基于结构风险最小化原则，Ｖ町利川有限样本ｌＪ练【
等人提出的一类新型机器学习方法。ＳＭ是一种基于Ｖ
统汁的学习方法，是对结构风险最小化归纳原则的近似，它其理论基础是统计学习理论。它在很大程度上解决了模型选择与过学习问题、线性和维数灾难问题、部极小点问非局
ｏｔｍａｒｕｃｌ．ＳｍｕａｉｎｒｓｌｉｄｃｔｔａｐｉｚｎＳｐｉｍｕｆｉｙｑｉｋｙｉｌｔｅｕｔｎｉａｅｈｔｏｔｌｏｓｍｉｉｇＶＭｉｈｓｍｅｈｄｃｎａｏｄｈｏａｗｔｔｉｈｔｏ，ｖｉｔｅｌｃｌａｅｔｍｅｆｃｉｅｙａｄｉｒｖｈｏｖｒｅｃｐｅ．ｘｒｅｓｅｆｔｌｎｍｐｏｅｔｅｃｎｅｇｎｅｓｅｄｅｖ

一种改进蚁群算法组合优化问题的研究

。早期被广泛地应用在旅行商问题 ( T rave ling
sa lesm an prob lem, TSP) 的求解。旅行商问题是一个典型的组
基金项目 : 河南省教育厅自然科学研究计划项目 ( 2009B110012) 收稿日期 : 2009 - 09- 01
)
194 )
A Study on Improve m ent of Ant Colony A lgorithm Strategies Co m binational Optim ization
SUN Ze- yu , W E IW ei
L uoyang H enan 471023 , Ch ina ; 2 . D epartm ent o fM athe m atics and Physics , Luoyang Institu te of Science and T echno logy , Luoy ang H enan 471023, China) AB STRACT : An t colony a lgo rithm wh ich is a ne w heur istic algorithm w ith good robustness and sea rching perfor mance , has been w ide ly app lied in the fields o f a rtific ia l inte lligence , pattern recognition, and syste m contro l etc . W ith the in- dep th explora tion , there appear such de fau lts o f ant co lony a lgo rithm as the s low speed o f conve rgence and the tendency to loca lly opti m a l solution e tc . Based on these proble m s, a new ant co lony a lgo rithm is proposed to change the rules o f ite ration of partia l phero m ones, i m prove the overall update stra teg ies and dynam ically arrange rel evant param eters . H ereby , the earliness and useless redundant codes are proh ib ited and ov era ll search ing perfor mance and convergence speed o f the syste m a re enhanced. H ence , th is a lgor ithm realized comb inational opti m ization. T he valid ity and feasib ility of th is a lgo rithm is de m onstra ted through the si m u lation experi m ent of T raveling Sa lesm an P roble m. K EYWORDS : A nt co lony a lgor ithm; Comb inator ia l opti m ization; T rave ling Salesm an P rob lem; Pheromone 合优化问题 , 同时也是一个 N P 难问题。随着问题规模的扩

一种改进的最小二乘支持向量机软测量建模方法

一种改进的最小二乘支持向量机软测量建模方法
毛晓娟;何小阳;温伟峰
【期刊名称】《自动化仪表》
【年(卷),期】2011(032)005
【摘要】针对最小二乘支持向量机(LS-SVM)缺少支持向量所具有的稀疏性和模型参数值难以选择的问题,提出利用马氏距离进行样本相似程度分析,去除集中部分样本,以恢复最小二乘支持向量机的稀疏性的方法.同时,采用κ-折交叉验证误差作为学习目标的粒子群优化算法来选取模型参数,并利用改进算法建立了精馏产品浓度的软测量模型.通过仿真验证了改进算法的有效性.结果表明模型精度较高,泛化能力强,满足工业测量要求.
【总页数】4页(P39-41,45)
【作者】毛晓娟;何小阳;温伟峰
【作者单位】广西大学电气工程学院,广西南宁,530004;广西大学电气工程学院,广西南宁,530004;广西大学电气工程学院,广西南宁,530004
【正文语种】中文
【中图分类】TP274
【相关文献】
1.一种改进细菌觅食优化算法及其在软测量建模中的应用 [J], 李炜;徐卫
2.一种基于改进加权粗糙集的多模型软测量建模方法 [J], 陈定三;杨慧中
3.一种基于混合建模技术的MIMO软测量建模方法 [J], 傅永峰;陈祥华;徐欧官
4.一种基于改进扩张搜索聚类算法的软测量建模方法 [J], 张孙力;杨慧中
5.基于一种改进灰关联分析的双进双出钢球磨制粉出力软测量建模 [J], 冯磊华;桂卫华;杨锋
因版权原因，仅展示原文概要，查看原文内容请购买。

