检索结果-南通市图书馆

HHO-LSSVM算法在匹配地面点云孔洞修补中的应用研究

在线全文

学校读者我要写书评

暂无评论

海洋测绘 2022年第6期42卷 65-69页

作者：张炎刘立龙何广焕梁月吉于松超桂林理工大学测绘地理信息学院广西桂林541006 广西空间信息与测绘重点实验室广西桂林541006 广西建设职业技术学院市政与交通学院广西南宁530007

针对无人机匹配点云经地面点滤波后会存在较多孔洞的问题,提出利用哈里斯鹰算法(harris hawks optimization,HHO)优化最小二乘支持向量机(least squares support vector machine,LSSVM)来进行地面点云孔洞修补。首先利用八叉树结构法对... 详细信息

针对无人机匹配点云经地面点滤波后会存在较多孔洞的问题,提出利用哈里斯鹰算法(harris hawks optimization,HHO)优化最小二乘支持向量机(least squares support vector machine,LSSVM)来进行地面点云孔洞修补。首先利用八叉树结构法对滤波后点云数据进行地面特征点提取,其次采用哈里斯鹰算法对最小二乘支持向量机中的核参数和正则化参数进行优化,并利用组合算法构建匹配地面点云孔洞修补模型。实验结果表明,与单一最小二乘支持向量机相比,组合模型的孔洞修补精度提高了22.3%,其稳定性也得到增强,具备一定的时效性及现实性。

关键词：摄影测量点云孔洞修补八叉树结构最小二乘支持向量机参数优化哈里斯鹰算法

基于HHO-KELM的FBG流量温度复合传感解耦

在线全文

学校读者我要写书评

暂无评论

光学精密工程 2022年第11期30卷 1290-1300页

作者：孙世政刘照伟张辉于竞童何泽银重庆交通大学机电与车辆工程学院重庆400074

针对光纤布拉格光栅(Fiber Bragg Grating,FBG)流量温度复合传感耦合干扰严重的问题,以小型探针式FBG流量温度复合传感器为研究对象,提出了基于哈里斯鹰算法优化核极限学习机(Harris Hawks Optimizer algorithm Optimized Kernel Extrem... 详细信息

针对光纤布拉格光栅(Fiber Bragg Grating,FBG)流量温度复合传感耦合干扰严重的问题,以小型探针式FBG流量温度复合传感器为研究对象,提出了基于哈里斯鹰算法优化核极限学习机(Harris Hawks Optimizer algorithm Optimized Kernel Extreme Learning Machine,HHO-KELM)的解耦算法。首先,设计了以空心圆柱悬臂梁为受力载体的小型探针式FBG流量温度复合传感器,揭示了该传感器波长漂移量与流量温度的映射关系;然后,构建实验系统进行了流量温度复合传感实验,分析了流量温度耦合特征;最后,利用哈里斯鹰算法优化核极限学习机,获取核极限学习机的最优正则化系数和核函数参数组合,建立了HHO-KELM算法流量温度解耦模型,解耦后流量在2~30 m^(3)/h内,流量平均误差为0.038 m^(3)/h,均方误差为1.91×10^(-3)m^(3)/h,温度平均误差为0.027℃,均方误差为1.03×10^(-3)℃。为验证解耦效果,将HHO-KELM算法与BP算法、ELM算法的解耦结果进行对比。实验结果表明:HHO-KELM算法具有较好的解耦精度和解耦效率,能够有效降低流量温度耦合干扰,提高了传感器的测量精度和稳定性,可实现流量温度的实时动态解耦。

关键词：光纤布拉格光栅流量温度复合传感耦合干扰核极限学习机哈里斯鹰算法

智能优化算法在天波超视距雷达定位中的应用研究

同方期刊数据库博看期刊评论

在线全文

学校读者我要写书评

暂无评论

智能优化算法在天波超视距雷达定位中的应用研究

作者：陈深江南大学

学位级别：硕士

天波超视距雷达（Over-the-Horizon Radar,OTHR）通过高频天波在电离层的折射弯曲摆脱了地球曲率对视距的限制,其自上而下的探测模式,可以实现对隐身战机、低空飞行器等的早期预警和连续观测。目前,天波超视距雷达主要是通过多基地联合... 详细信息

