共查询到20条相似文献，搜索用时 95 毫秒
1.
2.
目前常用的汽车故障解码器不能诊断故障码不出现的各类故障,为了扩展解码器的诊断功能,提出了一种利用基于模糊自适应卡尔曼滤波的径向基函数神经网络处理解码器数据流的新方法.该方法通过MATLAB软件与ACCESS数据库相结合编制故障诊断程序,可实现汽车电喷发动机无故障码的故障诊断.同时,还将基于模糊自适应卡尔曼滤波的径向基函数网络与BP网络进行了比较.结果表明,基于模糊自适应卡尔曼滤波的径向基函数神经网络诊断速度快且准确,更适合用于故障诊断,如果将本研究所编制的程序固化到解码器中,将会使其进一步向智能化方向发展. 相似文献
3.
4.
基于红边参数与PCA的GA-BP神经网络估算叶绿素含量模型 总被引：1，自引：0，他引：1
利用便携式ASD野外光谱辐射仪对杉木冠层叶片光谱进行测定,同时以分光光度法对叶片叶绿素含量进行提取。样本经均值处理、平滑处理和微分处理后,进行红边参数提取。对11个红边参数以PCA方法进行降维,将得到的前7个主成分得分作为网络输入参数,叶绿素含量作为网络输出参数,以遗传算法(GA)优化网络初始权值阈值,建立隐含层神经元数分别为4,6,8,10,12和14的6种单隐层BP神经网络模型。以R2,RMSE和相对误差作为模型精度检验标准,结果表明:6种模型预测精度均可达到92.0%以上,其中隐含层神经元数为10时,预测精度最高,可达97.372%。说明此种模型可对杉木冠层叶片叶绿素含量进行高精度估算。 相似文献
5.
6.
7.
木材板材在家具行业应用广泛,以绿色环保、节约能源为目的的木材板材优化下料已经成为研究的热点。木材板材下料优化问题属于二维矩形下料问题,是一种具有高度计算复杂性的问题。本研究主要针对单规格木材板材进行矩形零件下料问题,在木材板材长和宽都大于零件长和宽的情况下,通过建立二维下料的数学模型,采用标准粒子群算法、变邻域搜索算法、粒子群混合变邻域搜索算法分别进行求解,并以某企业的下料实例进行分析计算。首先,利用标准粒子群算法求解单规格板材下料问题;其次,利用变邻域搜索算法求解单规格板材下料问题。在获得局部最优解的基础上改变其邻域结构再进行局部搜索,找到另一个局部最优解,如此不断迭代,直到满足算法的终止条件,获得全局最优解;最后,利用粒子群变邻域搜索混合算法求解单规格板材下料问题。针对粒子群算法局部搜索能力较差、容易过早收敛的问题和具有较好包容性的特点,将变邻域搜索的思想融入粒子群算法中,使结果更加趋向全局最优。结果表明：粒子群变邻域搜索混合算法相比粒子群算法和变邻域算法效率都有显著提升,能显著提高该木材板材的利用率,增加企业经济效益。 相似文献
8.
马琳 《中南林业科技大学学报(自然科学版)》2007,27(5):140-144
遗传算法具有快速随机的全局搜索能力,但局部搜索能力差,易陷入早熟收敛,迭代效率低.粒子群算法采用速度——位置模型,可以较快收敛到指定精度.将粒子群算法与遗传算法融合,采用多目标遗传算法得出初步的优化结果,并将其作为粒子,利用粒子群算法强化局部搜索,加快收敛速度,仿真结果证明了该算法的优越性.在CSSM对底层安全服务的重组时利用粒子群和遗传算法的结合(GAPSO),能够提高效率. 相似文献
9.
基于卷积神经网络和树叶纹理的树种识别研究 总被引：1，自引：0，他引：1
利用计算机图像工程技术和卷积神经网络将大量树叶图像叶脉信息提取并分类,主要研究单一背景下阔叶树叶脉纹理特征。本实验采用卷积神经网络在图像信息识别准确率高,无需人工定义树叶纹理特征减少繁琐的人工成本。将网络在Caffe平台上面进行定义,使用符合标准正态分布的一组随机参数初始化网络。对卷积神经网络使用BP神经网络反向传播算法和随机梯度下降算法训练。经过对于网络的训练最终识别率达到95%以上,超过了人眼的识别率,为树种识别研究提供有效的分类方法。卷积神经网络在树叶纹理中省去了人工定义树叶特征的工作。最终多次实验得到可观的识别效果,卷积神经网络适用于树叶图像的识别,其识别率基本达到可以应用的要求。 相似文献
10.
为提高木质粉尘火花检测的准确性,利用基于支持向量机(SVM)的物质分类方法检测木质粉尘火花。选取马尾松和杨木粉尘为研究对象,将两种粉尘分组点燃试验,获取火花和灰分的高光谱图像,提取感兴趣区域(region of interest,ROI)内的发光度数据进行预处理。利用感兴趣区域内的数据建立SVM分类模型,分别利用网格搜索法(GS)、遗传算法(GA)以及粒子群算法(PSO)对两类树种的SVM分类模型进行参数优化,并将三种参数优选方法的分类预测准确率进行对比。结果表明,三种优化方法均能够很好地检测两种树种的木粉火花,其中网格搜索法检测准确率明显高于其余两种,更适于木质粉尘火花探测,这为人造板生产过程中能够高效检测木质粉尘火花提供了一定的理论依据。 相似文献
11.
