利用Alopex改进的粒子群优化算法及其在软测量建模中的应用

提出了一种利用A lopex算法改进的粒子群优化算法,并将其应用于神经网络的建模中。改进的粒子群优化算法改善了粒子群优化算法摆脱局部极小点的能力,对典型函数的测试和基于神经网络的软测量建模表明:改进算法的全局搜索能力有了显著提高,特别是对多峰函数能够有效地避免早熟收敛问题。     

非线性同伦LM算法及在软测量建模中的应用

综合同伦方法与Levenberg-Marquardt(LM)优化方法,提出了一种新型非线性同伦LM神经网络学习算法以改善现有神经网络学习算法的学习效率,分析了不同类型的过渡函数对神经网络泛化性能的影响.该算法具有稳定性强、收敛性能好的特点.结合工业过程实际要求,将提出的改进算法用于丙烯腈收率神经网络软测量建模并与几种常见建模方法比较,结果表明:基于改进算法的软测量模型具有更高的测量精度和更好的泛化性能,满足现场测量要求.     

一种DEA-PSO混合算法及其在丙烯腈收率软测量中的应用

提出了一种DEA 与PSO相结合的混合算法,即用DEA算法对PSO中适应值较差的粒子群进行重组和优化。将此混合算法与PSO算法同时用于一些常见测试函数的优化问题,通过对比表明:与PSO算法相比,DEA-PSO混合算法的优化效果更佳。用DEA-PSO混合算法训练神经网络,并将其用于丙烯腈收率软测量建模,结果显示了该混合算法在丙烯腈软测量建模中的可行性与有效性。     

基于混沌最小二乘支持向量机的软测量建模

提出一种改进算法,用来解决现有最小二乘支持向量机方法在处理大规模样本软测量建模问题时出现的模型结构复杂、失去支持向量稀疏性且正规化参数和核参数难以确定等问题。对样本集进行预处理,通过计算样本间欧氏距离进行样本相似程度分析,去除样本集中1/3的样本以简化支持向量机模型结构并提高计算速度。定义了一种混沌映射构成混沌系统并分析了其遍历性。应用改进的混沌优化算法优化最小二乘支持向量机模型参数以提高模型的拟合精度和泛化能力。将改进算法用于丙烯腈收率软测量建模中,仿真实验结果表明：模型精度较高,泛化性能好,满足现场测量要求。     

基于偏最小二乘的Kriging代理模型在加氢裂化建模中的应用

提出了一种改进的代理模型方法 （Kriging with Partial Least Squares,KPLS）。该方法在Kriging模型的基础上引入偏最小二乘的思想,利用偏最小二乘方法构建新的Kriging模型的高斯核函数。将该模型应用于加氢裂化过程建模,有效地提高了航煤、柴油质量收率的预测精度。采用 GLAMP（Global and local search strategy）优化算法对建立的KPLS模型进行优化,仿真结果显示航煤、柴油质量收率得到了显著提升。     

改进的粒子群算法及其在软测量建模中的应用

提出了一种改进的粒子群算法,很好地解决了基本粒子群算法中易陷入局部最优的缺点。通过比较和分析几个标准测试函数的计算结果,改进的粒子群算法的优良性得到充分的证明。改进的粒子群算法被用于优化神经网络的结构和参数,结果表明:不但网络的结构得到控制,而且泛化性能有了较大的提高。同时,算法在优化神经网络上的有效性也在4-CBA含量的软测量建模中得到了很好的证实。     

基于改进果蝇算法优化的SVM风电功率短期预测

由于风力发电功率预测的准确性直接关系到电网的供需平衡,直接影响着并网系统的运营成本,因此风电功率预测的准确性非常重要。对于预测精度不高的问题,提出了一种改进的果蝇算法优化的支持向量机的预测方法。由于支持向量机的惩罚因子和核函数参数选择对预测精度有很大影响,因而利用改进的果蝇算法对支持向量机参数进行优化,用优化好的参数进行建模训练,然后把建好的模型应用于功率预测,最后对数据进行评估。预测结果表明:改进的果蝇算法优化的支持向量机对风力发电功率预测有更好的准确性。     

一种基于预测谱偏移的自适应高斯混合模型在语音转换中的应用

基于高斯混合模型（GMM）的语音帧谱包络转换算法容易导致转换后的语音谱包络过平滑、语音细节特征受损。通过对GMM中协方差的准确性与谱包络过平滑现象的研究,提出了一种基于预测谱偏移的自适应GMM建模方法。该方法采用平滑加权算法对目标谱的偏移进行建模,并根据语音帧信息自适应调节预测谱偏移项的比例系数,结合高斯混合模型共同实现对谱包络的转换。实验结果表明,该建模方法能够有效抑制转换后语音谱包络的失真现象,提高转换后语音的清晰度、自然度和可懂度。     