天波超视距雷达（Over-the-Horizon Radar,OTHR）通过高频天波在电离层的折射弯曲摆脱了地球曲率对视距的限制,其自上而下的探测模式,可以实现对隐身战机、低空飞行器等的早期预警和连续观测。目前,天波超视距雷达主要是通过多基地联合布站的方式实现对目标的高精度定位,同时该方式也提高了系统的生存能力,这对预防和打击外来侵略目标具有重要的意义。但多基地联合布站的定位方式也导致其定位模型在求解目标位置时非常复杂。基于核函数和极限学习机的网络在解决复杂非线性拟合问题上有较好的效果,适合处理多基地布站天波超视距雷达测量的数据和目标位置之间复杂的非线性特征关系。本文以多基地天波超视距雷达定位为研究对象,针对单层极限学习机和单核极限学习机对多基地天波雷达定位精度差的问题,引入深度极限学习机和多核极限学习机网络,建立到达时间差（Time-Difference of Arrival,TDOA）和方位角（Azimuth,AZ）与被探测目标经纬度之间非线性特征关系来实现对被探测目标的定位,具体研究内容如下:（1）首先,介绍了天波超视距雷达和极限学习机的研究现状,阐述了混合核极限学习机（Hybrid Kernel Extreme Learning Machine,HKELM）和深度极限学习机（Deep Extreme Learning Machine,DELM）基本原理,然后,介绍了基于TDOA-AZ的多基地天波雷达定位数学模型及神经网络定位原理和基于TDOA的多基地天波雷达定位数学模型及神经网络定位原理。（2）在基于TDOA-AZ的两基地天波雷达定位方法中,针对单核的核极限学习机不能很好的学习输入数据特征导致的定位精度不高的问题,建立基于哈里斯鹰算法（Harris Hawk Optimization,HHO）优化极限学习机-自编码的深度极限学习机（DELM）定位模型。该模型使用改进的哈里斯鹰算法优化深度极限学习的隐含层节点数和惩罚系数,优化后的DELM能够对输入的TDOA-AZ信息的隐藏特征更好的学习。仿真实验结果表明,所提DELM定位模型预测目标的位置与目标实际位置相差较小,在各点的拟合程度优于单核的核极限学习机定位模型和标准哈里斯鹰优化的DELM定位模型。（3）在基于TDOA的三基地天波雷达定位方法中,针对单层极限学习机隐含层节点数目难以确定,对权值和偏置优化训练比较费时且精度不高的问题,提出一种麻雀搜索算法（Sparrow Search Algorithm,SSA）优化混合核极限学习机的定位模型。该定位模型通过改进后的麻雀搜索算法寻找混合核极限学习机的权重系数和核参数,寻优后的HKELM有更好的非线性映射能力和鲁棒性,最后使用寻优后的HKELM网络对天波雷达探测到的目标进行定位。结果表明,改进后的麻雀搜索算法优化的HKELM网络在定位精度上优于基本麻雀搜索算法优化的HKELM网络,且优化的HKELM网络在定位精度上优于优化的ELM网络。（4）最后,提出一种深度混合核极限学习机（Deep Hybrid Kernel Extreme Learning Machine,DHKELM）定位模型,该模型继承了混合核极限学习机的非线性映射能力和深度极限学习机的特征学习能力。基于TDOA-AZ的两基地天波雷达定位方法中,建立改进哈里斯鹰算法优化的DHKELM定位模型。基于TDOA的三基地天波雷达定位方法中,建立基于改进麻雀算法优化的DHKELM定位模型。通过实验验证DHKELM定位模型的有效性。

关键词：多基地天波雷达定位深度极限学习机哈里斯鹰算法混合核极限学习机麻雀算法深度混合核极限学习机

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于群智能优化算法的低照度图像增强研究

基于群智能优化算法的低照度图像增强研究

作者：王骆敏江西理工大学

学位级别：硕士

群智能算法是解决优化问题的重要研究技术之一,这类算法主要是通过模拟地球上生物生存、竞争等生活行为特征和自然选择机制而提出的一系列智能优化算法。由于其具有优化能力好、鲁棒性强等优点,因此许多研究者对群智能算法展开了广泛研... 详细信息

