遗传算法在模式识别中的应用

以图像模式识别为代表，根据模式识别的特点，对传统遗传的选择策略及操作方法进行了修正，提出了一种适于在全图像空间中对已知模式进行识别的遗传算法，它具有尺度和旋转不变性，并在噪声干扰的情况下仍保持良好的自适应性。     

生态遗传算法在煤矸石模糊模式识别中的应用

给出煤矸石组分模式识别的模糊神经网络模型 ,提出一种实用生态算子 ,同时将在此基础上构建的生态遗传算法用于模糊神经网络的离线学习。仿真和实验结果显示 :新算法使网络具有良好的收敛性能 ,而且从训练好的定量网络中提取的模糊规则提高了煤中矸石的识别率。     

基于遗传算法的模糊模式识别及其应用

针对谷物害虫图像识别的特点，提出了基于模糊理论的害虫图像识别方法。对模糊C-均值聚类做了简要分析和评论，在此基础上将遗传算法引入模糊聚类，利用其搜索的随机和并行性，克服了模糊C-均值聚类的局部性和对初始聚类中心的敏感性；采用了基于贴近度和择近原则的模糊识别方法，分析了格贴近度的不足之处，并对之进行了改进。实验结果表明了上述方法是有效的，可行的，扩大了遗传算法和模糊理论的应用范围。     

基于SVM与遗传算法的非线性模式识别

设计了一种支持向量机的模型结构,以遗传算法进行该模型参数的组合优化建模,并将其用于非线性模式识别,该方法不仅对线性问题有效,对非线性问题同样适用有效;该法简洁易行,优于多段线性分类器设计方法与BP误差回传网络算法,通过实例验证其识别效率达100％。     

改进遗传算法在地层对比中的应用

针对简单遗传算法存在早收敛和在进化后期搜索效率较低的缺点,提出了一种变参数的遗传算法。该算法对种群的个体赋予寿命,并根据寿命对遗传算法的选择、交叉和变异算子以及种群规模自动调整,能够有效防止早收敛并改善遗传算法收敛性能。并用改进的遗传算法解决基于测井曲线的地层对比的问题,取得了较好效果,验证了算法可用性和高效性。     

化学模式识别在石油炼制过程中的应用

应用面向显示的模式识别方法，对石油炼制中的加氢裂化装置等生产过程进行研究，在高维模式空间中，分割优类状态点的聚集区域，建立区域化数学模型，据此指导生产操作，使生产过程获得优化控制，经济效益显著。     

基于遗传算法优化支持向量机的电梯交通模式识别

电梯交通模式识别问题是电梯群控系统优化调度的基础.在电梯交通模式识别研究中,支持向量机应用较为广泛且识别效果较好,但仍存在模型参数难以确定的问题.为此,提出一种结合遗传算法和支持向量机的电梯交通流模式识别方法:利用遗传算法对支持向量机的关键参数对——惩罚因子C和核函数参数σ自动全局寻优,将最佳参数组合(C,σ)代入原始...     

函数级进化型硬件在模式识别中的应用

设计了一个基于函数级进化型硬件(FEHW)的高速模式识别系统，并提出了一种适合此系统的改进遗传学习算法——可变染色体长度遗传算法(VGA)。利用VGA代替简单的遗传算法(SGA)来处理大输入的图像数据，实时实现了3类飞机识别。仿真结果表明，VGA进化速度是SGA的9倍，识别率达到80％以上。     

图形相似的基本原理、方法及其在结构模式识别中的应用

将相似的有关思想和方法引入到图形识别和理解中，系统地讨论了图形相似的基本原理和方法。首先分析了图形的相似性特征、相似性的内涵以及相似性的性质，同时给出了图形相似度的计算方法；其次，借助图的方式对图形的各相似性特征进行描述，并提出了统一的图形特征编码方式，以此实现图形由“形”到“数”的转换；而且，提出了一种具有层次性的、以图形特征编码为基础、以相似度为依据的图形相似性判别算法；最后，将该方法应用于基于二维的结构模式识别中，以一个实际零件中的非相交基元体的识别为例说明了该方法的具体应用。实验结果表明，与传统的识别方法相比较，该方法在模式的识别范围、模式的搜索以及模式的匹配速度等几个方面取得了较大进展，并且这种基于多个相似性特征的图形识别方法具有更大的灵活性和可靠性。     