机组检修计划优化模型及改进蚁群算法求解

０引言
ｏＣｍｐｔｒＥｎｉｅｒｎｕｅｇｎｅｉｇ，ＮｏｔｅｓａｌＵｎｖｒｉｒｈａｔＤｉｎｉｉｅｓｔｙ，Ｊｌ３０２ｉｎ１２１，Ｃｈｎ；３ｉｎＰｏｉｃｉｅｓｔｉｉａ．ＪｌｒｖｎｅＵｎｖｒｉｙｉ
ＤｉｔｉｕｉｎＡｕｏｔｎＥｎｉｅｒｎｓａｃｅｔｒｓｒｂｔｔｍａｉｇｎｅｉｇＲｅｅｒｈＣｎｅ，Ｃｈｎｃｕ３０２，Ｃｈｎ）ｏｏａｇｈｎ１０１ｉａＡｂｔａｔＢｓｄｏｈａｋｒｕｄｏｒｄｔｎｌｏｔｚｄｇｎｒｔｒｍａｎｅａｃｄｌｎｉｄｏｅｏｔｚｄｇｎｒｔｒｓｒｃ：ａｅｎｔｅｂｃｇｏｎｆｔａｉｏａｐｉｅｅｅａｏｉｔｎｎｅｍｏｅ，ｏｅｋｎｆｎｗｐｉｅｅｅａｏｉｍｉｍｉｍａｎｅａｃｄｌｓｅｔｂｉｈｄＡｓｔｅｆｃｈｔａｔｃｌｎｌｏｉｍａｈｈｒｃｅｉｔｆｓｏｃｎｅｇｎｅａｄｅｓｙｉｔｎｎｅｍｏｅｓａｌｅ．ｉｓｈａｔｔａｎｏｏｙａｇｒｔｈｈｓｔｅｃａａｔｒｓｉｏｌｗｏｖｒｅｃｎａｉｃｌｆｌｎｉｔｃｌｐｉｍ，ｂｓｇｆｚｙｃｎｒｌｕｅ．Ｔｈｎｏｏｙａｇｒｈｉｉｒｖｄａｌｇｏｌａｔｉｎｏｏｍｕｙｕｉｚｏｔｌｓｎｕｏｒｅａｔｌｎｏｉｍｏｅ．ＴｈｓｉｒｖｄａｇｒｔｐｌｄｔｅｃｌｔｓｍｐｉｍｐｏｅｏｉｌｍｓｈｉａｐｉＯｔｅｈｐｐｓｄｏｔｚｅｅａｏｉｔｎｎｅｍｏｅ．Ａｓａｒｓｌ，ｓｍｕａｉｎａｇｒｈｄｍｏｅｓｃｎａｈｅｅｇｏｅｕｔｏｒｏｅｐｉｅｇｎｒｔｒｍａｎｅａｃｄ１ｍｉｄｅｕｔｉｌｔｏｔｍｓａｄｌａｃｉｏｄｒｓｌｏｌｉｎｖｓＫｅｒｓｅｅａｏｅａｒｃｎｍｙｎｏｏｙａｇｒｈ；ｆｚｙｃｎｒｌｕｅ；ｐｅｏｎｐａｅｙｗｏｄ：ｇｎｒｔｒｒｐｉ；ｅｏｏ；ａｔｃｌｎｌｏｉｍｔｕｚｏｔｏｌｓｈｒｍｏｅｕｄｔｒ

