检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

基于混沌杜鹃搜索算法的高光谱影像波段选择

微电子学与计算机 2018年第4期35卷 124-129页

作者：胡梦林万幼川王明威高贤君高雄武汉大学遥感信息工程学院湖北武汉430079 长江大学地球科学学院湖北武汉430100 中国冶金地质总局地球物理勘察院河北保定071051

针对高光谱遥感影像的波段降维问题,结合杜鹃搜索算法良好的全局寻优能力和混沌映射局部寻优能力强的特点,提出一种基于混沌杜鹃搜索算法的高光谱影像波段选择方法,并对HYDICE影像进行仿真实验.同时进行该算法与遗传算法、粒子群算法和... 详细信息

针对高光谱遥感影像的波段降维问题,结合杜鹃搜索算法良好的全局寻优能力和混沌映射局部寻优能力强的特点,提出一种基于混沌杜鹃搜索算法的高光谱影像波段选择方法,并对HYDICE影像进行仿真实验.同时进行该算法与遗传算法、粒子群算法和基本杜鹃搜索算法的对比实验,实验结果表明该算法搜索能力更强,最终所选波段子集的分类精度更高.

关键词：高光谱影像波段选择杜鹃搜索算法混沌映射

在线全文

学校读者我要写书评

暂无评论

一种基于杜鹃搜索算法的聚类分析方法

微电子学与计算机 2015年第5期32卷 104-110页

作者：叶志伟尹宇洁王明威赵伟湖北工业大学计算机学院湖北武汉430068

受初始类中心的影响K-Means算法聚类结果容易陷入局部最优.基于遗传算法(Genetic Algorithm,GA)和粒子群优化算法(particle swarm optimization algorithm,PSO)的改进K-Means一定程度上改善了基本K-Means的性能,然而GA和PSO本身也容易陷入局部最优解.针对上述问题,提出一种新的聚类方法—基于杜鹃搜索算法(Cuckoo search algorithm,CS)的K-Means聚类方法,并将此算法与现有的基于GA的K-Means和基于PSO的KMeans进行比较.实验结果表明:该方法能有效地改善基本K-Means算法易陷入局部极值的缺点,而且全局寻优能力优于基于GA的K-Means和基于PSO的K-Means,是一种性能鲁棒的聚类方法.

关键词：聚类分析 K-Means 杜鹃搜索算法

在线全文

学校读者我要写书评

暂无评论

基于混合杜鹃搜索算法的图像二维熵阈值方法

计算机仿真 2015年第10期32卷 287-291页

作者：叶志伟王明威靳华中赵伟湖北工业大学计算机学院湖北武汉430068

二维最大熵阈值法利用了图像的空间位置信息具有较好的分割结果,然而大量运算降低了它的效率。提出一种混合杜鹃搜索算法和局部搜索的二维最大熵阈值分割方法。仿真结果表明与基于遗传算法、粒子群算法、差分进化算法优化的二维最大熵... 详细信息

二维最大熵阈值法利用了图像的空间位置信息具有较好的分割结果,然而大量运算降低了它的效率。提出一种混合杜鹃搜索算法和局部搜索的二维最大熵阈值分割方法。仿真结果表明与基于遗传算法、粒子群算法、差分进化算法优化的二维最大熵阈值方法相比,提出的方法可以快速的获得图像二维最优分割阈值并且能够避免局部最优阈值的情况,显著的降低了基本二维最大熵阈值的执行时间,是一种快速且性能鲁棒的图像阈值分割方法,能够满足图像分割的实时性要求。

关键词：杜鹃搜索算法粒子群优化算法二维最大熵图像分割

在线全文

学校读者我要写书评

暂无评论

一种基于杜鹃搜索算法的图像自适应增强方法

测绘科学技术学报 2016年第1期33卷 38-42页

作者：叶志伟赵伟王明威马烈湖北工业大学计算机学院湖北武汉430068

图像增强是图像处理中关键步骤,基于归一化的非完全Beta函数变换的图像增强具有理想的增强效果。然而合理选取归一化的非完全Beta函数的参数是算法的关键和难点,常需要人工干预或是计算非常耗时。杜鹃搜索算法是一种新型的仿生智能算法... 详细信息

图像增强是图像处理中关键步骤,基于归一化的非完全Beta函数变换的图像增强具有理想的增强效果。然而合理选取归一化的非完全Beta函数的参数是算法的关键和难点,常需要人工干预或是计算非常耗时。杜鹃搜索算法是一种新型的仿生智能算法,具有自适应、自组织等智能特性,具有强大的寻找优化解的能力。这里将杜鹃搜索算法用于归一化的非完全Beta函数参数的自适应选取,实现了基于杜鹃搜索算法的归一化的非完全Beta函数图像增强方法,实际图像增强实验结果表明了该方法的有效性和可行性。