基于模式识别的创新概念设计

论文提出了一种基于遗传算法的自动求解算法,并将该算法在CAD中的应用作了展望。该算法采用基元模式识别方法识别原有的以图像形式存储的模型,在适应度函数中引入形象度和抽象度的标准并辅以人机交互的方式来判别算法运行过程中产生的个体。实验结果表明,该算法可以充分利用原有设计图案,并能够在运行过程中产生大量的优良个体。     

遗传算法用于结晶过程动力学参数辩识

遗传算法是一类随机优化方法。常被用于解决复杂的优化问题,基于群体的搜索,重组和变异是遗传算法区别于其他优化方法的主要特征。文章中将遗传算法应用于过饱和溶液Ｌｉ２Ｏ．３Ｂ２Ｏ３－Ｈ２Ｏ体系结晶过程动力学参数辨识,确定了结晶反应速率常数、热力学平衡浓度和表观反应级数。     

基于遗传算法和模糊积分的多分类器集成

多分类器联合是解决复杂模式识别问题的有效办法。模糊积分是其中一种多分类器联合方法。但是对于模糊积分。如何计算模糊积分密度是一个尚未解决的问题。本文提出了一种基于模糊积分和遗传算法的分类器集成方法，该方法利用遗传算法计算模糊积分密度函数，再利用模糊积分把分类器输出信息联合起来。实验结果表明，该方法比其他方法能够得到更好的识别性能。     

多层前馈模糊神经网络进行图像识别

神经网络和模糊技术在模式识别领域中已有了广泛应用,两者有着各自的优势。针对神经网络模式识别中所遇到的问题,为了进一步提高分类器在样本分布不清晰情况下的识别能力,本文提出了两各将模糊机制引入神经网络的方法－输入模糊化方法和隐层模糊化方法,并在此基础上分别构造了模糊神经网络。实验结果表明,模糊神经网络较好地结合了神经网络和模糊技术的优点,取得了比传统网络更好的识别结果。     

遗传算法的收敛性研究

本文讨论了遗传算法的收敛性问题，提出了一个收敛的充分条件，证明了对任何问题，只要其问题空间编码和遗传操作的组合满足这个条件，就可以用遗传算法求解，由此得到了ＧＧＡ－难题珠新定义，解释了现有模式理论所不能解释的最小欺骗问题，并讨论了它的可操作性。     

应用化学模式识别对常用溶剂的分类研究

根据溶剂的５个选择性参数，ｘｅ，ｘｄ，ｘｎ，ｘｔ，ｘｍ，对常用的８１种溶剂应用化学模式识别方法进行了系统分析。各种模式识别方法（包括谱系聚类方法、非谱系聚类方法、主成分分析法和线性判别分析）的分类结果基本一致，且符合Ｓｎｙｄｅｒ应用其中３个参数以三角图形式进行溶剂分类的方法。本文结论有助于色谱分析、萃取和其它分离技术的溶剂选择。     

基于遗传BP网络的快速分类算法的构建

为获取能快速分类的智能算法,在分析BP算法原理与缺陷的基础上,首先对标准的BP算法进行了改进,然后利用已改进的BPX算法优化遗传算法选优过程,提出了GA＆BP混合算法,该算法兼顾了GA算法的全局收敛特性和BP算法快速的局部收敛能力,使算法既有较快的收敛速度又不易陷入局部解。仿真结果表明GA＆BP混合算法的收敛速度、误差精度等主要性能指标有明显改善。     

遗传算法在Sierpinski地毯Hausdorff测度计算中的研究与应用

遗传算法是一种高效的全局优化概率搜索算法,基于分形几何中测度难以计算的问题,本文提出了采用遗传算法来求解Sierpinski地毯近似最优Hausdorff测度的思想,并研究和分析了遗传算法在Sierpinski地毯Hausdorff测度计算中的具体实现。     

基于遗传算法的Rosenbrock函数优化问题的研究

本文利用遗传算法研究了极小化Rosenbrock函数的问题．较多的计算机模拟实验结果表明，遗传算法可以有效地解决这一问题．文中还分析了一些改进的遗传算法对于该问题搜索速度的影响，得到了适于解决此问题的合理的遗传操作，从而为有效地解决最速下降法所不能实现的某一类函数代化问题提供了一种新的途径．     

基于遗传算法的时变纯滞后系统的在线辨识与控制

本文介绍了一种基于遗传算法的大滞后时变系统的在线参数辨识和控制方法。将基于遗传算法的时滞系统参数辨识和时滞系统的Smith预估控制结合起来,试验证明本方法对于参数在较大范围内改变的大滞后系统的控制是有效的。