群智能算法是解决优化问题的重要研究技术之一,这类算法主要是通过模拟地球上生物生存、竞争等生活行为特征和自然选择机制而提出的一系列智能优化算法。由于其具有优化能力好、鲁棒性强等优点,因此许多研究者对群智能算法展开了广泛研究。本文研究对象是麻雀搜索算法(Sparrow Search Algorithm,SSA)、哈里斯鹰算法(Harris Hawks Optimization,HHO)以及低照度图像增强,其中SSA算法和HHO算法是近年来研究比较热门的群智能算法,都具有一定解决复杂问题的潜力,但与其它群智能算法情况类似,它们也有不足之处,如求解精度不够和容易陷入局部陷阱等。因此,对SSA算法和HHO算法性能的改进依然具有较大的提升空间和研究价值。本文针对SSA算法和HHO算法自身工作原理进行分析,并对其进行不同的改进,分别结合不同的图像增强方法应用于低照度图像增强的实际问题当中,以此来探讨它们的实用性与普适性。主要工作内容如下:(1)针对麻雀搜索算法存在收敛精度不够、易陷入局部陷阱等问题,本文提出一种基于求爱混合策略的麻雀搜索算法(Courtship Hybrid Sparrow Search Algorithm,CHSSA)。首先利用立方体映射(Cubic Mapping,CM)初始化种群,增加麻雀种群的多样性;然后利用求爱学习策略优化追随者麻雀的位置,增强算法的收敛精度和速度;同时为了避免算法陷入局部极值,引入黄金正弦策略来更新发现者位置,使得全局搜索与局部开发能力进一步的得到平衡,并与其余四种算法在10个标准测试函数上进行测试对比,实验数据显示CHSSA算法具有更好的搜索精度和全局寻优能力。最后将CHSSA算法应用到像素差、对比度低的低照度图像上,通过CHSSA与双伽马函数结合,寻找最优参数(最优伽马值),图像增强实验结果表明,与其它对比算法比较CHSSA算法能够更好的处理图像增强中参数优化问题。(2)针对哈里斯鹰算法在种群初始阶段多样性不足,收敛速度不快等问题,本文提出一种基于折射成像反向学习策略的哈里斯鹰算法(Refractive Harris Hawks Optimization,RHHO)。为了丰富种群多样性的同时让哈里斯鹰初始的种群分布更加均匀,引入能够在高维空间均匀分布的佳点集;其次,加入折射成像的反向学习策略,用该策略对每只哈里斯鹰位置进行求解并计算其折射反向解,得到适应度值最优个体,该策略在提高算法收敛精度的同时也有效的帮助算法跳出局部陷阱;最后利用贪婪策略选择最优位置的哈里斯鹰。经过10个标准测试函数仿真实验和部分对比算法的Wilcoxon秩和检验证明了RHHO算法寻优性能的优越性和有效性。并将RHHO算法应用在低照度图像增强上,利用RHHO算法优化图像增强方法(非完全beta函数),获取其最佳参数α和β实现图像自适应增强,通过四组不同程度的低照度图像进行实验,及与七种图像增强算法对比,实验结果证明RHHO算法在对低照度图像增强上能够取得不错的增强效果。

关键词：麻雀搜索算法哈里斯鹰算法双伽马函数非完全beta函数低照度图像增强

粗糙集与智能优化算法在特征选择中的应用研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

粗糙集与智能优化算法在特征选择中的应用研究

作者：孙雅芝青岛科技大学

学位级别：硕士

随着信息时代的到来,各行各业的数据呈爆炸式增长,同时,数据的维度也在不断攀升。高维数据的大量出现给当前的机器学习技术带来了严峻挑战。特征选择作为处理高维数据的有效方法,不仅能够降低学习算法的计算开销,而且还可以提高机器学... 详细信息