关键词：杜鹃搜索算法图像处理图像增强最优参数选取对比度变换

基于改进的杜鹃搜索算法优化支持向量机的10kV并联电容器组故障诊断和预警研究

在线全文

学校读者我要写书评

暂无评论

自动化技术与应用 2019年第4期38卷 24-28页

作者：谢天宝鲁云鹏张颖茵广东电网有限责任公司佛山供电局广东佛山528000

为提高电力电容器组故障诊断的精度,针对支持向量机(Support Vector Machine,SVM)预测结果易受惩罚因子c和核函数参数g参数选择的影响,为避免杜鹃搜索算法陷入局部最优,将自适应步长和最优解高斯变异引入杜鹃搜索算法,提出一种改进的杜... 详细信息

为提高电力电容器组故障诊断的精度,针对支持向量机(Support Vector Machine,SVM)预测结果易受惩罚因子c和核函数参数g参数选择的影响,为避免杜鹃搜索算法陷入局部最优,将自适应步长和最优解高斯变异引入杜鹃搜索算法,提出一种改进的杜鹃搜索算法优化支持向量机的10kV并联电容器组故障诊断和识别模型,实现10kV并联电容器组故障的高精度诊断和识别。实验结果表明,与GA_SVM、PSO_SVM和CSA_SVM相比,提出的算法ICSA_SVM可以有效提高电容器组故障诊断的准确率,具有收敛速度快的优点,为电容器组的诊断和识别提供新的方法和途径。

关键词：杜鹃搜索算法支持向量机高斯变异粒子群算法遗传算法

融合杜鹃搜索的灰狼优化算法在网络入侵检测特征选择中的应用

在线全文

学校读者我要写书评

暂无评论

工程科学与技术 2018年第5期50卷 160-166页

作者：徐慧付迎春刘翔方策苏军湖北工业大学计算机学院湖北武汉430068

针对当前网络入侵检测技术由于特征冗余引起的检测效率低和准确率低等问题,将一种融合杜鹃搜索的灰狼优化算法应用于网络入侵检测的特征选择中,旨在减少特征冗余,进而提高网络入侵检测的性能。首先,在每次迭代过程中采用杜鹃搜索算法中... 详细信息

针对当前网络入侵检测技术由于特征冗余引起的检测效率低和准确率低等问题,将一种融合杜鹃搜索的灰狼优化算法应用于网络入侵检测的特征选择中,旨在减少特征冗余,进而提高网络入侵检测的性能。首先,在每次迭代过程中采用杜鹃搜索算法中的莱维飞行机制对适应度值最好的3只灰狼的位置进行扰动,避免在搜索最优解的过程中陷入局部最优。然后,采用灰狼优化算法的更新机制来更新灰狼的位置信息,使狼群朝着猎物的方向聚集。最后,根据预先设定的概率值对狼群的位置进行随机更新,迫使狼群在不断逼近猎物的过程中,能随机地跳出局部最优,从而提高灰狼优化算法在网络入侵检测特征选择中的全局搜索能力。使用网络入侵检测NSL-KDD测试集进行验证实验,并与灰狼优化算法、杜鹃优化算法以及传统的信息增益算法从特征选择的角度进行对比,结果表明,将融合杜鹃搜索的灰狼优化算法应用于网络入侵检测的特征选择时,分类准确率及特征子集的选择都取得较好的效果。融合杜鹃搜索的灰狼优化算法在全局搜索能力方面有较为显著的提升,将其应用于特征选择中,可以有效地提高网络入侵检测的性能。

关键词：网络入侵检测特征选择灰狼优化算法杜鹃搜索算法

融合杜鹃搜索的粒子群算法的P2P流量识别方法研究

在线全文

学校读者我要写书评

暂无评论

融合杜鹃搜索的粒子群算法的P2P流量识别方法研究

作者：李沁沄湖北工业大学

学位级别：硕士

随着互联网的发展，对等网络技术（Peer-to-Peer,简称P2P）得到了广泛使用，已经占据互联网业务总量50%以上。一方面给人们工作生活带来便利，另一方面P2P也带来网络拥塞，信息安全等难题。所以有必要对P2P流量进行管理和控制,因此实现... 详细信息

随着互联网的发展，对等网络技术（Peer-to-Peer,简称P2P）得到了广泛使用，已经占据互联网业务总量50%以上。一方面给人们工作生活带来便利，另一方面P2P也带来网络拥塞，信息安全等难题。所以有必要对P2P流量进行管理和控制,因此实现对P2P流量识别的问题变成了关键。 P2P流量识别本质上是模式识别问题，其识别的准确性很大程度上取决于选择的流量特征和构建的分类器方法，本文主要围绕杜鹃搜索和粒子群算法在P2P流量特征选择和最优P2P分类器构建中的应用展开了深入研究，主要工作如下。 (1)融合杜鹃搜索的粒子群算法的P2P流量特征选择。在P2P流量识别问题中，通常单一特征识别率低，因此在实际工作中需要引入多种特征来提高流量识别率。虽然采用支持向量机（Support Vector machine，SVM）分类器能够克服维数灾难问题，但是过多的特征还是无法避免这个问题，而且会增加流量特征采样的工作量，导致识别算法识别效率下降，难以满足识别实时性的问题。因此，可以这里引入融合杜鹃搜索的粒子群算法的特征选择新方法，在众多特征集合中选择出具有最佳分类性能的特征子集，以提高识别算法识别精度和计算效率。 (2)基于融合杜鹃搜索的粒子群算法的P2P流量识别方法。SVM能够很好的解决传统的机器学习面临的过学习、欠学习，陷入局部最优解和维数灾难等问题，因此，本文应用SVM进行P2P流量识别。然而SVM的惩罚参数和核函数以及核函数的参数在极大程度上影响了SVM的性能。实际操作中没有公认的参数调节方法，常用的参数调节方法要么计算费时如网格搜索，或者易陷入局部最优，如基于遗传算法的SVM参数优化。因此，本文采用融合杜鹃搜索的粒子群算法对支持向量机参数进行优化。最后，对于本文所提出的特征选择和SVM参数优化方法，在机器学习UCI数据库和真实校园P2P数据上进行了测试，并和已有遗传算法，粒子群算法，杜鹃搜索算法等进行了实验对比。结果表明本文提出的融合杜鹃搜索的粒子群算法的特征选择算法能够获得优秀的特征子集，经过本文算法优化后的SVM也具有更好的识别性能。

