检索结果-南通市图书馆

作者：刘田田南京财经大学

学位级别：硕士

BP神经网络拓扑结构简单,有较高的诊断精度以及非线性映射能力,是最为普遍应用的前馈神经网络,而且它易于编程实现,是现代智能诊断研究的热门领域。本文以此为基础,提出了一种Chwa & Hakimi模型下基于遗传算法优化的BP神经网络诊断算法... 详细信息

BP神经网络拓扑结构简单,有较高的诊断精度以及非线性映射能力,是最为普遍应用的前馈神经网络,而且它易于编程实现,是现代智能诊断研究的热门领域。本文以此为基础,提出了一种Chwa & Hakimi模型下基于遗传算法优化的BP神经网络诊断算法一-GA-BPFD算法。文中从BP神经网络构建、激活函数、权值和偏置值三个方面进行优化研究。首先,在网络结构设计阶段研究网络层数和节点数的选择规则,并对BP算法激活函数做优化分析,以此提升神经网络的泛化能力。其次,测试报告是由遗传算法进行预处理,得到误差最小的一组神经网络的权值和偏置值;GA优化得到的权值和偏置值作为BP神经网络训练的初始权值和偏置值,并用训练完成的神经网络结合测试报告进行系统级故障诊断。同时对GA的收敛性和整体GA-BPFD算法正确性作相应的证明与分析。最后,在matlab上进行仿真实验,实验结果表明改进后得到的GA-BPFD算法相比BPFD算法,具有较高的诊断正确率与较低的时间复杂度,所构建的网络也表现出良好的泛化能力。

关键词：系统级故障诊断 BP神经网络 BPFD算法 GA GA-BPFD算法泛化能力

基于符号计算求解两类孤立子方程对称群的算法研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于符号计算求解两类孤立子方程对称群的算法研究

作者：孙明明南京财经大学

学位级别：硕士

本文主要研究了基于符号计算求解两类孤立子方程的对称群及其算法。文中分别对微分差分方程和2+1维偏微分方程进行了研究,并总结出求解非线性微分方程完全群的算法步骤。第二章中基于符号计算软件将扩展的完全群直接方法扩展到两个微... 详细信息

本文主要研究了基于符号计算求解两类孤立子方程的对称群及其算法。文中分别对微分差分方程和2+1维偏微分方程进行了研究,并总结出求解非线性微分方程完全群的算法步骤。第二章中基于符号计算软件将扩展的完全群直接方法扩展到两个微分差分方程以求解其对称群。通过分析和计算,得到了众所周知的两个微分差分方程D?-KP方程和Toda方程的完全群。得到了经典李方法无法得到的结果,所得结果中不仅得到了李对称群,同时还得到了离散变换群。最后,将所得结果与经典李方法所得结果相互印证说明了该方法所得结果的正确性。另外,基于所求得这两个方程的完全群和一些简单解构建出它们的通解。第三章中基于符号计算软件和对称群直接方法求解两个复杂的非线性偏微分方程KP-B和BKK方程的完全群。所得结果中不仅得到了李对称群,也得到了其非李对称群。然后,将所得结果与经典李方法所得结果进行验证以证明其正确性。最后,通过所得到的有限对称变换群由方程的两个行波解构造出它们的精确解。本论文成功地将直接方法扩展到对两类微分方程完全群的求解中并求解出两类方程的完全群。同时,总结出了求解微分方程完全群的算法步骤。文中不仅证明了该方法的正确性还构建了更具实用价值的新解。文中所得结果简单易懂对于孤立子理论的研究具有重要意义。此外,文中所总结算法对于其它非线性微分方程的研究具有重要推广价值。

关键词：符号计算符号计算软件孤立子非线性微分方程算法

Chwa & Hakimi模型的智能诊断算法研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

Chwa & Hakimi模型的智能诊断算法研究

作者：左苗南京财经大学

学位级别：硕士

本文主要研究了在Chwa&Hakimi模型下的大型多机系统的高效遗传算法和人工免疫算法。结合Deng等人和Yan等人在PMC模型下的研究方法，首次运用高效遗传算法和人工免疫算法求解Chwa&Haimi模型下的系统级故障诊断问题。高效遗传算法是在原... 详细信息