随着信息时代的到来,各行各业的数据呈爆炸式增长,同时,数据的维度也在不断攀升。高维数据的大量出现给当前的机器学习技术带来了严峻挑战。特征选择作为处理高维数据的有效方法,不仅能够降低学习算法的计算开销,而且还可以提高机器学习模型的性能。特征选择本质上是一个组合优化问题,因此利用各种智能优化方法来解决特征选择问题已成为当前的研究热点。近年来,作为两种流行的群体智能优化算法,人工蜂群算法和哈里斯鹰算法获得了大量的关注。由于具有控制参数少、计算简单且易于实现等优点,它们已被广泛应用于特征选择中。然而,现有的人工蜂群算法和哈里斯鹰算法还存在搜索精度不高、易陷入局部最优、收敛性能差等问题。此外,由于特征选择中存在着两个相互冲突的目标:所选择的特征数目最小、基于所选特征的分类精度最高,因此,有必要研究如何构建合适的适应度函数来评价特征子集。为了解决上述问题,本文将粗糙集理论与人工蜂群算法以及哈里斯鹰算法结合在一起来开展特征选择的研究。本文的主要研究工作和成果如下:(1)粒度粗糙熵针对现有的信息熵模型所存在的不足,本文提出一种新的信息熵模型——粒度粗糙熵。粒度粗糙熵不仅可以刻画出知识的不完备性,而且还可以有效度量知识的粒度大小。我们证明了粒度粗糙熵的单调性以及其他一些性质。粒度粗糙熵的提出将为后续构建人工蜂群算法和哈里斯鹰算法的适应度函数提供新的解决方案。(2)基于粒度粗糙熵与云模型的改进人工蜂群算法针对传统的人工蜂群算法所面临的搜索精度低、收敛性能差、易陷入局部最优等问题,本文提出一种基于粒度粗糙熵与云模型的改进人工蜂群算法IABC＿GRECM(Improved artificial bee colony algorithm based on granular rough entropy and cloud model)。相对于传统的人工蜂群算法,IABC＿GRECM进行了如下改进:首先,针对人工蜂群算法中适应度函数的构建问题,提出一种基于粒度粗糙熵的适应度函数,通过粒度粗糙熵来计算每个解的适应度;第二,为了提高人工蜂群算法的局部搜索能力,将云模型引入到跟随蜂阶段,并采用一维正态云模型来调整局部搜索范围;第三,在跟随蜂选择策略上,采用一种改进的基于轮盘赌的选择策略,可以避免过早收敛并保证种群多样性。(3)基于改进人工蜂群算法的特征选择算法在(2)中所提出的改进人工蜂群算法IABC＿GRECM的基础上,进一步将该算法应用到特征选择领域中,并由此提出一种基于改进人工蜂群算法的特征选择算法FS＿IABC(Feature selection algorithm based on improved artificial bee colony algorithm)。FS＿IABC利用Sigmoid函数对蜜源位置进行编码,并将特征映射到蜜源上。此外,FS＿IABC利用粒度粗糙熵来构建适应度函数,能够更好地对特征子集进行评价。为了验证FS＿IABC算法的性能,我们在多个UCI数据集上进行了实验。实验结果表明,FS＿IABC的特征选择性能要优于现有的基于智能优化的特征选择方法。(4)基于粒度粗糙熵与引力搜索的改进哈里斯鹰算法针对传统的哈里斯鹰算法所存在的不足,本文提出一种基于粒度粗糙熵与引力搜索的改进哈里斯鹰算法IHHO＿GREGS(Improved harris hawks optimization based on granular rough entropy and gravitational search)。相对于传统的哈里斯鹰算法,IHHO＿GREGS进行了如下改进:首先,针对传统算法寻优精度低的问题,利用粒度粗糙熵来构建适应度函数,并且利用粒度粗糙熵来计算哈里斯鹰个体的惯性质量;第二,采用引力搜索算法中计算加速度的方式以及自适应步长策略对哈里斯鹰的位置进行更新,可以提高哈里斯鹰的全局探索能力和收敛性能;第三,为了在保证种群多样性的同时避免算法陷入局部最优,将自适应权重方法引入到哈里斯鹰的局部开采阶段。(5)基于改进哈里斯鹰算法的特征选择算法在(4)中所提出的改进哈里斯鹰算法IHHO＿GREGS的基础上,进一步将该算法应用到特征选择领域中,并由此提出一种基于改进哈里斯鹰算法的特征选择算法FS＿IHHO(Feature selection algorithm based on improved harris hawks optimization)。FS＿IHHO利用Sigmoid函数对哈里斯鹰个体的状态进行编码,并且利用粒度粗糙熵来评价特征子集的优劣。为了验证FS＿IHHO算法的性能,我们在多个UCI数据集上进行了实验。实验结果表明,FS＿IHHO的特征选择性能要优于传统的哈里斯鹰算法以及其他一些具有代表性的特征选择方法。

