下载文档原格式
基于模糊支配的高维多目标进化算法MFEA毕晓君;张永建;陈春雨【期刊名称】《电子学报》【年(卷),期】2014(042)008【摘要】为提高高维复杂多目标优化算法的收敛性和解集分布性,提出一种基于模糊支配的高维多目标进化算法MFEA.在第二代Pareto支配类高维多目标进化算法模型基础上,利用模糊理论对模型中的环境选择进行改进,提出基于模糊隶属度的支配关系,并结合Harmonic、k邻域法和小生境技术对其中的拥挤密度估计方法进行改进,最后根据高维多目标的特点并结合模糊理论α-截集的思想提出了新的环境选择策略.将该算法与目前性能最好的5种多目标进化算法在标准测试函数集上进行对比试验,结果表明本文算法与其他算法相比具有明显的优势,不仅提高了算法的收敛性能,而且保证了Pareto最优解的均匀分布性.【总页数】7页(P1653-1659)【作者】毕晓君;张永建;陈春雨【作者单位】哈尔滨工程大学信息与通信工程学院,黑龙江哈尔滨150001;哈尔滨工程大学信息与通信工程学院,黑龙江哈尔滨150001;哈尔滨工程大学信息与通信工程学院,黑龙江哈尔滨150001【正文语种】中文【中图分类】TP183【相关文献】1.一种基于自适应模糊支配的高维多目标粒子群算法 [J], 余伟伟;谢承旺;闭应洲;夏学文;李雄;任柯燕;赵怀瑞;王少锋2.基于超球形模糊支配的高维多目标粒子群优化算法 [J], 谭阳; 唐德权; 曹守富3.基于自适应支配准则的高维多目标进化算法 [J], 孙文静;李军华;黎明4.基于多目标进化算法的高维模糊分类系统的设计 [J], 张永;吴晓蓓;向峥嵘;胡维礼5.DAV-MOEA:一种采用动态角度向量支配关系的高维多目标进化算法 [J], 谢承旺;余伟伟;郭华;张伟;张琼冰因版权原因，仅展示原文概要，查看原文内容请购买。
作者： 何丹[1];马敬奇[2]
作者机构： [1]广东青年职业学院,广东广州510507;[2]广东省自动化研究所广东省现代控制技术重点实验室,广东广州510070
出版物刊名： 科技资讯
页码： 1-3页
年卷期： 2016年 第18期
主题词： 图像加密;混沌;Wang-Chen混沌系统
摘要：针对Logistic混沌映射随机序列值分布不均的问题,该文采用了一种Wang-Chen混沌系统加密算法对图像进行加密,并对加密后图像进行了像素点相关性分析和直方图分析。
实验结果表明,Wang-Chen混沌算法产生的混沌序列随机性好,密钥空间大;经多次迭代加密后的图像像素点间相关性小,其值小于0或接近于0;加密后的图像RGB分布均匀,加密效果较好,基本达到实验目的。
基于最优样本子集的在线模糊LSSVM混沌时间序列预测温祥西;孟相如;李明迅
【期刊名称】《应用科学学报》
【年(卷),期】2013(031)004
【摘要】提出一种基于最优样本子集的在线模糊最小二乘支持向量机(least squares support vector machine,LSSVM)混沌时间序列预测方法.算法选择与预测样本时间上以及欧氏距离最近的样本点构成最优样本子集,并采用ε不敏感函数对其进行模糊化处理,通过模糊LSSVM训练获得预测模型.随着时间窗口的滑动,最优样本子集和预测模型实时更新,模型更新采用分块矩阵方法降低运算复杂度.实验中对时变Ikeda序列进行预测,表明所提出的方法与离线和在线LSSVM相比,训练速度更快,预测精度更高.
