混合智能計算方法及其應用.pdf_第1頁
已閱讀1頁,還剩156頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領

文檔簡介

1、該論文主要以機器學習的兩個基本問題——模式識別和函數(shù)逼近為背景,對基于神經(jīng)網(wǎng)絡、模糊邏輯、進化算法、免疫算法、量子算法、基于核的學習機等軟計算方法的若干混合智能計算方法進行了研究,并將這些混合方法應用于圖像處理、目標識別以及系統(tǒng)辨識等具體問題中.主要工作概括如下:1.首先以求解一些NP問題,如TSP問題為例,討論了運行在量子計算機上的量子搜索算法和運行在經(jīng)典計算機上的進化搜索算法之間的本質區(qū)別.接著以背包問題為例,定性分析了通過這兩種搜

2、索算法之間的結合而形成的量子驅動的進化算法(簡稱量子進化算法)的特性.2.提出一種自適應免疫進化算法,并用于圖像的分割.3.將免疫算子的概念結合到量子進化算法中,提出一種免疫量子進化算法.4.基于小波變換和進化神經(jīng)網(wǎng)絡提出一種混合的雷達—維距離像的目標識別方法.該算法能同時優(yōu)化網(wǎng)絡的拓撲結構和連接權值,并且由于其全局搜索能力,可以避免結構的局部最小.5.研究了基于核的學習算法進行目標識別的方法,該方法把無監(jiān)督學習(基于核的主分量分析算法

3、的特征提取)和有監(jiān)督學習(基于近似支撐矢量機的分類)結合起來.核的主分量分析算法可以有效地提取出目標中的非線性特征;而近似支撐矢量機作為一種新型的支撐矢量機,不需要求解二次規(guī)劃問題,只需對一個簡單的線性方程系統(tǒng)求解,可以快速地對目標進行分類.該方法應用于雷達目標一維像的識別時,其正確識別率與標準支撐矢量機相當,但在計算速度上卻有很大的提高,并對噪聲具有較好的抑制作用.6.提出了兩種非線性系統(tǒng)的混合辨識方法.第一種方法方法首先在結構辨識中

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,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論