基于APCENN与RBFNN的人脸识别方法研究

提出了将自适应主分量提取神经网络(APCENN)与径向基神经网络(RBFNN)结合进行人脸识别的方法.由于人脸图像维数高,传统主分量分析方法提取人脸主分量运算复杂、速度慢,应用APCENN通过并行运算直接提取人脸主分量,提高了特征提取速度.再通过RBFNN进行识别分类,实验证明网络训练收敛速度快、识别率高.     

基于改进PSO算法的两阶段损伤识别方法

为解决结构多损伤情况下的位置识别和损伤程度判定问题,提出了一种基于改进粒子群优化算法和贝叶斯理论的两阶段损伤识别方法,该方法采用频率和模态应变能作为损伤定位源数据,分别用基于频率改变和基于应变能耗散率的识别方法进行损伤信息的初步提取,再利用贝叶斯融合理论对损伤位置进行较为精确的判定.然后,利用粒子群优化(PSO)算法对损伤位置和程度进行更为精确的二次识别.考虑到简单PSO算法易陷入局部最优解,提出了3种改进措施,即粒子位置突变、最优记忆粒子微搜索和双收敛措施.数值仿真结果表明:采用贝叶斯融合理论可以有效地识别出可能的损伤单元,在此基础上用改进的PSO算法可以更精确地识别损伤的位置和程度,同时采用3种改进措施的PSO算法的识别精度明显优于其他PSO算法和遗传算法.     

基于个体最优位置的自适应变异扰动粒子群算法

针对粒子群算法在寻优时容易陷入局部最优的不足,提出了一种基于个体最优位置的自适应变异扰动粒子群算法AMDPSO (adaptive mutation disturbance particle swarm optimization).该算法以粒子群算法为基础,加入扰动,当满足自适应条件时,粒子以个体最优位置为依据进行变异操作.将该算法运用于6个测试函数,并与惯性权重粒子群算法、收缩因子粒子群算法以及差分进化算法进行了比较,结果表明:AMDPSO能在寻优过程中让粒子跳出局部最优,保持种群多样性,具有更好的收敛速度和优化性能.      

基于MHPSO优化GRU神经网络的短时交通流预测

为提高短时交通流量预测精度及预测效率,首先提出一种PSO改进算法(MHPSO),把PSO种群结构设置为多层,将种群中上层粒子作为下层粒子的吸引粒子,将吸引粒子对粒子本身的吸引能力考虑在内,修改粒子速度更新方程以增强种群粒子之间的交互能力,从而有效地避免其陷入局部最优,提升算法的寻优速度及精度;然后利用MHPSO对GRU神经网络的参数进行优化;最后利用基于MHPSO优化的GRU神经网络构建短期交通流预测模型.实验结果表明:基于MHPSO优化的GRU神经网络模型在短时交通流预测中具有更高的预测精度,预测效率得到显著提升.     

基于改进粒子群算法的工程项目综合优化

为解决现有粒子群优化算法进化过程中"早熟"的问题,提出了一种改进的粒子群优化算法HSPSO.算法采用多子群分层策略,以提高收敛速度和优化精度.为求解工程项目的综合优化问题,建立了工期-成本-质量的数学优化模型和多目标优化模型.通过实例对标准粒子群优化算法(SPSO)和差分进化(DE)算法进行了比较,并采用HSPSO算法进行多目标优化.最后,用枚举法验证了模型的合理性和算法的有效性.与已有研究相比,HSPSO算法能在种群规模较小(20个粒子)的情况下,快速找到满意的解(平均迭代次数不超过20次).     

蚁群算法在城市交通路径选择中的应用

针对城市交通路径选择问题,引入蚁群算法并将其改进为可同时满足对路程和时间最优的路径搜索算法,设计了相关的搜索规则和流程.在大量试验的基础上,讨论了算法中各种参数对路径搜索算法收敛性(包括收敛速度和准确度)的影响,并获得了一纽最优的经验参数.分析了搜索中产生伪最优解路径的规律,并通过控制收敛速度和加快趋向最优路径对蚁群算法进行了优化.结果显示,所进行的优化能有效抑制伪最优路径的产生,在2个周期内即可完成搜索.     

基于微粒群本质特征的混沌微粒群优化算法

在总结对微粒群优化(PSO)算法本质的主要研究成果的基础上,提出了基于微粒群本质特征的混沌微粒群优化(CPSO)算法.该算法用混沌搜索方法代替随机数产生器在较好的区域搜索最优解.为了提高粒子群的多样性,用由粒子邻域内若干个个体最优位置依其适应值加权平均得到的中心位置代替标准PSO算法的全局历史最优位置.然后,根据粒子个体最优位置与上述中心位置间的距离自适应地调整混沌搜索区域半径.用几个经典测试函数的仿真结果及与其它几种PSO算法的比较结果验证了新算法的有效性.     