基于最小二乘支持向量机的软测量方法在精对苯二甲酸生产中的应用

理，题可以表示为：问
１１
其中，＝Ｚ，据ＭｒｒＺ根ｅｃ法则，入核函数Ｋｅ引
ａ３，ｅ＝ｒｎＪｂ） ÷ ｉ（，
－ｅ毒ｕ
（）２
收稿日期：０００－７修改稿）２１－６０（
Ｏ０
ＯＯＺｙ
般为８ｈ每天只能采集到滞后的数据，要对其颗，需粒进行软测量建模用以对颗粒大小进行实时控制。
２最ｄ－乘（）Ｙ］，Ｚ。．ｙ＝［，…，，Ｙ，
过程控制
化动及表，０，７７：～４工自化仪２０３（）２３１３
ＣｏｔｌａｄＩｓｒｍｅｔｉｈｍｉａＩｄｓｙｎｒｎｎｔｏｕｎｓｎＣｅｃｌｎｕｔｒ
基于最小二乘支持向量机的软测量方法在精对苯二甲酸生产中的应用
同时保持了原有水平的预测能力。结果表明该方法对精对苯二甲酸的颗粒具有较高的预测能力。关键词：支持向量机；测量；对苯二甲酸；时估计软精实中图分类号：Ｐ８；Ｐ７文献标识码：文章编号：１０ —９２２１）７０３－３Ｔ１１Ｔ２３Ａ００３３（０００－２００
１引言
ｓｔＹ［（）＋ｂ．．Ｗ］＝１一ｅ（＝１ … ，ｋ， Ⅳ）
支持向量机是专门针对有限样本情况下如何得
到最优解的一种机器学习方法。通过将实际的问题转换到非线性的高维特征空间，然后在高维的特种空间中构造线性判别函数来实现原来的非线性判别

基于改进蚁群算法的TSP问题研究中!

[2]
在 1991 年提出蚂蚁系统 ( Ant Sys2
tem , AS)算法 ,其有 2 个主要步骤 , 即解的构建和信
息素的更新 , 信息素本来是蚂蚁在所经过的路上释放的一种挥发性化学物质 ,蚂蚁通过它来选择路径 , 在蚂蚁系统算法中通过信息素来反映边被蚂蚁选择的情况 .
111 解的构建
rea l d islead [ n ] [ n ] 用来存放 Γij 的值 , 增加 rea l
1. 5C ) 范围内 , 则 ω = 1 / 4, 否则 ,ω = 3 / 4.
bs
公式 ( 5 ) 变为 :
m
τ ρ )τ ij ← ( 1 - ω ij +
0 < ρ ≤ 1.
k =1
Δ τ , Π ( i, j) ∑
( ( ( xj - xstart ) ( xj - xend )
2 2
k
τ ij 表示边 ( i, j) 所对应的信息素 ; α表示信息素因子 ,β表示启发式因子 ;
N i 表示位于 i的蚂蚁 k 可以直接到达的相邻城
k
市的集合 . 信息素 τ ij是蚂蚁在边 ( i, j) 释放的信息素 , 其实质是代表边被蚂蚁选择的情况 , 简单说选择的越多 , 则τ ij 越大 . 每一只蚂蚁 k 都维护 1 个记忆存储 M , 它按照访问的先后顺序记录所有已经过访问的城市的序 k 号 . 记忆存储还允许蚂蚁计算其构造的路径 T 的总长度 , 还可以用来重新遍历该路径并释放信息素 . 112 信息素更新首先 , 所有边上的信息素都会减少 1 个产量因子的大小 , 然后在蚂蚁经过的边上增加信息素 . 信息素的蒸发根据下式执行 τ . ( 2) 1 - ρτ ij ← ij , Π ( i, j) ∈ L , 0 < ρ ≤ 1 参数 ρ的作用是避免信息素的无限积累 , 还可以淘汰之前的较差的路径 , 如果一条边没有再被任何蚂蚁选择 , 那么这条边的信息素将以迭代次数的指数级递减 . 蒸发信息素后 , 所有蚂蚁在它们经过的边上释放信息素 :

