基于STA-LSSVM的槽电压优化方法

针对铝电解过程中,槽电压的参数调节主要采用“试探法”、过于依赖技术员、耗时长等问题,提出了一种基于状态转移算法(State Transition Algorithm, STA)的槽电压优化方法。首先,采用灰色关联度分析方法确定槽电压模型的输入变量;然后,基于改进的最小二乘支持向量机(Least Square Support Vector Machine, LSSVM)建立槽电压软测量模型;最后,采用状态转移算法对槽电压优化控制模型进行实验,获得槽电压优化值和一组优化操作参数。结果表明,建立的槽电压软测量模型具有较高的预测精度,STA算法可寻到3.819 7 V的优化槽电压值,相较于优化前降低了115.8 mV,每吨铝直流电耗降低了363 kW·h,实现了槽电压的优化控制,达到了较好的节能降耗目的。     

基于相对密度估计和多簇合并的密度峰值聚类算法

密度峰值聚类(DPC)算法是一种新颖的基于密度的聚类算法,其原理简单、运行效率高.但DPC算法的局部密度只考虑了样本之间的距离,忽略了样本所处的环境,导致算法对密度分布不均数据的聚类效果不理想;同时,样本分配过程易产生分配错误连带效应.针对上述问题,提出一种基于相对密度估计和多簇合并的密度峰值聚类(DPC-RD-MCM)算法. DPC-RD-MCM算法结合K近邻和相对密度思想,定义了相对K近邻的局部密度,以降低类簇疏密程度对类簇中心的影响,避免稀疏区域没有类簇中心;重新定义微簇间相似性度量准则,通过多簇合并策略得到最终聚类结果,避免分配错误连带效应.在密度分布不均数据集、复杂形态数据集和UCI数据集上,将DPC-RD-MCM算法与DPC及其改进算法进行对比,实验结果表明:DPC-RD-MCM算法能够在密度分布不均数据上获得十分优异的聚类效果,在复杂形态数据集和UCI数据集的聚类性能上高于对比算法.     

基于灰关联分析方法

针对一致关联度算法不具有普遍性和动态改变惯性权的自适应粒子群算法(DCW)不易跳出局部收敛能力的缺陷,本文提出了完全关联度算法和自适应变异的动态粒子群优化算法。完全关联度算法主要用来选择软测量的辅助变量。在改进的粒子群优化算法中,除了采用动态惯性权重外,还引入了自适应学习因子和新的变异算子。为了构造一种性能较好的神经网络,采用改进的粒子群优化算法来优化神经网络所有的权值参数,并将提出的软测量建模方法预测延迟焦化的汽油干点,实验结果表明,与DCW算法优化神经网络(DCWNN)的建模方法相比,该算法不仅具有较好的泛化性能,而且具有较高的精度和良好的应用前景。     

灰色理论在古陶瓷断代中的应用

利用模式识别方法可以推测古陶瓷出产年代。将古陶瓷中各化学成分的含量组成一个向量,并与该向量的灰色模型GM(1, 1)参数构成新向量,用于描述古陶瓷样品。以灰色关联度为距离定义,使用近邻法对古陶瓷样品年代进行预测,其留一法预测精度达79.55%。实验结果验证了灰色理论可以用于古陶瓷断代。     

基于改进遗传算法的防空导弹分队WTA问题求解

针对以往防空作战中目标分配模型精度差、求解方法效率低的问题,建立了基于射击综合优势和目标威胁度的目标分配数学模型,其中目标威胁度评估综合运用了灰色综合关联度和改进的层次分析法,提高了结果的精度.并且采用改进的混沌蜜蜂双种群进化遗传算法对该模型进行了求解,改进的地方主要有:采用轮盘赌选择与最优保存策略相结合的选择操作,采用了算术交叉方法等.实验结果表明,应用文中的遗传算法求解防空导弹作战中目标分配问题,与传统算法相比,无论是在优化性能还是在时间性能上,都具有更好的效果.     

基于熵权与灰色关联度的隐写分析算法评估

针对现有隐写分析评估方法计算复杂、权重分配不合理的缺点,结合熵权与灰色关联度对隐写分析算法进行评估。确定算法的主要性能指标,采用熵权法计算各指标的权值,运用灰色关联度综合评价方法计算待评价指标向量与最优指标向量间的加权灰色关联度,并根据关联度的大小对隐写分析算法的优劣进行排序。实例仿真结果表明,该方法能合理评估各类隐写分析算法的优劣,具有可行性。     

基于面板数据的接近性和相似性关联度模型

对于面板数据, 首先给出面板数据的空间投射方法, 将面板数据投射为空间的向量序列. 然后, 基于空间向量的夹角和距离分别构建相似性和接近性关联度模型. 具体方法为: 利用向量夹角构建面板数据的相似性关联度模型; 同时, 基于向量差的模构建面板数据的接近性关联度模型. 分别讨论两种关联度模型的规范性和对称性等性质. 最后, 通过实例验证了相似性和接近性关联度模型的合理性. 分析结果表明, 所提出的关联度模型能较好地反映面板数据的相似性和接近性的关联程度.

     

Q-EUGSID的优化算法及应用

针对绝对关联度、相对关联度和综合关联度的缺陷,首先,引入了可调因子以及空间距离来建立新模型。其次,证明了新模型符合灰色关联公理并研究了它的一些特殊性质。另外,提出新模型准优值所具备的几个原则,并根据灵敏性分析原理总结出准优值的算法。最后,由实例验证了:改进的模型不仅能够使关联度的取值扩展到更广的范围,而且在一定程度上改善了关联度值的分辨效果。在定量计算方面,某些参数的值也将会更精确。     

基于灰色关联分析的Apriori算法的研究及应用

关联分析是一种重要的数据挖掘技术。本文结合房地产行业的特点,将关联分析方法应用于对消费者购房行为的研究中。传统的关联规则挖掘算法——Apriori算法在实际应用中存在着计算量大、挖掘效率低、产生大量不相关的关联规则等问题。为了减少计算量、提高挖掘效率、发现有价值的关联规则,提出了一种灰色关联度分析算法和Apriori算法结合的研究方法。首先采用灰色关联度分析算法得出影响消费者购房需求和偏好的关键因子,然后采用Apriori算法对关键因子和目标因子之间进行关联规则挖掘。以某市问卷调查的消费者信息记录进行建模,结果表明该关联分析方法具有较高的挖掘效率并且研究结果具有合理性和准确性。     

基于门限关联度的多特征量性能可靠性评估

针对具有多个特征参量的产品性能可靠性评估问题,提出一种基于门限关联度的多特征量性能可靠性评估方法.该方法利用灰色系统理论中的多参数关联分析方法计算多性能特征量的待检状态与标准状态的关联度,通过关联度的大小来判断系统的性能状况,进而对系统的性能可靠性进行评估.最后以某电路为例,对其监测数据分析得出给定时间条件下,该电路的性能可靠度为0.75,从而验证了该方法的有效性和实用性.