【总页数】7页(P411-417)
【作者】温祥西;孟相如;李明迅
【作者单位】空军工程大学信息与导航学院,西安710077;空军工程大学信息与导航学院,西安710077;空军工程大学信息与导航学院,西安710077
【正文语种】中文
【中图分类】TP27
【相关文献】
1.最优训练样本子集的 LSSVM 网络流量预测 [J], 张运涛;邢晨
2.基于缩减策略的混沌时间序列LSSVM预测模型 [J], 熊胜华;周翠英
3.基于混沌相空间重构的IGA-LSSVM在线煤矿工作面瓦斯浓度预测模型的研究[J], 李绍良;王茜;张毅;张磊
4.基于模糊预测器模型的混沌时间序列预测 [J], 张立权;邵诚
5.基于LSSVM的混沌时间序列的多步预测 [J], 江田汉;束炯
因版权原因，仅展示原文概要，查看原文内容请购买。
一种基于混沌序列的粒子群优化算法杨松铭【摘要】提出了一种基于混沌思想的粒子群优化算法,它利用粒子群优化算法收敛速度快和混沌运动遍历性的特点,对于陷入局部极小点的粒子,引入混沌序列重新初始化,从而使惰性粒子能够跳出束缚并快速搜寻到全局最优解.对几个经典函数的测试计算表明,其在收敛速度和精度上均优于标准的PSO算法.【期刊名称】《齐齐哈尔大学学报（自然科学版）》【年(卷),期】2011(027)004【总页数】5页(P68-72)【关键词】粒子群;混沌序列;优化;Tent映射【作者】杨松铭【作者单位】西安工程大学,理学院,西安,710048【正文语种】中文【中图分类】TP301.6粒子群优化算法（Particle Swarm Optimization, PSO）[1]是1995年由美国的Kennedy等受鸟群觅食行为的启发提出的一种优化算法。
因为其在复杂度、易实现性和参数个数上都有着明显的优势，使得它在很多领域都得到了广泛的关注，并被广泛应用于多目标优化、分类、模式识别、图像分割、仿真和识别等[2-3]。
与其它全局优化算法一样，粒子群优化算法也存在早熟收敛的现象[4]，在许多情况下（如高维多峰函数寻优），可能很难收敛到最优解。
为此，许多学者对PSO算法进行了改进以加强其局部的搜索能力，但是仍存在一些问题。
例如免疫PSO算法[5]和multistart PSO算法[6]，虽然算法性能有所改善，但是由于微粒的重新初始化破坏了粒子当前的结构，降低了算法的收敛速度。
本文将改进的Tent映射引入到粒子群算法中，通过对陷入局部极值点的惰性粒子重新初始化，从而帮助惰性粒子摆脱局部极值点的束缚并快速搜寻到最优解。
对几个经典测试函数的仿真结果表明，相对于标准粒子群算法，改进算法的性能有显著改善。
标准PSO算法是将每个备选解看作是D维搜索空间当中的一个没有体积的粒子。
其在搜索空间中以一定的速度飞行，且这个速度是根据它本身的飞行经验和同伴的飞行经验进行动态调整的，直到群体中的个体飞行至环境适应度高的区域。
《基于排列熵的老化及阿尔茨海默症患者大脑复杂度研究》篇一一、引言近年来，随着科技的不断进步，大脑科学领域的研究也取得了显著成果。
大脑作为人体最复杂的器官之一，其活动与各种生理功能息息相关。
而排列熵作为一种新兴的复杂度度量方法，在大脑活动分析中展现出其独特的优势。
本文旨在探讨基于排列熵的老化及阿尔茨海默症患者大脑复杂度研究，为进一步理解人类大脑活动及疾病机制提供科学依据。
二、排列熵的概念及原理排列熵是一种用于衡量时间序列复杂度的统计方法，它通过计算时间序列中不同排列模式的出现概率来评估其复杂性。