本文主要研究了在Chwa&Hakimi模型下的大型多机系统的高效遗传算法和人工免疫算法。结合Deng等人和Yan等人在PMC模型下的研究方法，首次运用高效遗传算法和人工免疫算法求解Chwa&Haimi模型下的系统级故障诊断问题。高效遗传算法是在原有遗传算法的基础上，重新构造新的适应度函数来评估最终解的精确性;根据Chwa&Hakimi模型的特点，提出了一种新的生成初始种群的方法，实验证明此方法所生成的个体的正确率大大高于Deng等人所提出的种群初始化方法;然后证明了算法的正确性，详细分析了算法的时间复杂度，实验结果也验证了算法的高效性和可靠性。人工免疫算法与遗传算法相比，不仅具有记忆机制，也可以避免解过早的陷入局部收敛。在运用人工免疫算法解决Chwa&Hakimi模型的过程中，利用分段函数构造新的亲合度，使得此算法考虑到了全部的故障症候，同时与遗传算法相比具有更简单的迭代操作，从而简化了算法的操作过程;然后证明了算法的正确性，详细分析了算法的时间复杂度，实验结果验证了CPU运行时间不差于高效遗传算法。

关键词：系统级故障诊断 Chwa&Hakimi模型高效遗传算法人工免疫算法

关于系统级故障诊断的BAFD算法与EGFD算法

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

关于系统级故障诊断的BAFD算法与EGFD算法

作者：苗春玲南京财经大学

学位级别：硕士

网络系统的广泛应用极大地促进了当代信息社会的发展,但同时,这类系统的规模也在不断扩大,所以确保系统安全、高效地运行变得更加困难。作为维护系统稳定性与安全性的重要手段,系统级故障诊断已成为越来越多学者关注的焦点。本文结合系... 详细信息

网络系统的广泛应用极大地促进了当代信息社会的发展,但同时,这类系统的规模也在不断扩大,所以确保系统安全、高效地运行变得更加困难。作为维护系统稳定性与安全性的重要手段,系统级故障诊断已成为越来越多学者关注的焦点。本文结合系统级故障诊断问题的特点,采取速度映射等措施突破蝙蝠算法自身的局限性,使得改进后的蝙蝠算法能够运用到系统级故障诊断领域,据此,本文提出了针对t-可诊断系统的蝙蝠故障诊断算法。在该算法的初始化阶段,为了避免初始解过于集中或分散,种群被分成大、小两类,并采用不同的处理方式。由于现有的适应度函数很难避免可行解产生冗余的相容症候,进而增加了算法的计算量,为了有效解决这个问题,本文通过分析诊断模型的特点,设计出了具有方程管束的适应度函数。另外,考虑到蝙蝠算法自身容易出现早熟现象,本文在速度更新公式中引入了一个变系数用于均衡算法的搜索与挖掘能力,并通过对蝙蝠速度进行二进制映射,实现了寻址的离散化。仿真实验的结果表明,蝙蝠故障诊断算法在迭代次数、诊断正确率和最优解的适应度等方面明显优于现有的具有代表性的群智能诊断算法。其次,现有的诊断算法多是从“相信大多数”角度考虑的,当故障单元数超过t时,很多算法的诊断能力明显下降。为了改善这一现象,文本结合Liu等人在t-可约束条件下的研究方法,提出故障单元数超过t时的诊断算法--高效贪婪诊断算法。在该算法中,首先给出一个识别故障单元的充分条件,该条件充实了现有的识别绝对故障单元的方法,确保找出更多的绝对故障集团,缩小了后续诊断工作中的系统规模。然后,分别利用集团的分散度和聚集度制定两种贪婪策略。最后,考虑到直接为选取出的集团设置状态会造成误判,所以对集团增加了“检查”策略,有效地降低了诊断错误率,提高了算法的诊断效果。仿真实验的结果表明,当故障单元在整个系统中占大部分时,高效贪婪诊断算法能够对待测系统进行高效诊断。