一种基于高斯过程的非线性PLS建模方法

提出了一种基于高斯过程(GP)和偏最小二乘法(PLS)的非线性PLS方法(GP-PLS),以更加有效地处理过程非线性、多输入和数据共线性等复杂特性,提高模型的推广能力和精度。该方法首先采用PLS进行特征提取,再用GP建立PLS的内部模型,因而具有GP与PLS的优点。对工业丙烯腈生产过程丙烯腈收率软测量建模的应用表明,采用该方法建立的软测量模型在模型精度、推广能力等方面明显优于一些传统软测量建模方法,满足工业现场应用要求。     

小波核极限学习机及其在醋酸精馏软测量建模中的应用

传统的机器学习算法一般通过迭代进行参数寻优,导致学习速度慢,且容易陷入局部最小值。针对这个问题,提出了一种基于小波核函数的极限学习机（KEML）的软测量建模方法,将支持向量机（SVM）中核函数的思想运用到极限学习机（EML）中,避免了SVM训练速度慢以及ELM算法不稳定的缺点。将KEML算法运用于醋酸精馏的软测量建模问题中,仿真实验结果验证了该算法的学习速度是SVM的92倍,且算法的精度以及模型的泛化能力都有所提高。     

基于局部特征的多模态过程监控方法

多模态过程中各个模态均有不同的特征,因此模态数据的局部特征比全局特征更能有效、合理地表征实际化工过程。为利用多模态数据的局部特征,提出了基于数据局部特征的多模型方法（LFMM）用于多模态过程的监控。首先,离线阶段考虑到数据间的时序信息以及数据特征,利用不同时间窗内数据的变异系数（CV）完成多模态数据集的聚类;然后,考虑到不同模态的数据在空间分布上具有不同的疏密性特征,建模阶段利用局部离群因子（LOF）算法计算数据在其模态数据集中的局部密度,监控时将在线数据的局部密度作为统计特征,并构造全局概率指标用于多模态过程监控;最后,通过田纳西伊斯曼（TE）过程验证了本文方法的有效性。     

IFA和FA联合方法在化工过程监控中的应用

工业过程数据具有高斯和非高斯混合分布的特点。独立因子分析（IFA）采用一维高斯混合模型拟合任意的因子分布,因此可以处理高斯和非高斯混合的问题。虽然在给定因子数的前提下变分IFA算法可以有效地缩短建模时间,但是独立因子数的选择仍然需要较长的计算时间。此外,若IFA的因子数选择不当,会造成部分因子的信息遗留在观察变量的残差中,导致GSPE监控指标的监控性能变差。为了解决IFA在实际应用中存在的问题,本文结合了IFA和FA方法。首先使用FA辅助IFA选取独立因子数,以进一步减小IFA建模时间;其次使用FA对IFA的残差进行再处理,以解决由于独立因子数选择不当造成的问题。最后将该方法应用于田纳西-伊斯曼（TE）过程和乙烯裂解炉过程的监控中,实验结果验证了该联合方法的有效性。     

Liver Isolation in Abdominal MRI

This work presents a method for liver isolation in magnetic resonance imaging (MRI) abdomen images. It is based on a priori statistical information about the shape of the liver obtained from a training set using the segmentation approach. Morphological watershed algorithm is used as a key technique as it is a simple and intuitive method, producing a complete division of the image in separated regions even if the contrast is poor, and it is fast, with possibility for parallel implementation. To overcome the over-segmentation problem of the watershed process, image preprocessing and post-processing are applied. Morphological smoothing, Gaussian smoothing, intensity thresholding, gradient computation and gradient thresholding are proposed for preprocessing with morphological and graph based region adjacent list constructed for region merging. A new integrated region similarity function is also defined for region merging control. The proposed method produces good isolation of liver in axial MRI images of the abdomen, as is shown in this paper.     

一种基于高斯混合模型的快速水平集图像分割方法

水平集方法(LSM)图像分割的本质是求解一个随时间变化的偏微分方程,而使用变分法求解此水平集方程(LSE)往往要耗费过多的计算时间。为了减少算法的运行时间,提出了一种快速水平集图像分割算法。该算法在模糊聚类水平集方法(FCM-LSM)的基础上使用高斯混合模型(GMM)改造其隶属度损失函数,并利用离散网格Boltzmann方法(LBM)求解水平集方程。实验结果表明:本文提出的算法无论是在执行效率上还是在分割效果上都优于传统方法,证明了算法的可行性。     