《林业资源管理》2017,(Z1):64-69
随着优化算法的发展和应用,分析优化算法在林分断面积生长模型参数估计中的运用并分析其优劣就显得尤为的迫切。采用昆明市森林资源二类调查数据,筛选树种组成大于等于6成的小班剔除异常值后作为建模样本单元。采用地位级指数和林分密度指数引入到生长模型中,分别采用麦夸特算法、差分进化算法、遗传算法、模拟退火算法和粒子群算法进行参数求解,根据算法迭代次数比较各优化算法的算法效率,并求解生长模型参数稳定性。结果表明,桤木、栎类和桉类断面积生长模型拟合决定系数分别为0.94,0.87,0.84,均方根误差分别为1.10,1.59,2.20,模型通过T检验和残差分析;麦夸特算法、差分进化算法、遗传算法、模拟退火算法和粒子群算法迭代次数平均值分别为68,2 188,4 147,4 492和2 324;Richards,Schumacher和Korf模型各参数拟合结果间欧式距离分别为1 408.47,10.11,45.22,Korf模型的拟合优度大于Schumacher和Richards模型。 相似文献
12.
简要说明RBF神经网络的构成及其算法,研究RBF神经网络发动机电子控制系统传感器的故障诊断方法,设计了一种发动机电子控制系统传感器诊断神经网络.借助流行的汽车OBDⅡ自诊断协议,组建发动机电子控制系统的诊断数据采集系统,以记录实验发动机电子控制系统工作时系统的输入/输出数据,根据实验数据进行诊断神经网络的训练和系统评价. 相似文献
13.
14.
针对木材缺陷图像,采用基于小生境和交叉算子的粒子群算法（NCSPSO）优化支持向量机（SVM）进行图像分割,提取木材缺陷分割图。主要对NCSPSO算法进行改进,寻找最优惩罚系数C和高斯核函数中的参数,然后采用SVM方法对训练样本进行综合训练,以建立最佳分类模型,并对木材缺陷图像分割测试。与模拟退火法（SA）及原NCSPSO算法进行对比实验,从而验证改进NCSPSO算法的优越性。 相似文献
15.
基于优化卷积神经网络的木材缺陷检测 总被引：1，自引：0，他引：1
针对深度学习中的卷积神经网络算法,在木材无损检测过程中存在缺陷定位不准确、缺陷轮廓和边界信息不完整、识别精度需进一步提高等问题,利用非下采样剪切波变换最优稀疏表示特性,以及简单线性迭代聚类算法能很好地保持像素紧凑度和图像边界轮廓的优点,设计了一种优化的卷积神经网络算法,以提高木材无损检测的准确率。首先采用非下采样剪切波变换对采集的木材图像进行简单预处理,保留木材图像的缺陷特征不丢失,降低图像处理的复杂度以及运算量;然后利用卷积神经网络对木材图像实现深层次的算法设计,同时应用简单线性迭代聚类算法对初步模型进行增强改进,提取出相对准确的木材缺陷轮廓;最后通过反复调整参数和调试优化器,优化卷积神经网络算法的收敛速度,提高学习和运算效率,完善卷积神经网络对木材缺陷轮廓的提取,在降低运算复杂度的同时,提高其精度,具有良好的鲁棒性。相比径向基函数(RBF)神经网络、向后反馈-径向基函数(BP-RBF)混合神经网络和卷积神经网络,本算法对木材缺陷具有更好的识别效果,其识别准确率达到98.6%左右,且识别时间相对更短。 相似文献
16.
17.
《中南林业科技大学学报(自然科学版)》2015,(4)
为解决不均衡林业信息文本分类中少数类分类正确率低问题,提出了一种基于优化LM模糊神经网络的不均衡林业信息文本分类算法。在阐述优化LM模糊神经网络算法原理的基础上,提取不均衡林业信息文本特征矩阵训练分类器的各项参数,实现对不均衡林业信息文本的精准与快速分类。实验结果表明该算法对少数类辨识准确率高,优于神经网络分类法以及SVM算法、模糊神经网络算法,为不均衡林业信息文本的分类提供了新思路。 相似文献
18.
19.
通过测定人造板专用装饰纸表面的色泽参数(色度学参数和光泽度),对装饰纸表面色泽特征进行量化分析,并利用色泽参数的特征信息结合误差反向传播神经网络(BP神经网络)对装饰纸进行建模分类,探讨利用装饰纸表面的色泽参数进行装饰纸表面色泽特征分类。以色泽参数数据作为神经网络的输入变量,装饰纸类型作为神经网络的输出变量,建立三层BP神经网络模型,其中,隐含层的最佳节点数为9。结果表明:通过对色泽度参数的主成分分析,增加了光泽度参数后,各类装饰纸之间的独特性增强,更利于对装饰纸进行分类。利用色度学参数(明度指数L*,红绿轴色品指数a*和黄蓝轴色品指数b*)对装饰纸进行建模分类时,判别的总正确率为80.9%,引入光泽度参数之后判别的总正确率提高至92.9%,说明利用色度学与光泽度参数结合BP神经网络可以用于装饰纸表面视觉特征的量化分析以及快速识别分类。 相似文献
20.
以黑龙江林产工业企业为例,以成本和环境影响最小、社会效益最大为目标,建立多目标可持续闭环供应链网络规划模型,结合模型多约束、多维度特点,改进传统粒子群算法对模型求解,并通过改变模型目标函数权值组合,考察该闭环供应链网络的多目标计算结果。研究表明:模型存在可行解,证明该模型在林产工业可持续闭环供应链多目标决策方面具备有效性。改进的粒子群算法收敛速度较快,收敛效果优于传统粒子群算法。通过修改权值得到所有权值组合下的具体生产方案,可以获取准确的成本、环境与社会维度信息。当决策者支付更高的经济成本时,运行方案在环境和社会方面不是简单的线性变化,其变动趋势呈现出一定的波动性。改进的算法可以用于供应链网络模型求解。所设计的模型能为企业管理者实现企业可持续发展提供重要参考。 相似文献