关键词：系统级故障诊断蝙蝠故障诊断算法高效贪婪诊断算法 t-可诊断系统

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

关于多标签分类的特征选择算法研究

关于多标签分类的特征选择算法研究

作者：马晶莹南京财经大学

学位级别：硕士

分类是数据挖掘技术研究的热点之一。多标签分类是针对越来越多的多标签数据提出来的,并且已广泛应用于基因功能的检测、多媒体内容的自动标注等多个领域。现今多标签分类面临着特征数目过大引起的维度问题,多标签特征选择算法就是为了... 详细信息

分类是数据挖掘技术研究的热点之一。多标签分类是针对越来越多的多标签数据提出来的,并且已广泛应用于基因功能的检测、多媒体内容的自动标注等多个领域。现今多标签分类面临着特征数目过大引起的维度问题,多标签特征选择算法就是为了剔除分类任务中存在的大量冗余和无关特征,达到减少特征数目,提高分类器性能的目的。本文从不同角度设计了两个多标签分类的特征选择算法——FI-ARML算法和Mult-ReliefF算法。首先,根据关联规则能够发现数据中属性之间的关联关系,提出了基于频繁项集的特征选择算法——FI-ARML算法。该算法改进了基于邻域粗糙集的多标签特征选择算法,主要分为四个步骤:第一,构建基于类别标签的频繁k项集;第二,对训练样本按照标签集合进行划分;第三,计算每个子样本的特征子集;第四,合并所有特征子集从而得到最终的特征集合。实验表明,FI-ARML算法能在分类效果相当的情况下,大大提高特征选择的速度,达到缩短时间的目的。然后,针对ReliefF算法局限于单标签数据问题,提出了多标签特征选择算法——Mult-ReliefF算法。该算法重新定义了类内最近邻和类外最近邻的查找方法,能直接适用于多标签数据,并加入标签的贡献值更新特征权重公式。实验表明,Mult-ReliefF算法能提高分类精度,获得更好的特征子集。

关键词：多标签特征选择算法频繁项集 ReliefF算法邻域粗糙集属性约简

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

关于系统级故障诊断的两种高效算法

关于系统级故障诊断的两种高效算法

作者：赵冬南京财经大学

学位级别：硕士

随着网络系统规模的日益扩大,其出现故障的概率也随之增加,系统级故障诊断成为维护网络系统稳定的一种重要手段。由于当前的系统级故障诊断算法无法同时兼顾快速和高精度两个方面,因此有的网络系统诊断侧重快速,有的网络系统诊断侧重高... 详细信息

随着网络系统规模的日益扩大,其出现故障的概率也随之增加,系统级故障诊断成为维护网络系统稳定的一种重要手段。由于当前的系统级故障诊断算法无法同时兼顾快速和高精度两个方面,因此有的网络系统诊断侧重快速,有的网络系统诊断侧重高精度,所以针对网络系统诊断的不同需求,本文设计了两种高效算法。为了能快速地诊断出系统中的故障单元,本文将贝壳漫步优化算法用于解决系统级故障诊断问题,提出一种高效快速的诊断算法——MWOFD(Mussels Wandering Optimization Fault Diagnosis)算法。由于贝壳漫步优化算法无法直接用于解决系统级故障诊断问题,因此本文通过设计个体化编码及初始化的方法,并根据诊断模型所满足的方程约束重新设计了适应度函数,同时设计了新的二进制映射算法,将其运用到系统级故障诊断中。最后将新算法与AD-FAFD算法,FAFD算法和EAFD算法进行实验对比,结果表明:MWOFD算法略微提升诊断精度的同时,有效地降低了迭代次数进而提升诊断效率。为了能精确地诊断出系统中的故障单元,本文设计了一种CS-BPFD(Cuckoo Search-Back Propagation Fault Diagnosis)算法用以解决高精度情况下的系统级故障诊断问题。文章通过引入自适应动态步长因子,对一种新颖的群体智能算法——布谷鸟搜索(CS)算法作了改进,并将其应用于BP神经网络优化,同时改进了BP神经网络的激活函数,进而设计出一种新的诊断算法。最后将新算法与BPFD算法进行实验对比,结果表明:新算法不仅有效地降低了迭代次数和训练时间,而且还进一步提高了诊断精度。

