重庆市教委科研基金(KJ100805)
- 作品数：6 被引量：6H指数：2
- 相关作者：王华秋罗江刘轲姜群更多>>
- 相关机构：重庆理工大学慕尼黑工业大学更多>>
- 发文基金：重庆市教委科研基金教育部人文社会科学研究基金重庆市科技攻关计划更多>>
- 相关领域：自动化与计算机技术更多>>
- 一种多种群广义遗传CMAC的软测量模型
- 2011年
- 对CMAC的惯性系数和学习率进行了优化,提出了基于广义遗传优化的小脑模型神经网络(CMAC)算法,提高CMAC的计算速度和精度以满足复杂动态环境下的非线性实时控制的需要。结合溶出预脱硅系统工艺优化的需求,提出了基于广义遗传优化的CMAC的溶出赤泥A/S比系统软模型,用于准确实时地预测溶出赤泥A/S比。试验说明了该模型在对化工软计算的预测精度和快速性上具有明显的优越性,在某氧化铝厂工艺优化系统中的应用,提高了溶出的生产效率和指标。
- 王华秋姜群
- 关键词：软测量模型小脑模型神经网络
- 一种改进的和声搜索模糊聚类算法被引量：2
- 2012年
- 针对模糊聚类算法对初值和聚类中心较为敏感的问题,采用和声搜索算法寻找最优聚类中心,并且改进了和声搜索算法的调音概率和随机带宽,从而加速了算法收敛。使用维度加权的方法进行特征选择,提高了聚类的性能,通过定义聚类质量评价函数提高了模糊聚类质量。采用标准数据验证了算法。结果表明,提出的聚类算法性能优于其他同类算法。
- 王华秋罗江
- 关键词：和声搜索聚类
- 一种变步长CMAC的沉降NARMAX模型
- 2011年
- 为了提高氧化铝生产质量和降低能耗,分析了氧化铝沉降工艺中影响沉降过程的各种因素,采用小脑模型神经网络(CMAC)系统辨识的方法建立沉降系统的带外部输入的自回归滑移模型(ARMAX)。针对CMAC收敛性存在的问题,提出了基于变步长小脑模型神经网络(CMAC)算法,通过双曲正割函数优化学习步长,提高了小脑模型神经网络算法的收敛速度和计算精度,进而优化了沉降槽密度ARMAX模型。仿真实验表明,该算法的ARMAX模型可以对沉降过程中的槽内密度进行准确识别,指导氧化铝的沉降生产操作。
- 王华秋
- 关键词：沉降系统辨识
- 改进CMAC在森林火焰识别中的应用被引量：4
- 2011年
- 由于传统火情识别存在的缺陷,提出一种基于双曲正割函数的变步长最小均方(LMS)算法的小脑模型神经网络(CMAC)森林火焰识别系统。通过分析火焰初期的一些静态和动态特性,对森林火焰进行初步识别。并在利用最优阈值搜寻法对图像进行分割处理的基础上,提取出相应的特征向量,作为改进CMAC的输入,利用神经网络进行森林火焰检测与识别。实验仿真表明,能对火焰进行准确、有效的判别。
- 王华秋刘轲
- 关键词：变步长最小均方算法
- 特征选择的和声模糊聚类研究与应用
- 2013年
- 采取了3种必要的措施提高了聚类质量:考虑到各维数据特征属性对聚类效果影响不同,采用了基于统计方法的维度加权的方法进行特征选择;对于和声搜索算法的调音概率进行了改进,将改进的和声搜索算法和模糊聚类相结合用于快速寻找最优的聚类中心;循环测试各种中心数情况下的聚类质量以获得最佳的类中心数。该算法被应用于并行计算性能分析中,用于识别并行程序运行时各处理器运行性能瓶颈的类别。实验结果表明该算法较其他算法更优,这样的性能分析方法可以提高并行程序的运行效率。
- 王华秋罗江Michael GERNDTVentsislav PETKOV
- 关键词：和声搜索模糊聚类
- 和声搜索的半监督聚类研究与应用
- 2012年
- 由于现有的聚类算法还存在一些问题,研究了如何用和声搜索算法快速寻找最优的聚类中心,对于和声搜索算法也进行了一些改进。为了获得最佳的类中心数,采用了半监督方式循环测试各种中心数情况下的聚类质量。考虑到各维特征属性对聚类效果影响不同,采用了维度加权的方法进行特征选择。所有这些措施都是为了达到一个更好的聚类效果。实验结果表明,该聚类算法性能优于其它同类算法。算法被应用于并行计算性能分析中,用于区分和识别并行机的各个处理器运行性能类别。
- 王华秋
- 关键词：和声搜索聚类