基于改进的隐马尔可夫模型交通拥堵识别研究

为准确高效地追踪识别城市区域交通路况信息,提供合理的交通出行策略,针对原始的隐马尔可夫模型(hidden markov model,HMM)初始状态参数难以选择且训练过程极易陷入局部最优解的问题,提出了一种改进的隐马尔可夫模型的交通拥堵态势识别机制,有效地拟合了城市道路相邻交叉口交通拥堵状况.将粒子群优化(particle swarm optimization,PSO)算法引入到隐马尔可夫模型的训练中,结合Baum-Welch算法分别对该模型的状态数等参数进行优化,最后根据Viterbi算法聚类出城市道路交叉口最佳拥堵状态序列.根据采集的真实交通流和GPS数据、车辆延误时间特征数据进行实验,其结果表明,改进的隐马尔可夫模型在道路交通拥堵识别的准确率和稳定性上有明显提升.     

基于PSO的神经网络优化证券投资组合方法研究

针对传统人工神经网络中的BP(back propagation)神经网络自身局限以及其迭代次数多、收敛精度不高和泛化性差等缺点,提出了一种基于粒子群(particle swarm optimizer,PSO)算法的BP神经网络优化证券投资组合方法.在BP神经网络优化方法中,采用PSO算法替代了BP神经网络的梯度下降法,得到最优解,从而对BP神经网络模型进行优化.将该方法应用于证券投资组合的优化中,实验结果证明:该优化方法优于传统的BP神经网络优化方法.     

基于改进PSO算法的磁浮列车PID控制器参数优化

为减小磁浮列车气隙控制中非线性的影响,将粒子群优化(PSO)算法用于磁浮列车控制器参数优化,并在线性递减权重粒子群算法的基础上,提出了一种改进的粒子群优化算法.算法采用了邻域结构、停滞检测以及对全局最佳粒子的微扰,以改善算法的优化速度和收敛性.仿真和实验结果表明,将改进算法获得的优化参数用于磁浮列车的比例积分微分(PID)控制器,比原有PID控制器的输出超调减小45%.     

直升机着船海洋环境效应研究

通过对直升机着船海洋环境效应的深入研究,分析了海洋环境对直升机着船的影响机理,构建了直升机着船海洋环境效应模型,实现了直升机着船辅助决策．     

对依托铁路运输的物流企业发展的研究

依托铁路运输的物流企业是铁路运输在市场竞争条件下的产物，虽然仍属于传统的物流经营．但是其灵活性和良好的经济效益为其向现代化物流方向的发展奠定了良好的基础。     

对山区测量的一点认识

结合北黑公路第七标段工程测量实际,阐述了山区公路测量工作的特殊性,详细介绍了水准高程测设和中线测设的方法。     

马克思主义城镇化思想发展述评

文章阐述了马克思、恩格斯的城镇化思想,分析了以邓小平、江泽民、胡锦涛、习近平为代表的中共四代领导集体充分汲取马克思、恩格斯城镇化思想,从我国实际出发,创立、发展和完善中国特色马克思主义城镇化思想,并以此来指导当代中国新型城镇化的伟大实践。     

高速公路沥青路面病害分析

车辙是在行车荷载重复作用下，路面产生积累永久性的带状沟辙。特别是在夏季多高温、水侵害、轴重、超载影响下，极易出现车辙、泛油。尤其是高速公路路面会出现不同程度的车辙、推移病害，这种路面病害会导致平整度下降，并影响高速行车的舒适性，严重的病害甚至会大大影响行车安全。     

水泥混凝土路面损害处治综述

随着国民经济水平的迅速提高，我国水泥混凝土路面修筑里程逐年增加，但同时路面经常受重交通荷载、环境条件等外部作用影响，损害是不可避免的，养护维修任务越来越重。在进行养护或维修前，必须认清各种病害的机理，进而进行针对性的修补工作。本文就水泥混凝土路面的常见病害，从分类，机理到具体的处治办法进行了阐述。     

电子文件归档工作

电子文件的产生,不仅意味着一种新型载体档案的诞生,而且也标志着人类记录信息、传达信息、留存信息的方式发生了变革.目前,在中山市公共汽车公司,公交智能化已纳入企业的发展规划,办公自动化在财务、报税、人事工资、票务、营运调度、营运统计、库存物资、车辆档案、保养计划、汽车配件销售、稽查等方面广泛应用电脑化管理.随着办公自动化程度的不断提高,必须高度重视并规范电子文件归档管理,保障电子文件和电子档案的安全保管和开发利用,以便更好地为企业的生产管理服务,这也是企业档案管理一个崭新的课题.