混合智能计算方法及其应用

《混合智能计算方法及其应用》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、按县I主有要本论文主要以机器学习的两个基本问题—模式识别和函数逼近为背景，对基于神经网络、模糊逻辑、进化算法、免疫算法、量子算法、基于核的学习机等软计算方法的若干混合智能计算方法进行了研究，并将这些混合方法应用于图像处理、目标识别以及系统辨识等具体问题中。主要工作概括如下:1.首先以求解一些NP问题，如TSP问题为例，讨论了运行在量子计算机上的量子搜索算法和运行在经典计算机上的进化搜索算法之间的本质区别。接着以背包问题为例，定性分析了通过这两种搜索算法之间的结合而形成的量子驱动的进化算法(简称量子进化算法)的特性。通过分析可以看到，量子

2、进化算法结合了量子计算的一些概念和理论，诸如量子比特和量子叠加态，因此能够表示出解的线性叠加态，并且由于量子比特染色体的概率表示，它比传统的进化算法具有更好的种群多样性和全局寻优能力。2.提出一种自适应免疫进化算法，并用于图像的分割。该算法能够从其最佳个体的基因中自适应地提取有效信息制作成免疫疫苗。同时在接种疫苗的操作中，引人一个自适应变化的参数用来表示接种疫苗个体的百分比，这个参数随着代数而递增，最后增大到1，这意味着所有个体都接受接种疫苗，这样在进化的后期，算法就以大量的局部爬山搜索为特征.该算法用于图像分割间题时，产生了令人满意的

3、分割结果，并对噪声有较好的抑制作用。3将免疫算子的概念结合到量子进化算法中，提出一种免疫量子进化算法。免疫量子进化算法在保留原有量子进化算法优良特性的前提下，力图有选择、有目的地利用待求问题中的一些特征信息或先验知识，抑制或避免求解过程中的一些重复或无效的工作，以提高算法的整体性能。对背包问题的仿真结果表明，与标准进化算法、免疫进化算法、量子进化算法相比，免疫量子进化算法不仅是有效的，也是可行的，并能进一步改善算法的性能，提高其收敛速度。同时我们将该算法用于图像的边缘检测问题也得到了较好的检测结果。4.基于小波变换和进化神经网络提出一种

4、混合的雷达一维距离像的目标识别方法，即首先利用小波变换作为特征提取器，从小波变换后的系数中提取雷达目标特征，然后基于一混合进化算法优化设计了一个前向网络并以此作为分类器对提取的模式特口出生喇甘祖卜洲口切吐月匕口目全口匕勺叮安电于琳主允J气学们卜创七学士2i#3.征进行识别。该算法能同时优化网络的拓扑结构和连接权值，并且由于其全局搜索能力，可以避免结构的局部最小。实验结果表明，用该算法设计出的雷达目标神经网络分类器结构紧凑，具有较好的泛化能力。s.研究了基于核的学习算法进行目标识别的方法，该方法把无监督学习(基于核的主分量分析算法的特征提

5、取)和有监督学习(基于近似支撑矢量机的分类)结合起来。核的主分量分析算法可以有效地提取出目标中的非线性特征;而近似支撑矢量机作为一种新型的支撑矢量机，不需要求解二次规划问题，只需对一个简单的线性方程系统求解，可以快速地对目标进行分类。该方法应用于雷达目标一维像的识别时，其正确识别率与标准支撑矢量机相当，但在计算速度上却有很大的提高，并对噪声具有较好的抑制作用。6.提出了两种非线性系统的混合辨识方法。第一种方法方法首先在结构辨识中，通过聚类算法自动地从已知的输人输出数据中生成一个初始的模糊模型;接着在参数辨识中，设计了一个模糊神经网络，通

6、过有监督学习逐步调整网络的权值，也即模糊模型的参数以使模型具有更高的精度。在第二种方法中提出一种新型混合神经网络模型一自适应模糊神经网络，该网络结构简洁，具有通用逼近的能力，采用有师学习和无师学习相结合的混合算法进行训练，收敛速度快。并且受学习样本空间分布的影响较小，因而有较强的学习能力和表达能力.关键词混合智能计算，量子进化算法，自适应免疫进化算法，免疫量子进化算法，小波变换，神经网络优化设计，基于核的学习算法，模糊神经网络，聚类，图像分割，边缘检测，目标识另」，非线性系统辨识.月口份祖卜洲日.明吐月匕日公比国匕ABSTRACTThe

7、integrationofdifferentlearningandadaptationtechniques,toovercomeindividuallimitationsandachievesynergeticeffectsthroughhybridizationorfusionofthesetechniques,hasinrecentyearscontributedtoalargenumberofnewintelligentsystemdesigns.Thisdissertationisfocusedonthesolvingthese

8、riesofhybridintelligentcomputingmethodsbasedonsoftcomputingtechnologiesconsistingofneuralnetworks,fuzzy