关键词：特征选择粒度粗糙熵人工蜂群算法哈里斯鹰算法云模型引力搜索

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

改进的群智能优化算法及其在WSN上的应用

改进的群智能优化算法及其在WSN上的应用

作者：周璇西安电子科技大学

学位级别：硕士

作为元启发算法中的一种,群智能优化算法的产生受启发于自然界中生物群体行为的自优化现象,其所包含的算法种类有:麻雀搜索算法、哈里斯鹰算法、鲸鱼优化算法、粒子群算法、菌群算法等。群智能优化算法结构简单,相对较稳定,并且可以支... 详细信息

作为元启发算法中的一种,群智能优化算法的产生受启发于自然界中生物群体行为的自优化现象,其所包含的算法种类有:麻雀搜索算法、哈里斯鹰算法、鲸鱼优化算法、粒子群算法、菌群算法等。群智能优化算法结构简单,相对较稳定,并且可以支持并行计算,在大型及较为错综复杂的场景中采用较多,正因为这些特点使其成为众多学者关注的焦点。本文中基于麻雀搜索算法和哈里斯鹰算法分别对两种算法提出了改进算法,通过数值实验和仿真结果对比来验证改进算法的优化性能,并将改进后的算法应用于WSN覆盖优化中。主要的研究内容如下:(1)针对原始麻雀搜索算法收敛速度较慢和收敛精度不高以及容易陷入局部最优等缺点,本文提出了改进麻雀搜索算法COSSA,改进算法使用到了混沌反向学习策略和自适应螺旋搜索策略。然后将改进算法在基准测试函数和混沌映射选择测试下进行对比以及通过与其他先进算法的性能进行对比,分别仿真出不同维度下测试函数的雷达图、不同维度均值收敛曲线图、不同测试函数箱式图,最后还采用Friedman检验进行多重比较来验证COSSA算法的优化性能。(2)同其他智能算法一样,哈里斯鹰算法对于复杂问题优化求解也存在一定的问题,主要是种群多样性随着迭代后期降低时,早熟现象容易因陷入局部最优值而出现,从而导致难以达到理想的收敛精度。为了提高全局搜索能力,防止迭代后期种群多样性降低,改进哈里斯鹰算法M-HHO使用到了基于立方映射种群初始化、分布估计算法以及高斯随机游走策略。M-HHO改进策略比较分析中与其他算法进行比较,分别仿真出函数箱式图、收敛曲线图,绘制出Wilcoxon符号秩表、算法的时间成本表来验证M-HHO算法的优化性能。(3)利用改进算法来优化WSN覆盖率,将COSSA和M-HHO两种算法分别应用在WSN覆盖优化上并与其他智能优化算法进行对比,通过在不同区域大小的仿真实验得到的覆盖率曲线变化图来验证两种改进算法的性能。

关键词：麻雀搜索算法混沌反向学习策略自适应螺旋搜索策略哈里斯鹰算法立方映射分布估计算法高斯随机游走 WSN覆盖

基于改进极限学习机模型的盾构掘进引发地表最大沉降预测

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

水文地质工程地质 2023年第5期50卷 124-133页

作者：阮永芬邱龙乔文件闫明郭宇航昆明理工大学建筑工程学院云南昆明650500 中铁二十局集团第五工程有限公司云南昆明650000

城市地铁盾构施工引发的地面过大变形会严重影响周边构筑物的正常使用,甚至引发工程事故。针对传统预测方法中的数据维度过大容易导致精度降低、计算复杂等问题,提出了一种基于主成分分析(principal component analysis,PCA)算法和哈里... 详细信息