关键词：系统级故障诊断方程模型贝壳漫步算法 MWOFD算法 BP神经网络 BPFD算法布谷鸟搜索算法 CS-BPFD算法

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

面向数据中心网络的故障诊断算法

面向数据中心网络的故障诊断算法

作者：张润驰南京财经大学

学位级别：硕士

如何高效识别数据中心内的故障单元,在当前依然是个挑战,系统级故障诊断正是可以解决该问题的方法之一。针对小型数据中心网络,本文首次将布谷鸟搜索(CS)算法应用于系统级故障诊断,设计出布谷鸟搜索诊断(CSFD)算法。在该算法中,我们构造... 详细信息

如何高效识别数据中心内的故障单元,在当前依然是个挑战,系统级故障诊断正是可以解决该问题的方法之一。针对小型数据中心网络,本文首次将布谷鸟搜索(CS)算法应用于系统级故障诊断,设计出布谷鸟搜索诊断(CSFD)算法。在该算法中,我们构造KMC算法进行初始化;根据诊断模型所满足的方程约束条件选择适应度函数;对现有的二进制映射算法BM进行优化,提出了ABM算法。我们分别对KMC算法、ABM算法、CSFD算法进行了仿真实验。结果表明：KMC算法显著提升了初始个体与最终解的接近程度,ABM算法有效减少了二进制映射的个体位点值变化率,CSFD算法明显比两种现有的代表性群体智能诊断算法具有更高的诊断性能。针对大型数据中心网络,现有的诊断算法以及CSFD算法均效果欠佳。本文根据当前大型数据中心网络的结构特征,提出一种分层式故障诊断(HFD)算法,该算法在保持良好诊断精确度的同时,有效地降低了时间复杂度。在大型数据中心网络的第一层,首先通过对基本单元组的多次最简测试,得到一组测试结果;然后根据这些结果计算出各单元组的故障期望,并用KMC算法将基本单元组划分为“相对故障单元组”与“相对正常单元组”两大类。在第二层,即在相对故障单元组内部,为了更好地进行各单元之间的相互测试与诊断,我们将FAFD算法改进为AD-FAFD算法;该算法降低了测试症候矩阵维数,优化了初始化算法,并通过利用“正-反关联性”提高了迭代效率。

关键词：系统级故障诊断数据中心网络布谷鸟搜索诊断(CSFD)算法 KMC算法 HFD算法正-反关联性 AD-FAFD算法

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

关于PMC模型故障诊断的算法研究

关于PMC模型故障诊断的算法研究

作者：何涛南京财经大学

学位级别：硕士

本文的主要工作是研究在PMC模型下大型多机系统和计算机网络系统的故障诊断算法问题。文中提出了三种新的故障诊断算法。概率性矩阵诊断算法是一个完全基于矩阵与概率计算的算法,即用矩阵表示故障系统中处理单元间的测试结果,通过矩阵... 详细信息

本文的主要工作是研究在PMC模型下大型多机系统和计算机网络系统的故障诊断算法问题。文中提出了三种新的故障诊断算法。概率性矩阵诊断算法是一个完全基于矩阵与概率计算的算法,即用矩阵表示故障系统中处理单元间的测试结果,通过矩阵计算将所有处理单元分割成一个个准集团,再利用概率计算来分析哪些准集团中元素是故障单元的概率小于该算法的约定值(0.001),从而确定无故障准集团,再根据这些无故障准集团,进一步判断其它哪些准集团是无故障准集团,最终得出该系统的所有无故障集团。SIDSD诊断算法是对DSD算法的进一步改进,特别是在如何生成和查找环的方面有其优越性,使用该算法在诊断完成后能够快速输出无故障单元形成的环。二分诊断算法是一种基于方程诊断算法与集团算法的混合型算法,解决了故障单元数目与无故障单元数目较为接近时,方程诊断算法求解复杂而集团诊断算法无法诊断的问题。

关键词：系统级故障诊断概率性矩阵诊断算法 SIDSD诊断算法二分诊断算法方程诊断算法