在大脑活动分析中，排列熵可以反映大脑神经元活动的规律性及复杂性，从而为研究大脑功能提供有力工具。
三、老化对大脑复杂度的影响随着年龄的增长，大脑的生理结构和功能会发生一系列变化，这些变化可能对大脑的复杂度产生影响。
通过应用排列熵对老化过程中大脑活动的分析，我们发现老年人的大脑活动在整体上表现出较低的复杂度。
这可能是由于老年人的大脑神经元活性降低、脑区间的连接性减弱等因素导致的。
因此，我们可以得出结论：老化对大脑复杂度具有显著影响。
四、阿尔茨海默症患者大脑复杂度研究阿尔茨海默症是一种常见的神经系统退行性疾病，其发病机制与大脑神经元损伤密切相关。
通过对比健康人群与阿尔茨海默症患者的大脑活动排列熵，我们发现阿尔茨海默症患者的大脑活动表现出较低的复杂度。
这可能是由于疾病导致的神经元损伤和脑区连接性下降所引起的。
进一步的分析还发现，不同阶段阿尔茨海默症患者的排列熵差异明显，表明疾病的进展与大脑复杂度的变化密切相关。
五、结论通过对老化及阿尔茨海默症患者大脑复杂度的研究，我们发现无论是老化还是阿尔茨海默症疾病的发生都会导致大脑活动复杂度的降低。
这为进一步理解人类大脑活动及疾病机制提供了重要依据。
同时，排列熵作为一种有效的复杂度度量方法，在大脑科学领域具有广泛的应用前景。
未来，我们可以通过深入研究不同年龄段、不同疾病状态下的大脑活动排列熵变化规律，为预防和治疗相关疾病提供科学依据。
一种新的基于混沌序列的空间域盲水印算法
高亮;徐伟;孟高峰
【期刊名称】《计算机工程与应用》
【年(卷),期】2006(42)1
【摘要】空间域上的水印算法往往不能同时有效地抵抗高斯噪声和椒盐噪声的攻击,而仅对其中的一种表现出较强的健壮性.论文基于混沌序列,提出了一种新的空间域盲水印算法.通过引入特征串的概念,算法有效地克服了空间域水印算法的上述缺点.一系列水印攻击实验表明该算法能够有效地抵抗高斯噪声和椒盐噪声的攻击,而且对诸如图像增强、锐化、滤波、剪切、JPEG压缩等一些常见的图像处理也都表现出了较好的健壮性.
【总页数】4页(P106-108,134)
【作者】高亮;徐伟;孟高峰
【作者单位】西北工业大学应用数学系,西安,710072;西北工业大学应用数学系,西安,710072;西安交通大学人工智能与机器人研究所,西安,710049
【正文语种】中文
【中图分类】TP391
【相关文献】
1.一种新的基于复合混沌序列的图像加密算法 [J], 刘丽君;卢玉贞;邢巧英
2.一种基于混沌序列的数字图像加密新算法 [J], 许艳
3.一种基于混沌序列的灰度级盲水印算法 [J], 高亮;孟高峰;徐伟
4.一种新的基于混沌序列的双随机置乱算法 [J], 李小艳;李韧;沈民奋
5.一种基于混沌序列定位的跳频盲水印算法 [J], 高飞;张辉
因版权原因，仅展示原文概要，查看原文内容请购买。
混沌序列的模糊神经网络预测
龚剑扬;司锡才;郜丽鹏;蒯冲
【期刊名称】《弹箭与制导学报》
【年(卷),期】2003(023)004
【摘要】提出了一种针对混沌序列预测的T-S模糊神经网络.这种T-S 模糊神经网络与传统的T-S模糊神经网络相比在不影响预测精度的前提下极大的减少了神经网络的节点数.同时利用基于混沌动态量的BP算法对神经网络进行学习,提高了收敛速度和预测精度.应用此T-S模糊神经网络和相应的BP学习算法,对Mackey-Glass混沌时间序列进行了预测,与传统的的T-S模糊神经网络相比得到了更好的结果,验证了该方法的有效性.