一种改进的最小二乘支持向量机软测量建模方法

向量机（ｕｐｒｖｃｒｍｃｉｅＳＭ）由ｓｐｏｅｔａｈ，Ｖ是ｔｏｎ
有一定的“ 稀疏 ” 。同时，性采用粒子群优化算法（ａ— ｐｒｔｌｓａｍｏｔｉｔｎＰＯ对Ｌ．Ｖ的模型参数进ｉｅｗｒｐｍｚｉ，Ｓ）ｃｉａｏＳＳＭ
Ｋｅｗｏｄ：Ｌａｔｑａｅｓｐｏｅｔｒｃｉｅ（ＳＳＭ）Ｐｒｃｅｓａｌｏｔｚｔｎａｇｒｈｙｒｓｅｓｓｕｒｕｐ￣ｖｃｏｈｎＬ —ＶｍａａｔｌｗｒｌｐｉａｉｌｏｔｍＳｆｓｎｉｇＭｏｅｉｇｉｒｍｉｏｉｏｅｓｔｎｄｌｎ
样本相似程度分析，除集中部分样本，去以恢复最小二乘支持向量机的稀疏性的方法。同时，采用一折交叉验证误差作为学习目标的
粒子群优化算法来选取模型参数，并利用改进算法建立了精馏产品浓度的软测量模型。通过仿真验证了改进算法的有效性。结果表
ｔｎｏｈｒｄｔｏｉｔｌｔｎ．Ｔｉｌｔｏｅｆｅｈｆｃｉｅｅｓｏｅｉｒｖｄａｇｒｔｍ。ａｄｔｅｒｓｌｏｅｅｒｈｓｗｓｔｅｍｏｌｉｆｔｅｐｏｕｃｆｄｓｉａｉｏｌｏｈｅｓｍｕａｉｎｖｒｓｔｅｅｆｔｎｓｆｔｍｐｏｅｌｏｉｉｉｅｖｈｈｎｈｅｕｔｆｒｓａｃｈｏｈｄｅｉａｃｒｔ，ａｄｇｏｒｇｎｅａｉａｉｎｔｅｎｕｔｉａｕｉｇｒｑｒｍｅｔ．ｓｃｕａｅｎｏｄｆｅｒｌｔｏｍｅｔｉｄｓｒａｍｅｓｒｎｅｕｉｏｚｏｌｅｎｓ

