共查询到20条相似文献,搜索用时 31 毫秒
1.
2.
基于LM算法的BP神经网络股价预测 总被引:1,自引:0,他引:1
介绍了一种BP神经网络的改进Levenberg-Marquardt(LM)算法原理,用这种方法对上证指数收盘价进行了训练和仿真,并将此改进算法与标准BP算法及其他三种改进算法进行了比较。结果表明,该算法稳定、快捷、预测准确,适合应用于对实时性要求比较高的股票市场。 相似文献
3.
本文提出了一种免疫克隆选择算法与模糊C-均值聚类算法相结合的混合聚类算法。首先用克隆选择算法对模糊聚类中心的个数和聚类中心的选取进行指导,然后进行聚类,是一种有监督学习和无监督学习结合的一种算法,将该算法用于汽轮机的故障诊断中,诊断结果表明,该方法能够正确地诊断出存在的故障,具有实用价值。 相似文献
4.
运输问题是一种典型的组合优化问题。对以往免疫算法作了适当的改进,将其用于运输问题。通过数值实验将改进的免疫算法与遗传算法进行了对比,验证了该算法求解运输问题的有效性。 相似文献
5.
限制性聚类是一种试图将用户监督信息加入到已有聚类算法中的一种分类技术,目前已经被广泛应用于K-means算法和层次聚类算法中.在本文中,提出一种将限制条件加入到谱聚类算法的半监督聚类方法,利用正约束和负约束限制来构造约束矩阵,通过它们来引导聚类过程,并结合最优化技术,达到聚类的目的.数据实验验证了这种方法具有很好的精确度. 相似文献
6.
提出了一种改进的基因表达式编程算法,将这种算法和传统的基因表达式编程算法进行了对比。算法中设计了种群约简和种群更新两个算子,来提高种群多样性进而改进传统GEP算法的性能。实验显示改进的算法优于传统算法。 相似文献
7.
将人工免疫思想引入粒子群算法,设计了一种人工免疫粒子群混合算法。混合算法的基本思想是:将粒子群算法中的粒子同时视为免疫算法中的抗体,粒子的适应度评价也与抗体亲和力的评价一致。将混合算法应用于物流配送中心选址问题,数值结果表明,免疫机制可有效地避免常规粒子群算法易过早收敛的缺陷。 相似文献
8.
为了求解约束优化问题,本文设计了一种基于约束的单纯形算法,并将其与差分算法想混合,实验证明算法能够得到较好的结果。 相似文献
9.
为了克服和改进传统BP算法的不足,发挥神经网络、遗传算法和蚂蚁算法各自的优势,本文提出了一种遗传算法和蚂蚁算法的融合在神经网络中二次训练的方法,并将融合算法应用于神经网络的权值训练中,采用遗传算法生成信息素分布,同时利用蚂蚁算法求精确解,并用神经网络二次训练得到最终结果,优势互补,获得了一种优化性能与时间性能共赢的有效算法。 相似文献
10.
11.
蜂群优化算法在带软时间窗的车辆路径问题中的应用 总被引:1,自引:0,他引:1
本文给出了带软时间窗的车辆路径问题的一种新的算法,蜂群算法.通过计算若干benchmark问题,并将结果与硬时间窗的目前最好解及蚁群算法的相应解作比较与分析,验证了算法的有效性.蜂群算法是刚刚起步的智能优化算法,目前国内外关于蜂群算法的文献较少,研究范围较窄,故本文不仅是拓宽蜂群算法应用范围的有效尝试,同时也给本身求解方法不多的软时间窗车辆路径问题提供了一种新解决方法. 相似文献
12.
13.
本文将模拟退火算法与根的逐步搜索方法相结合,给出了求解非线性方程全部实根近似值的一种算法,在Matlab环境下实现了该算法,通过数值实验证明了该算法的有效性,所求得的根具有较高的精度。 相似文献
14.
胡晓东 《中国科学院研究生院学报》1988,(2)
Zangwill 等人应用点到集映射,对非线性规划(尤其是可微规划)算法进行了统一研究。本文将这种思想方法应用到不可微规划中,定义了一种集到集映射,并依此提出一个算法模型,从而统一了几种不可微规划算法。 相似文献
15.
针对机载双天线InSAR系统实用化测图问题,提出一种将目标定位至数据获取几何的成像算法.该算法可以高效结合自配准处理.相对于将目标定位至零多普勒几何的传统算法,该算法优势在于减少了后续干涉处理过程三维定位的计算量,且成像算法效率与传统算法一致.该算法尤其适用于实用化机载双天线InSAR系统. 相似文献
16.
首先介绍灰度模型的目标定位算法,在该算法基础上提出了一种改进的算法,将主动形状模型的灰度图像中目标定位算法应用到视频图像中,同时针对处理结果进行科学评价。实验结果证明了本文提出算法的可行性和高效性。 相似文献
17.
文章根据WiMax网络的技术特性,设计了一种可用于数字下变频模块中的高阶FIR滤波器。探讨了实现FIR滤波器的两种算法:分布式算法和乘加算法,比较其优劣。根据实际情况,对分布式算法进行了一定的改进。随后对FIR滤波器进行了Matlab建模,最后用FPGA将其实现,并对结果进行仿真。 相似文献
18.
提出了一种用离散模型逼近连续模型进而求解连续域上的优化问题的蚁群优化算法Binary-ACO,并将Bi-nary-ACO与经典BP训练算法进行混合(LMBP和SDBP)应用于多层感知机的训练问题中,并在3个测试数据集上进行对比实验。实验结果证明单一蚁群优化算法作为一种通用的优化算法在前馈神经网络训练问题中的性能无法与经典的BP算法相比较,但是蚁群优化算法和BP经典训练算法结合的混合算法表现性能优良。两种混合算法(Bi-nary-ACO-sdbp和Binary ACO-lmbp)都获得了相当良好的解,特别是Binary ACO-lmbp这种算法不仅比单一的蚁群优化算法的性能上有相当的提高而且也优于经典的BP算法。 相似文献
19.