简介:粒子群优化(PSO)算法是智能算法的一种,有较好的全局搜索能力,已经被应用于局部阴影条件下的最大功率跟踪(MPPT)当中。但PSO算法的搜素速度慢,收敛不稳定。本文通过分析局部阴影条件下光伏阵列的输出特性曲线提出了改进型粒子群优化算法(IPSO),以变换器的占空比为粒子,初始化时将粒子均匀分散在可能的功率峰值点处,依据迭代次数线性调整惯性权重、学习因子,并通过引入反正切函数,对传统PSO算法的速度更新进行修改,以减小追踪过程的振荡,更快地找到最大功率点,提高收敛速度。最后通过仿真验证了与常规的PSO算法相比,改进的PSO算法具有跟踪速度快、动态响应波动小等特点。
简介:关联规则研究数据库中一组互不相属对象之间的相关性,挖掘出具有一定意义的关联关系、挖掘算法如Apriori、FP-Growth等,这些算法需要反复多次扫描整个数据库导致I/O负载增加,降低了CPU的性能.文章通过对数据库进行转置和平行变换以减少扫描的次数,从而提高算法效率.
简介:在传统神经网络的基础上,引入小波函数而构成的小波神经网络具有极强的函数映射能力,在图像压缩领域有着较多应用.为了进一步提高图像的压缩质量,引入了遗传算法对传统小波神经网络算法进行改进,在对小波基平移和伸缩参数系数进行寻优时,将其作为种群初始化,经过选择、交叉和变异,获得最佳染色体,最后将最佳染色体转化成对应的权值、伸缩系数和平移系数从而进行小波神经网络映射.实验结果表明,改进后的小波神经网络图像压缩方法相较传统小波神经网络法,均方误差分别降低了14.8%和16.7%,图像信噪比分别提高了9.15%和7.11%,图像压缩质量有了较大提高.
简介:总结国内外专利文本分类情况,简要叙述基于机器学习的专利文本分类的-般框架,介绍专利文本分类的文本预处理、特征提取、文本表示、分类器构建及效果评价等过程.将应用于专利文本分类的机器学习算法分为单-分类算法和组合分类算法着重探讨单-分类算法主要有NB算法、ANN算法、Rocchio算法、KNN算法、SVM算法等;组合分类算法主要有两种组合算法,如NB-KNN算法、Rocchio-KNN算法、KNN-SVM算法、SVM-其它算法,还有多种组合算法.指出各种机器学习算法应用在专利文本分类上的优势与不足,从专利文本预处理、特征提取、专利文本表示、分类器的构建、新方法的探索等五个方面对专利文本自动分类技术进行展望.
简介:摘要由于受到天气、水调等因素的影响,水电站水工数据往往具有较强的周期性,但在实际应用中,部分数据由于采样周期不同,且自动化系统采集的数据存在事实上的不同步、不等长,造成分析上的困难。本文将DFT算法引入到水电站水工数据分析中,对离散数据进行分析计算,使分析不再依赖于传统的连续型数据模型,实践表明,本模型的性能达到较高水平。
简介:摘要文章针对遥感图像的模糊聚类算法进行了研究。数字图像分类技术是数字图像处理技术中非常重要的一个内容。遥感图像固有的模糊性,对于遥感数字图像来说,尤其是中、低分辨率遥感图像,由于混合像元的影响使得分类结果并不是最优的,也就是说,传统的分类方法往往不能取得理想的分类效果。而应用软分类算法原理,采用模糊聚类方法进行遥感图像的非监督分类是解决这种分类模糊性的主要方法之一。文章研究模糊聚类中的模糊C均值聚类算法,并通过计算机程序来实现算法,从而达到对遥感图像非监督分类的目的。此算法与人工判读分类相比,提高遥感图像非监督分类的速度和效率,节省了人力和物力。