基于改进蚁群的测试序列优化算法

基于改进蚁群的测试序列优化算法李丹阳;蔡金燕;杜敏杰;朱赛【期刊名称】《中国测试》【年(卷),期】2013(039)004【摘要】针对故障诊断中的测试序列优化问题,提出一种改进蚁群算法的解决方法.该方法根据二值属性系统的特点,定义状态集向量及测试向量,将故障测试隔离过程转化为向量的位运算过程,将序列优化问题转化为一种最小代价的动态树构造问题,设计灵活的状态转移规则,并根据动态树的分层结构特点,提出一种分层加权和遗传变异相结合的信息素更新策略,解决这种动态树结构的寻优问题.仿真结果表明:该算法以较高的效率收敛到已知最优解,高效实用,为大规模复杂系统的测试优化问题提供了一条新的解决途径,具有一定的工程应用价值.【总页数】5页(P105-108,128)【作者】李丹阳;蔡金燕;杜敏杰;朱赛【作者单位】军械工程学院光学与电子工程系,河北石家庄050003;军械工程学院光学与电子工程系,河北石家庄050003;军械工程学院光学与电子工程系,河北石家庄050003;军械工程学院光学与电子工程系,河北石家庄050003【正文语种】中文【中图分类】TP277;TP391.9;TM571.62;O212.6【相关文献】1.基于改进蚁群优化算法的云计算调度方法 [J], 王恩重;陶传奇2.基于子图演化与改进蚁群优化算法的社交网络链路预测方法 [J], 顾秋阳;琚春华;吴功兴3.一种基于子问题动态消减的改进多目标蚁群优化算法 [J], 宁佳绪;牛玥;纪丹蕾;肖雨婷;杨富燕4.基于灰狼优化器改进蚁群算法的物流配送路径优化算法 [J], 周子程;梁景泉;刘秀燕;黄毓培5.基于转角约束的改进蚁群优化算法路径规划 [J], 李开荣;刘爽;胡倩倩;唐亦媛因版权原因，仅展示原文概要，查看原文内容请购买。