【总页数】4页(P52-54,58)
【作者】龚剑扬;司锡才;郜丽鹏;蒯冲
【作者单位】哈尔滨工程大学,黑龙江,哈尔滨,150001;哈尔滨工程大学,黑龙江,哈尔滨,150001;哈尔滨工程大学,黑龙江,哈尔滨,150001;哈尔滨工程大学,黑龙江,哈尔滨,150001
【正文语种】中文
【中图分类】TN914.4
【相关文献】
1.基于混沌的大坝监测序列小波RBF神经网络预测模型 [J], 戴波;陈波
2.基于差分进化的BP神经网络预测混沌时间序列 [J], 邬月春;王铁君
3.基于混沌时间序列的模糊神经网络预测研究 [J], 权鹏宇;车文刚;余任;周志元
4.混沌序列的T-SK反馈模糊神经网络预测 [J], 龚剑扬;司锡才;刁鸣;刘洪艳
5.基于混沌时间序列的模糊神经网络预测研究 [J], 权鹏宇[1];车文刚[2];余任[1];周志元[1]
因版权原因，仅展示原文概要，查看原文内容请购买。
基于变周期型伪随机序列的一种改进思想
孙磊
【期刊名称】《军民两用技术与产品》
【年(卷),期】2006(000)006
【摘要】m序列是序列密码的核心内容,可以生产具有良好密码学特性的伪随机码,原理明确,实现方法简单.但常规型m序列,由于线性复杂性较低,容易由B-M等算法推出极小多项式,最终破译.主要引入变周期型m序列的思想,使这种m序列有多个极小多项式,其周期可不断地变化,有效地抵抗各种常规攻击方式.
【总页数】3页(P45-47)
【作者】孙磊
【作者单位】辽宁工程技术大学,葫芦岛,125105
【正文语种】中文
【中图分类】TP3
【相关文献】
1.一种基于单周期控制的改进型功率因数校正方法 [J], 张文文;刘子龙;夏纪冬
2.一种基于RSA思想产生的伪随机序列的算法 [J], 饶妮妮;卢铁城
3.一种基于RSA思想产生伪随机序列的算法 [J], 饶妮妮;董亮;卢铁城
4.基于变周期型伪随机序列的一种改进思想 [J], 孙磊
5.一种基于单周期控制的改进型功率因数校正方法 [J], 张文文;刘子龙;夏纪冬因版权原因，仅展示原文概要，查看原文内容请购买。
基于混沌思想模糊自适应参数策略的粒子群优化算法
孙勇;章卫国;章萌;尹伟
【期刊名称】《计算机应用研究》
【年(卷),期】2010(027)001
【摘要】粒子群优化算法是一种进化计算技术.提出一种基于混沌思想的模糊自适应参数策略的粒子群优化算法,它利用模糊策略较强的适应能力及混沌运动遍历性、随机性等特点,对标准粒子群优化算法进行了改进,并证明了算法的收敛性.对几种典型测试函数的测试结果表明,模糊自适应参数策略的引入,有效提高了算法收敛的速度,且混沌思想改善了对多维空间的全局搜索能力,能有效避免早熟现象.
【总页数】4页(P39-41,44)
【作者】孙勇;章卫国;章萌;尹伟
【作者单位】西北工业大学,自动化学院,西安,710072;西北工业大学,自动化学院,西安,710072;西北工业大学,自动化学院,西安,710072;西北工业大学,自动化学院,西安,710072
【正文语种】中文
【中图分类】TP18
【相关文献】
1.基于混沌思想的粒子群优化算法 [J], 岳兴汉;薛云灿;蔡亮
2.基于混沌理论和杂交策略改进的粒子群优化算法 [J], 熊军华;谢飞
3.基于混沌思想的可多步搜索的新型粒子群优化算法 [J], 林博艺
4.基于分群策略的混沌粒子群优化算法 [J], 薛文;苏宏升
5.基于混沌思想的粒子群优化算法及其应用 [J], 戴冬雪;王祁;阮永顺;王晓超因版权原因，仅展示原文概要，查看原文内容请购买。
第33卷第5期电子与信息学报Vol.33No.5 2011年5月 Journal of Electronics & Information Technology May 2011一种基于模糊熵的混沌伪随机序列复杂度分析方法陈小军①李赞*①白宝明①潘玮①陈清华②①(西安电子科技大学综合业务网理论及关键技术(ISN)国家重点实验室西安 710071)②(重庆市1534信箱重庆 400712)摘要：该文将模糊理论引入到混沌伪随机序列复杂度测度中，构造了用于序列复杂度测度的模糊隶属函数，并在此基础上研究了一种新的基于模糊熵(Fuzzy Entropy, FuzzyEn)的混沌伪随机序列复杂度测度。
仿真结果表明，与现有主要的混沌伪随机序列复杂度测度方法相比较，FuzzyEn测度不仅能够有效地测度出不同复杂度的混沌伪随机序列，而且具有更加好的对序列符号空间的适用性，更加小的对测量维度的敏感性以及更强的对分辨率的鲁棒性。
