基于粒子群优化的聚类入侵检测算法

为了在入侵检测中有效地克服传统的K均值算法易陷入局部极小值的缺点,使算法具有较好的全局收敛性,将粒子群优化算法应用于入侵检测,给出了基于粒子群优化的K均值聚类算法．通过理论分析及实验,验证了基于粒子群优化K均值聚类算法的有效性．对KDD CUP99数据集仿真,实验结果表明,该算法在入侵检测中能获得理想的检测率和误检率．     

云模型的舰船维修成本建模与预测

通过对舰船维修成本的准确建模和预测,降低维修成本,提高舰船维修质量,保证舰船良好工况,提出一种基于K均值指标聚类划分和粒子群优化的云模型下舰船维修成本建模和预测方法。以舰船维修的材料开销、人工开销、舰船寿命周期折损以及配件成本等参数为约束指标,采用K均值聚类算法进行维修成本指标系数聚类划分,将成本最优问题转化为聚类中心最短问题,并以此为优化目标函数,采用粒子寻优算法进行最优解求解,通过线性插值方法进行拟合计算避免解向量陷入局部最优,实现云模型的舰船维修成本预测。仿真结果表明,采用该方法进行舰船维修成本预测的准确性较高,维修效率和质量得到提高。     

粒子群的K均值聚类算法实现海上目标识别

首先阐述粒子群优化算法,根据海上目标识别难度大、内容复杂的特点,利用聚类算法不断的迭代,获取粒子在种群中的最优位置;然后利用K均值聚类求出每个粒子与其对应类的最短距离,从而实现目标识别,这种算法可以有效避免局部最优解的情况;最后进行对比实验说明,本文算法收敛速度快,实时性强,聚类效果好。     

优化的蚁群算法和船舶电网系统云数据聚类和实现

首先分析蚁群聚类算法,并指出其存在的问题;然后给出传统的蚁群聚类算法在船舶电网云数据聚类的实现流程,针对算法中存在的问题,提出利用惯性因子、随机初始化等方式改进和优化算法对船舶电网故障进行诊断;最后通过实验进行说明,优化后的蚁群聚类算法与K-mean算法、粒子群K-mean算法相比具有较好的收敛性。     

多信息融合技术在船舶柴油机故障诊断中的应用

柴油机工作过程中的各种参数含有大量的信息,通过数据挖掘将这些参数的内在信息挖掘出来,解决以往在柴油机故障诊断上出现的诊断不准确和耗时长等问题。采用K均值聚类分析(k-means)将数据聚类,并设计BP(Back Propagation)神经网络,对柴油机的运行状态进行诊断。在此基础上,利用PCA(Principal Component Analysis)对上述算法进行优化,用PCA对原始数据简化,再进行k-means聚类,最后将聚类后的数据特征量作为BP神经网络的输入,建立柴油机的故障诊断模型。通过对两种诊断算法的结果进行分析和比较,表明优化后的算法能够更有效地提取数据特征,提高了诊断准确度,同时也减少了诊断时间。     

基于改进模拟退火算法的船舶物流配送中心选址研究

未改进模拟退火算法收敛速度难以控制,导致应用算法选址后物流总成本较高,选址方法的实用价值低。针对以上问题,研究改进模拟退火算法的船舶物流配送中心选址方法。结合船舶物流的实际问题,建立物流中心选址的数学模型。采用与粒子群算法相结合的方式,改进模拟退火算法。利用改进后的模拟退火算法求解建立的数学模型,得到最优物流配送中心地址。通过与传统选址方法的对比实验,表明改进后的模拟退火算法收敛性能更佳,并且相比传统方法平均节省了约16.95%的成本。     

基于分级聚类和近邻函数准则的目标分群算法

文章依据分级聚类的方法和近邻函数准则算法的原理,提出了基于分级聚类和近邻函数准则的目标分群算法,对于攻击目标编队的分群具有重要意义。     

基于Spark的船舶航行轨迹聚类方法

依托船舶自动识别系统(Automatic Identification System,AIS)数据,利用云计算并结合聚类算法,对船舶历史数据进行轨迹聚类分析,构建船舶航行正常轨迹模型,为实时检测船舶异常轨迹奠定基础,进而为提高水上交通监管智能化水平提供新方法。针对目前轨迹聚类算法效率低等问题,基于Spark内存计算技术及数据分区思想,提出一种改进的并行子轨迹聚类算法SPDBSCANST(Parallel DBSCAN of Sub Trajectory Based on Spark)。以长江航道武汉段船舶航行数据为例进行试验验证,并通过可视化方式呈现。结果表明,改进后的算法的聚类效率和效果都有明显提升。     

基于并行聚类算法的无监督异常检测研究

为满足高效聚类大规模数据集的要求,该文提出一种基于k均值算法的并行聚类算法,该并行算法能使聚类时间随节点主机数目的增多,呈近似线性递减。为了更好地平衡检测率与误报率,文章又提出了基于平方误差最小的重定位算法,相比于李娜等人提出的算法,该重定位算法使检测率提升了5%,误报率降低了1.1%。实验结果表明,该文算法不但能够提高聚类效率,而且能够更加有效地检测出已知和未知攻击。     

混合遗传算法求解一维优化下料问题

针对企业生产中遇到的一维优化下料问题,本文结合遗传算法、粒子群优化算法及模拟退火算法各自的优点,设计一种新的改进的混合遗传算法,对该问题来求解.最后根据算法编写程序对实例数据进行运算,实验结果表明,该算法求解一维优化下料问题比较有效,能获得比较理想的下料方案,可以提高生产企业的原材料利用率.     