1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。

ｏｐｔｉｍｉｚａｔｉｏｎｍｅｔｈｏｄｆｏｒｓｕｐｐｏｒｔｖｅｃｔｏｒｍａｃｈｉｎｅｍｏｄｅｌｕｓｉｎｇｉｍｐｒｏｖｅｄａｎｔｃｏｌｏｎｙｏｐｔｉｍｉｚａｔｉｏｎａｌｇｏｉｒｔｈｍｗａｓｐｒｏｐｏｓｅｄｔｏｐｒｅｄｉｃｔｔｈｅｌｌａｏｙｒｅａｃｔｉｖｅｓｔａｔｅ．ＴｈｅｒｅｇｒｅｓｓｉｎｇｐｅｆｒｏｒｍａｎｃｅｃａｎｒｅａｃｈｅｔｈｅｂｅｓｔｓｔａｔｅｂｙｏｐｔｉｍｉｚｉｎｇｔｈｅｐｅｎＭｔｙｆａｃ — ｔｏｒＣａｎｄｔｈｅｒａｄｉｌａｂａｓｉｓｐｒａａｍｅｔｅｒｇ．ＴｈｅｐｒｏｃｅｓｓｏｐｔｉｍｉｚａｔｉｏｎｃｏｎｔｒｏｌｏｆＮｄＦｅＢｈｙｄｒｏｇｅｎｐｕｌｖｅｉｚｒａｔｉｏｎｗａｓｔａｋｅｎａｓａｎｅｘａｍｐｌｅｔｏｂｕｉｌｄｔｈｅｄｅｔｅｃｔｉｏｎｍｏｄｅｌｏｆｈｙｄｒｏｇｅｎｃｏｎｔｅｎｔｏｆｌｌａｏｙ，ａｎｄｗｅｃｏｍｐｒｅａｄｔｈｉｓｗｉｔｈｔｈｅｄｅｔｅｃｔｉｏｎｍｏｄｅｌｂｙｕｓｉｎｇａｒｔｉｉｆｃｉｌａｓｅｌｅｃｔｉｏｎｏｆｐａｒｍｅａｔｅｒｓ．Ｔｈｅｒｅｓｕｌｔｓｏｆｓｉｍｕｌａｔｉｏｎｉｎｄｉｃａｔｅｔｈａｔｔｈｅｄｅｔｅｃｔｉｏｎｍｏｄｅｌｏｐｔｉｍｉｚｅｄｂｙｔｈｅｉｍｐｒｏｖｅｄａｎｔｃｏｌｏｎｙｌｇａｏｒｉｈｍｔｈａｓｈｉｇｈｐｒｅｃｉｓｉｏｎａｎｄｇｅｎｅｒａｌｉｚａｔｉｏｎａｂｉｌｉｔｙ，ａｎｄｔｈｅｍｏｄｅｌｈａｓｉｍｐｏ￣ｎｔａｓｉｇｎｉｉｆｃａｎｃｅｏｎｏｐｔｉｍｉｚｉｎｇｔｈｅｐｒｏｃｅｓｓｃｏｎｔｒｏ１．
摘要：针对氢粉碎过程中钕铁硼合金粉碎状态不可知的特点，在用传统方法预测合金反应状态时存在参数盲选、收敛缓慢等问题。为有效预测合金的反应状态，提出了基于改进蚁群算法优化的支持向量机模型。通过优化支持向量机模型的惩罚因子Ｃ和径向基核参数ｇ，可提高支持向量机检测模型的性能。以钕铁硼氢粉碎过程优化控制为例，建立了合金氢含量的检测模型，并与人工参数选择的检测模型进行了对比。仿真结果表明改进蚁群优化的检测模型检测精度高，泛化能力强，对工艺
ｐａｒａｍｅｔｅｒｓｓｅｌｅｃｔｉｏｎ，ｓｌｏｗｃｏｎｖｅｒｇｅｎｃｅｓｐｅｅｄｏｆｓｕｐｐｏｒｔｖｅｃｔｏｒｍａｃｈｉｎｅｉｎａｌｌｏｙｒｅａｃｔｉｖｅｓｔａｔｅｐｒｅｄｉｃｔｉｏｎ，ａｐｒａａｍｅｔｅｒ
第３１卷第３期
文章编号：１００６ — ９３４８（２０１４）０３ — ０３８４ — ０５
计
算
机
仿
真
２０１量建模
朱林。陆春伟
（内蒙古科技大学信息工程学院，内蒙古包头０１４０１０）
优化控制具有重要意义。
关键词：蚁群算法；支持向量机；参数优化；氢粉碎；氢含量预测；软测量
中图分类号：ＴＰ３０１文献标识码：Ｂ
ＳＶＭＭｏｄｅｌｉｎｇｏｆＨｙｄｒｏｇｅｎＣｏｎｔｅｎｔＳｏｆｔＳｅｎｓｏｒＢａｓｅｄｏｎＩｍｐｒｏｖｅｄＡｎｔＣｏｌｏｎｙＡｌｇｏｒｉｔｈｍ
ＡＢＳＴＲＡＣＴ：ＣｏｎｔｒａｒｙｔｏｔｈｅｐｒｏｂｌｅｍｓｏｆｓｔａｔｅｕｎｋｎｏｗｎｉｎＮｄＦｅＢｌｌａｏｙｃｒｕｓｈｉｎｇｉｎｈｙｄｒｏｇｅｎｐｕｌｖｅｒｉｚａｔｉｏｎａｎｄｂｌｉｎｄ
ＺＨＵＬｉｎ．ＬＵＣｈｕｎ — ｗｅｉ
（ＩｎｎｅｒＭｏｎｇｏｌｉａＵｎｉｖｅｒｓｉｔｙｏｆＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙ，ＩｎｆｏｒｍａｔｉｏｎＥｎｇｉｎｅｅｉｒｎｇＣｏｌｌｅｇｅ，Ｂａｏｔｏｕ，ＩｎｎｅｒＭｏｎｇｏｌｉａ０１４０００，Ｃｈｉｎａ）

基于改进蚁群支持向量机的氢含量软测量建模

合集下载

基于蚁群智能算法的数据分析系统优化设计

一种基于改进全局信息素更新效率的蚁群算法及仿真

改进蚁群算法在支持向量机中的应用

一种改进蚁群算法组合优化问题的研究

一种改进的最小二乘支持向量机软测量建模方法

机组检修计划优化模型及改进蚁群算法求解

基于最小二乘支持向量机的软测量方法在精对苯二甲酸生产中的应用

基于改进蚁群算法的TSP问题研究中!

一种改进的最小二乘支持向量机软测量建模方法

基于改进蚁群的测试序列优化算法

文档推荐

最新文档