关键词：混沌伪随机序列；模糊熵；复杂度中图分类号：TN918.1 文献标识码：A 文章编号：1009-5896(2011)05-1198-06 DOI:10.3724/SP.J.1146.2010.00713A New Complexity Metric of Chaotic PseudorandomSequences Based on Fuzzy EntropyChen Xiao-jun①Li Zan①Bai Bao-ming①Pan Wei① Chen Qing-hua②①(The State Key Laboratory of Integrated Service Networks (ISN), Xidian University, Xi’an 710071, China)②(P.O.Box 1534, Chongqing 400712, China)Abstract: Importing the concept of fuzzy set, this paper constructes membership function for measuring the complexity of chaotic pseudorandom sequences. On the basis of this, a new complexity metric is investigated to evaluate the unpredictability of the chaotic pseudorandom sequences based on the Fuzzy Entropy (FuzzyEn).Simulations and analysis results show that, the FuzzyEn works effectively to discern the changing complexities of the chaotic pseudorandom sequences, and compared with complexity metric based on the Approximate Entropy (ApEn) and symbolic dynamics approach, FuzzyEn has obvious advantages in the applicability of symbolic space, the sensitivity of vector dimension and the robustness of resolution parameter.Key words: Chaotic pseudorandom sequences; Fuzzy Entropy (FuzzyEn); Complexity1引言混沌伪随机序列具有非周期、有界但不收敛等特性，目前它作为新型的扩频序列已经被广泛应用于抗干扰和保密通信之中[1,2]。
由于混沌伪随机序列复杂度是一种对混沌伪随机序列与随机序列的相似程度的测度，也是对利用序列的部分恢复出整体的难易程度的度量，因此，扩频序列复杂度越大，序列能够被恢复的难度越大。
由此可知，混沌伪随机序列复杂度是衡量混沌保密扩频通信系统中抗干扰和抗截获能力的重要指标[3]。
2010-07-09收到，2011-02-28改回国家科技重大专项(2010ZX03006-002-04)，国家自然科学基金(61072070)，国家863计划项目(2009AA01Z237)，高等学校学科创新引智计划(B08038)，长江学者和创新团队发展计划(IRT0852)和陕西省自然科学基础研究计划项目(SJ08F09)资助课题*通信作者：李赞 zanli@复杂度问题的研究一直以来都被国内外学者广泛关注，并与非线性科学及其混沌动力学的复杂度研究交错在一起，形成了非线性科学和复杂度问题的研究热潮。
其研究大致经过了3个阶段：在第1阶段，文献[4]提出了复杂度的原创思想，之后，文献[5]对序列的复杂度进行了研究。
在第2阶段，为了进一步提高序列复杂度测度方法的实用性，相关学者提出了采用线性复杂度(LC)[6,7]、线性复杂度曲线(LCP)[8,9]以及k错线性复杂度(k-error LC)[10]进行序列复杂度测度。
但是，由于这些方法都是针对常规伪随机序列提出的，而随着混沌伪随机序列的深入研究和应用推广，这些测度方法均难以胜任混沌伪随机序列复杂度的准确测度要求[11]。
因此，在第3阶段，为了满足混沌伪随机序列复杂度的测度需求，文献[11]提出了基于近似熵(ApEn)的混沌序列复杂度测度方法。
ApEn是一种基于边缘概率分布统计的量化时间序列复杂程度的方法[12]，该方法虽然能够第5期 陈小军等： 一种基于模糊熵的混沌伪随机序列复杂度分析方法 1199较为准确地测度混沌伪随机序列的复杂度，但仍然存在测度结果受参数选取影响较大的问题。
