混沌粒子群優(yōu)化算法理論及應用研究.pdf

1、重慶大學博士學位論文混沌粒子群優(yōu)化算法理論及應用研究姓名：唐賢倫申請學位級別：博士專業(yè)：控制理論與控制工程指導教師：曹長修20070420重慶大學博士學位論文冗余連接甚至會影響神經(jīng)網(wǎng)絡性能的問題，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)化算法同時優(yōu)化前向神經(jīng)網(wǎng)絡結構和參數(shù)的新方法，該算法在使用混沌粒子群優(yōu)化算法訓練神經(jīng)網(wǎng)絡權值的同時，使用離散粒子群優(yōu)化算法刪除其冗余連接，實現(xiàn)連接結構的優(yōu)化。并將該算法優(yōu)化的神經(jīng)網(wǎng)絡應用在旋轉機

2、械故障診斷和高爐鐵水溫度預報中，結果表明，這種方法不僅能夠有效地優(yōu)化神經(jīng)網(wǎng)絡的結構，而且還能提高訓練效率。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)絡的應用。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)絡的聚類算法(Pso／soM)，使用CPSO對SOM網(wǎng)絡進行訓練來代替SOM的啟發(fā)式訓練方法，同時引進核函數(shù)，以加強PSO／SOM算法的非線性聚類能力。對Wine等數(shù)據(jù)集的實例研究表明，PSO／SOM算法相比基本SO

3、M算法，能有效提高網(wǎng)絡映射的準確程度，同時也降低了錯聚率，提高了聚類識別的質(zhì)量，實驗結果表明該算法是一種有效的聚類算法。(5)針對當前的入侵檢測系統(tǒng)對新攻擊類型檢測效率較低、系統(tǒng)誤報率較高的問題，本文將粒子群優(yōu)化算法的應用擴展到網(wǎng)絡安全領域，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)并應用于入侵檢測中。最后采用KDDCUP99數(shù)據(jù)集進行了實驗，結果表明該方法具有簡單高效、檢測速