城市地铁盾构施工引发的地面过大变形会严重影响周边构筑物的正常使用,甚至引发工程事故。针对传统预测方法中的数据维度过大容易导致精度降低、计算复杂等问题,提出了一种基于主成分分析(principal component analysis,PCA)算法和哈里斯鹰优化(Harris Hawks optimization,HHO)算法的极限学习机(extreme learning machine,ELM)预测模型。在地质、几何及盾构参数中初选14个影响因子,利用PCA算法在14维数组中分离和提取5个主成分变量作为模型的输入,利用HHO优化ELM模型的输入层权值和隐含层阈值参数,得到预测模型的最优解。以昆明轨道交通五号线怡心桥站—广福路站隧道区间监测数据进行仿真验证,并将该模型与BP神经网络、RBF、未优化的ELM模型进行对比分析。结果表明:PCA-HHO-ELM预测模型的均方根误差为0.1435、平均绝对误差为0.0262、决定系数为0.9596,相较于其他模型,该模型具有更优的预测性能;与未优化的ELM模型相比,HHO算法能够提高ELM模型的预测精度和泛化能力。PCA-HHO-ELM模型能可靠预测盾构诱发的地表最大沉降,可为类似变形预测提供一种更为可行的新思路。

关键词：地表最大沉降主成分分析哈里斯鹰算法极限学习机沉降预测

维普期刊数据库博看期刊

基于分层优化策略的一站式保障资源性能指标联合优化方法

在线全文

学校读者我要写书评

暂无评论

中国舰船研究 2023年第5期18卷 92-103页

作者：朱兴动赵洋范加利黄葵海军航空大学山东烟台264001 海军航空大学青岛校区山东青岛266041

[目的]为提高舰载机保障效率,开展一站式保障模式下航空保障资源性能指标的优化设计研究。[方法]建立以最小化保障时间为目标的舰载机甲板作业调度模型,将航母舰面航空保障资源性能指标视为满足区间约束的自变量,构建双层优化模型;基于... 详细信息

[目的]为提高舰载机保障效率,开展一站式保障模式下航空保障资源性能指标的优化设计研究。[方法]建立以最小化保障时间为目标的舰载机甲板作业调度模型,将航母舰面航空保障资源性能指标视为满足区间约束的自变量,构建双层优化模型;基于分层优化策略,采用哈里斯鹰优化算法求解性能指标问题,设计改进的引力搜索算法(GSA)求解甲板作业调度问题。[结果]通过多种典型任务场景的算例仿真,得到了不同出动模式下的最优资源配置方案与保障作业调度方案,验证了求解算法的有效性。[结论]利用所提出的方法可以有效求解一站式保障资源性能指标与保障作业调度的联合优化问题,为一站式保障资源的配置优化提供了一定的理论支撑。

关键词：舰载机甲板作业调度一站式保障性能指标分层优化哈里斯鹰算法引力搜索算法

同方期刊数据库博看期刊评论

在线全文

学校读者我要写书评

暂无评论

基于IHHO算法的室内可见光灯源布局优化

吉林化工学院学报 2023年第7期40卷 42-47页

作者：李月月张慧颖卢宇希吉林化工学院信息与控制工程学院吉林吉林132022

针对室内可见光通信存在接收功率不平坦、光照度不均匀等问题,提出了一种改进哈里斯鹰优化算法(IHHO)对室内传统四灯源布局的灯源位置信息进行优化。经Matlab R2018b仿真表明,IHHO算法优化的灯源布局功率分布上更均匀,功率方差为0.359 d... 详细信息

针对室内可见光通信存在接收功率不平坦、光照度不均匀等问题,提出了一种改进哈里斯鹰优化算法(IHHO)对室内传统四灯源布局的灯源位置信息进行优化。经Matlab R2018b仿真表明,IHHO算法优化的灯源布局功率分布上更均匀,功率方差为0.359 dBm,照度范围为368.32~665.18 lx,照度均匀度为72.25%,均优于原始灯源布局、PSO算法以及HHO算法优化的灯源布局,所以IHHO算法的灯源布局优化方法对室内可见光通信有明显的改善效果。

关键词：哈里斯鹰算法自适应权重可见光通信灯源布局 MATLAB