在这种情况下，文献[13,14]提出了采用符号动力学方法测度混沌伪随机序列复杂度的方法(又称为符号熵方法)。
该方法能够有效地测度不同复杂度的混沌伪随机序列，并且进一步降低了参数选取对测度结果的影响。
但是，由于符号动力学方法中固有的粗粒化标示特点，其在序列符号空间元素较多或者窗口向量长度较大的情况下，计算复杂度很大，且在测度之前必须已知待测序列的符号空间大小，而在实际应用中要得到这个先验知识是很困难的。
因此，目前需要研究一种新的能够在不同参数条件下准确完成混沌伪随机序列复杂度测度的理论。
文献[15]提出了模糊集合的概念，用数学的方法对现实世界的问题进行了模糊性和不确定性研究。
自此，模糊理论作为一门重要的数学分支得到了深入的研究[16]。
在模糊理论的研究基础之上，Chen 等人[17,18]将模糊理论应用于生理电信号序列复杂度测度之中，提出了使用模糊熵(Fuzzy Entropy ，FuzzyEn)作为医学生理电信号的特征测度标准，取得了很好的测度效果。
针对上述现有混沌伪随机序列复杂度测度的不足和问题，本文将FuzzyEn 引入到混沌伪随机序列复杂度的统计学测度方法之中，研究了基于FuzzyEn 的混沌伪随机序列复杂度测度方法。
2 现有的混沌伪随机序列复杂度测度方法及其存在问题为了便于比较和分析，首先简要介绍现有主要的混沌伪随机序列复杂度测度方法以及这些方法的存在问题。
2.1 基于ApEn 的混沌伪随机序列复杂度测度定义1[11] 对于一个长度为N 的序列样本空间[(1),(2),,()]u u u N "，首先定义m 维向量组(1),x (2),,(),(1)m i N m −+∈x x x R ""，其中()[(),(1),,(1)],11i u i u i u i m i N m =++−≤≤−+x " (1)m 维向量()i x 和()j x 的最大距离1,2,,[(),()]max ((1)(1))k md i j u i k u j k ==+−−+−x x "(2)满足与第i 个m 维向量()i x 的最大距离小于r 的向量数满足的的个数,()=([(),()])/(1)m N i C r d i j r j N m ≤−+x x (3) 根据,()m N i C r ，定义,()m N r Φ 1,1,1()(1)ln ()N m m N m Ni i r N m C r Φ−+−==−+∑ (4)那么ApEn 可以被定义为,1,ApEn(,,)()()m N m N m r N r r ΦΦ+=− (5) 2.2 基于符号熵的混沌伪随机序列复杂度测度定义2[13,14] 给定一个由t 个符号组成的符号集011{,,,}t s s s −"和一个1t +个临界点组成的集合01{,,,}t C C C "，可以用以下分割规则将时间序列123{,,,}u u u "转换为一个符号序列{(1),(2),(3),s s s }"，若1k j k C u C +<≤，则()k s j s ≡。
将所得符号序列{(1),(2),(3),}s s s "分割成为长度为m 的窗口向量。
这些窗口向量可以通过下式来标记和辨别：1(,)()mm p x p m i t s p i −==+∑l (6)其中t 是符号集011{,,,}t s s s −"中不同符号的个数，m 表示窗口向量的长度，i 表示窗口向量沿着符号序列{(1),(2),(3),}s s s "从第i 个符号开始。
为了方便，通过将符号k s 用相应的整数k 来代替，由式(6)可以看出每一个窗口向量都可以方便地用整数集{0,1,2, ,1}m t −"的一个整数唯一地标记和辨别。
用x l P 表示特定窗口向量x l 出现的概率，这个概率可以采用窗口向量x l 在混沌符号序列{(1),(2),(3),}s s s "中出现的次数除以所有窗口向量的总数计算。
包含在符号序列中的信息量可以用式(7)引入的符号熵来定量表示。
1SymbEn(,,)ln x x xl l l m t N P P m =−∑ (7)3 基于模糊熵的混沌伪随机序列复杂度测度3.1 模糊隶属函数构造定义3 令x 为非负整数，设A 是论域X 到[0,1] 上的一个映射，即:[0,1], (), 0A X x A x x →≥6 (8)其中论域{0,1,,21}q X ∈−"为不同度量窗口向量之间距离的集合，q 是混沌伪随机序列中每个值的二进制表达比特数，A 是X 上的正规模糊集，且ker {0}, ()A A x =称为模糊集X 上的隶属函数。