多信息融合技术在船舶动力装置故障诊断中的应用

船舶动力装置工作过程中会产生大量多域故障信号,通过收集、挖掘隐藏的关联信号,可以解决船舶动力装置在故障诊断中面临的诊断时长问题.文章采用K-均值聚类算法(K-means)对数据进行聚类,聚类结果输入BP神经网络进行模型训练,并在此基础上,设计了主成分分析法(PCA)对模型进行优化.结果 显示,2种算法都能有效降低网络诊...     

一种提高粒子群算法优化性能的方法

针对粒子群优化算法在解决控制领域优化问题时存在的不足,文章在现有粒子群算法的几种改进方法分析的基础上,提出通过控制算法位置和速度的初始化策略,来提高算法的收敛速度、精度和成功率,该方法适用于各种粒子群改进算法。最后,通过两种改进后的粒子群算法,采用初始化策略对典型单峰函数和多峰函数进行实验测试,结果表明,该方法可以有效提高两种改进粒子群算法的搜索成功率、收敛速度和准确性。     

结合小波变换和K均值聚类的SAR舰船目标分割

对SAR舰船目标分割方法进行研究,给出一种基于小波变换与K均值聚类相结合的舰船目标分割方法。在该方法中,首先利用双密度双树复小波变换优秀的图像去噪能力,对SAR图像进行降噪处理,以减少相干噪声对分割结果的影响;然后通过改进的K均值聚类方法进行舰船分割。实验结果表明本文方法能有对SAT舰船目标进行有效区分。     

基于量子行为粒子群算法的可测试性设计方法

将量子行为粒子群算法用于复杂电子设备测试点选取问题中.该算法以最少的测试点、测试代价和最大的故障隔离率、检测率为目标定义粒子适应度函数,保证了算法的全局最优性能.仿真结果表明,与其他算法相比,量子行为粒子群算法提高了测试点选取的效率,能较好的保证其算法全局最优性能,为粒子群算法的改进和多目标优化问题提供了新的思路.     

无人机侦察航路规划指标体系分析

在未来战争中,无人机将担负战场侦察、评估毁伤效果、校射等重要作战任务,科学合理地规划侦察航路是无人机完成作战任务的关键。文章分析了无人机侦察航路规划的主要指标,并对指标体系的确立进行了探讨。     

一种改进的基于先验信息和微粒群算法的基因选择方法

针对KMeans-GCSI-MBPSO-ELM方法中冗余基因去除时会出现的"误删除"现象,提出一种改进的基于先验信息和微粒群算法(particle swarm optimization,PSO)的基因选择方法(I-KGME).在充分考虑基因类别灵敏度(gene-to-class sensitivity,GCS)信息的基础上,利用二进制PSO耦合GCS信息和K-均值聚类算法进行基因选择,并通过二进制PSO算法实现优化.该类方法能够获取低冗余、高预测性的基因子集,并在多个基因表达谱数据上获得了优于经典基因选择方法和KMeansGCSI-MBPSO-ELM方法的性能.     

基于PCA和Eros的多元时间序列聚类分析

为提高多元时间序列聚类算法的效率,将原始MTS数据线性组合形成一系列互不相关的簇,利用主元分析对每个簇的代表元素,与剩余元素的前z个主元与之间的扩展Euclid范数对选取的多元时间序列的主元进行聚类分析.理论分析和实验结果表明该算法聚类质量结果和运行时间明显优于直接利用k-均值法时的聚类结果.     

一种基于改进PSO的无人机航路规划方法

针对无人机航路规划问题,提出了一种改进的粒子群的无人机航路规划方法.该方法将UAV的航路规划问题通过目标转换,形成一个考虑威胁优先,路径优化其次的单目标航路优化问题,并引入局部搜索改进粒子群算法求解该问题的收敛性.仿真结果证明了该方法对解决无人机的航路规划问题高效可行.     

基于蚁群算法的无人机舰机协同任务规划

随着近年来计算机与无人控制技术的不断发展,无人机逐渐成为军事作战领域中不可缺少的战略力量,舰载无人机技术已经成为打击、侦察等任务的重要手段。本文研究的重点是无人机舰机任务的协同与控制技术,充分结合蚁群算法和传感器技术等,实现了舰载无人机与舰船的任务协同控制。后期的大量试验数据表明,基于蚁群算法的无人机舰机协同具有良好的效果。     

遗传模拟退火算法舰船资源装配效率优化系统

为了解决舰船资源装配工作中,由于装配顺序不确定导致的资源装配效率低的问题,从硬件和软件2个方面,利用遗传模拟退火算法设计舰船资源装配效率优化系统。在硬件方面安装ESC500型号的控制器,并改装系统中的微处理器。在硬件设备支持的基础上,分别通过准备舰船装配资源信息、遗传模拟退火算法优化船舶装配序列和装配效率计算与优化3个步骤,实现对舰船资源装配效率的优化。经过系统测试实验分析得出结论,应用设计的装配效率优化系统后,舰船资源的装配效率得到了有效的提升,且可以实现多舰船装配效率的同步优化。