关键词： P2P 流量识别特征选择杜鹃搜索算法粒子群算法支持向量机

融合杜鹃搜索的灰狼优化算法及其在入侵检测中的应用

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

融合杜鹃搜索的灰狼优化算法及其在入侵检测中的应用

作者：刘翔湖北工业大学

学位级别：硕士

随着网络技术的日益发展,网络安全形势日趋严峻,网络安全技术越来越受到人们的重视。入侵检测技术作为网络安全中的重要组成部分,对其性能的优化一直是研究的热点问题。本文针对入侵检测数据存在较多冗余特征的特点,以提升入侵检测效率... 详细信息

随着网络技术的日益发展,网络安全形势日趋严峻,网络安全技术越来越受到人们的重视。入侵检测技术作为网络安全中的重要组成部分,对其性能的优化一直是研究的热点问题。本文针对入侵检测数据存在较多冗余特征的特点,以提升入侵检测效率为目标,围绕特征选择方法和数据集特征与分类器参数同步优化方法进行深入研究,主要研究内容如下:⑴提出一种融合杜鹃搜索的灰狼优化(CS-GWO)算法。在应用于维数较高的数据集时,灰狼优化算法容易陷入局部最优。本文以增强灰狼优化算法跳出局部最优的能力为目标,提出一种结合杜鹃搜索的有较好全局寻优能力的CS-GWO算法。⑵基于CS-GWO算法的入侵检测特征选择。入侵检测数据集的特征数量较多,若使用全部特征训练分类模型,不仅容易引发维数灾难问题,而且检测正确率往往较低,检测开销较大,效率不高。将提出的CS-GWO算法应用于入侵检测的特征选择过程,通过从原始的特征集中选择出较优的特征子集,来提升入侵检测的准确率,减少入侵检测过程中的计算开销。⑶基于CS-GWO算法的支持向量机(Support Vector Machine,SVM)参数与数据集特征同步优化方法。入侵检测从本质上来说是一个分类问题,不仅数据集的特征子集的选取对分类结果有着较大的影响,而且SVM分类器的惩罚参数、核函数的选择以及核函数参数均与分类结果有着密切的联系。将提出的CS-GWO算法应用于入侵检测的同步优化过程,对数据集的特征选择过程和对分类器的参数优化过程合并,同时进行优化,以提高SVM分类器的性能以及入侵检测的效率。最后,对于本文所提出的特征选择和同步优化方法,使用UCI数据集和NSL-KDD数据集进行实验验证,并和已有的粒子群算法、灰狼优化算法以及杜鹃搜索算法进行对比。实验结果表明,提出的CS-GWO算法在特征选择以及同步优化方面具有较好的优化效果。

关键词：灰狼优化算法杜鹃搜索算法入侵检测特征选择同步优化

基于改进SPCNN模型的机场跑道胶痕检测方法

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

计算机应用研究 2022年第2期39卷 609-612,622页

作者：刘晓琳吴佳敏中国民航大学电子信息与自动化学院天津300300

针对机场跑道胶痕形态特征多样性和跑道环境复杂性导致胶痕检测效率低下的问题,提出了基于改进简化脉冲耦合神经网络模型的机场跑道胶痕图像分割算法。首先在利用邻域灰度关系优化反馈输入的基础上,将神经元点火阈值机制从传统的指数衰... 详细信息

针对机场跑道胶痕形态特征多样性和跑道环境复杂性导致胶痕检测效率低下的问题,提出了基于改进简化脉冲耦合神经网络模型的机场跑道胶痕图像分割算法。首先在利用邻域灰度关系优化反馈输入的基础上,将神经元点火阈值机制从传统的指数衰减改进为线性分层步长衰减。然后引入杜鹃搜索算法,结合最小交叉熵对改进模型进行参数寻优。最后根据点火映射区域的平均灰度值构建自适应迭代终止条件。实验结果表明,该算法具有更高的胶痕检测精度,且在光照条件较差和标志线影响的情况下具有更好的抗干扰性。

关键词：图像分割机场跑道胶痕脉冲耦合神经网络杜鹃搜索算法