混合智能計算方法及其應用.pdf

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