基于狄利克雷分布和参数分析的高斯混合模型图像分割算法

传统的高斯混合模型对于含有噪声的图像不能进行有效的分割。针对有噪声图像的分割问题,提出了一种基于狄利克雷分布和参数分析的高斯混合模型图像分割算法。首先采用高斯函数对像素计算先验概率值,然后采用狄利克雷分布和定律关联像素间的邻域信息,并利用梯度下降法优化参数。实验结果表明,本文算法对无噪声和有噪声图像的分割结果比传统方法更有效,误分率更低。     

物体三维断层点云重建的光幕测量方法

针对嵌入式点云显示的复杂性、运算效率低、算法理论少、应用少等问题,提出了一种物体三维断层点云重建方法。该方法通过断层信息和长度信息重建物体的三维点云,通过收集光幕传感器的测量信息得到物体的断层信息,若物体倾斜,则采用几何方法对断层信息进行校正,采用坐标相移将二维断层信息重建为三维点云。开发了基于FPGA的双光幕测量系统,实验结果表明,三维断层点云重建方法可以准确地显示物体的点云轮廓。该算法简单有效,执行效率高,为嵌入式点云应用提供了理论基础。     

基于二次插值教学优化的化工动态参数估计方法

动态参数估计问题的有效求解对于化工过程精确建模具有重要意义。针对动态参数估计问题,通过将二次插值算子引入到教学优化（TLBO）算法来加强其局部搜索能力,提出了二次插值教学优化（TLBO-QI）算法。此外,将TLBO-QI用于3个化工过程动态参数估计问题的求解,并与TLBO、蜂群优化以及粒子群优化进行了对比,计算结果表明了TLBO-QI可以获取精度更好的解。     

Evolutionary and Neural Computing Based Decision Support System for Disease Diagnosis from Clinical Data Sets in Medical Practice

As a recent trend, various computational intelligence and machine learning approaches have been used for mining inferences hidden in the large clinical databases to assist the clinician in strategic decision making. In any target data the irrelevant information may be detrimental, causing confusion for the mining algorithm and degrades the prediction outcome. To address this issue, this study attempts to identify an intelligent approach to assist disease diagnostic procedure using an optimal set of attributes instead of all attributes present in the clinical data set. In this proposed Application Specific Intelligent Computing (ASIC) decision support system, a rough set based genetic algorithm is employed in pre-processing phase and a back propagation neural network is applied in training and testing phase. ASIC has two phases, the first phase handles outliers, noisy data, and missing values to obtain a qualitative target data to generate appropriate attribute reduct sets from the input data using rough computing based genetic algorithm centred on a relative fitness function measure. The succeeding phase of this system involves both training and testing of back propagation neural network classifier on the selected reducts. The model performance is evaluated with widely adopted existing classifiers. The proposed ASIC system for clinical decision support has been tested with breast cancer, fertility diagnosis and heart disease data set from the University of California at Irvine (UCI) machine learning repository. The proposed system outperformed the existing approaches attaining the accuracy rate of 95.33%, 97.61%, and 93.04% for breast cancer, fertility issue and heart disease diagnosis.     

Diabetic Retinopathy Diagnosis from Retinal Images Using Modified Hopfield Neural Network

Disease diagnosis from medical images has become increasingly important in medical science. Abnormality identification in retinal images has become a challenging task in medical science. Effective machine learning and soft computing methods should be used to facilitate Diabetic Retinopathy Diagnosis from Retinal Images. Artificial Neural Networks are widely preferred for Diabetic Retinopathy Diagnosis from Retinal Images. It was observed that the conventional neural networks especially the Hopfield Neural Network (HNN) may be inaccurate due to the weight values are not adjusted in the training process. This paper presents a new Modified Hopfield Neural Network (MHNN) for abnormality classification from human retinal images. It relies on the idea that both weight values and output values can be adjusted simultaneously. The novelty of the proposed method lies in the training algorithm. In conventional method, the weights remain fixed but the weights are changing in the proposed method. Experimental performed on the Lotus Eye Care Hospital containing 540 images collected showed that the proposed MHNN yields an average sensitivity and specificity of 0.99 and accuracy of 99.25%. The proposed MHNN is better than HNN and other neural network approaches for Diabetic Retinopathy Diagnosis from Retinal Images.     

一种基于Petri网的服务组合流程分析方法

虽然业务流程执行语言（BPEL）有很多特征使它适合组合流程的描述,但它缺乏形式化语义,从而不能对组合流程进行严格的分析和验证。本文提出了一种基于Petri网的BPEL语言所对应的组合流程分析方法。应用Petri网来描述BPEL所定义的组合流程,描述组合流程的基本活动及它们之间关系,进而分析了组合流程结构上的合理性。通过实例网的构建,给出了流程可组合性的判定定理,并提出减少服务搜索空间的算法。最后,应用具体实例模拟组合流程的分析过程,展示了该方法的有效性。