2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩113頁未讀 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡介

1、重慶大學(xué)博士學(xué)位論文混沌粒子群優(yōu)化算法理論及應(yīng)用研究姓名:唐賢倫申請(qǐng)學(xué)位級(jí)別:博士專業(yè):控制理論與控制工程指導(dǎo)教師:曹長修20070420重慶大學(xué)博士學(xué)位論文冗余連接甚至?xí)绊懮窠?jīng)網(wǎng)絡(luò)性能的問題,本文提出了綜合利用混沌粒子群優(yōu)化算法和離散粒子群優(yōu)化算法同時(shí)優(yōu)化前向神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)和參數(shù)的新方法,該算法在使用混沌粒子群優(yōu)化算法訓(xùn)練神經(jīng)網(wǎng)絡(luò)權(quán)值的同時(shí),使用離散粒子群優(yōu)化算法刪除其冗余連接,實(shí)現(xiàn)連接結(jié)構(gòu)的優(yōu)化。并將該算法優(yōu)化的神經(jīng)網(wǎng)絡(luò)應(yīng)用在旋轉(zhuǎn)機(jī)

2、械故障診斷和高爐鐵水溫度預(yù)報(bào)中,結(jié)果表明,這種方法不僅能夠有效地優(yōu)化神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu),而且還能提高訓(xùn)練效率。利用粒子群優(yōu)化算法的優(yōu)化性能,繼續(xù)拓寬其在神經(jīng)網(wǎng)絡(luò)的應(yīng)用。提出了一種基于混沌粒子群優(yōu)化算法和自組織特征映射(SOM)網(wǎng)絡(luò)的聚類算法(Pso/soM),使用CPSO對(duì)SOM網(wǎng)絡(luò)進(jìn)行訓(xùn)練來代替SOM的啟發(fā)式訓(xùn)練方法,同時(shí)引進(jìn)核函數(shù),以加強(qiáng)PSO/SOM算法的非線性聚類能力。對(duì)Wine等數(shù)據(jù)集的實(shí)例研究表明,PSO/SOM算法相比基本SO

3、M算法,能有效提高網(wǎng)絡(luò)映射的準(zhǔn)確程度,同時(shí)也降低了錯(cuò)聚率,提高了聚類識(shí)別的質(zhì)量,實(shí)驗(yàn)結(jié)果表明該算法是一種有效的聚類算法。(5)針對(duì)當(dāng)前的入侵檢測系統(tǒng)對(duì)新攻擊類型檢測效率較低、系統(tǒng)誤報(bào)率較高的問題,本文將粒子群優(yōu)化算法的應(yīng)用擴(kuò)展到網(wǎng)絡(luò)安全領(lǐng)域,由于SOM聚類方法不適合大規(guī)模數(shù)據(jù),提出了基于粒子群優(yōu)化和模糊c均值的無監(jiān)督聚類方法(PSO—FcM)并應(yīng)用于入侵檢測中。最后采用KDDCUP99數(shù)據(jù)集進(jìn)行了實(shí)驗(yàn),結(jié)果表明該方法具有簡單高效、檢測速

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

評(píng)論

0/150

提交評(píng)論