导读:本文包含了混合智能计算论文开题报告文献综述、选题提纲参考文献，主要关键词:算法,智能,神经网络,量子,免疫,通流,航路。
混合智能计算论文文献综述写法
庄丽艳[1]（2015）在《混合智能计算方法及其应用分析》一文中研究指出分别从混合智能计算系统研究的主要扩充内容、混合智能计算方法的实际应用、混合智能算法的展望这叁方面对混合智能计算方法进行研究。(本文来源于《现代工业经济和信息化》期刊2015年15期）
刘铭[2]（2014）在《若干混合智能计算方法及应用研究》一文中研究指出本文对于若干混合智能计算方法进行了理论阐述及其相关的应用研究，并着重探讨了基于GA-BP算法的冠心病无创性诊断问题，基于GA-BP-PSO算法的地质灾害危险性评价问题，基于GRA-BRLMBP算法和MIV-BPSVM算法的森林火灾预测问题，以及基于GA-SVR算法的淀粉价格预测问题。具体内容包括：1.针对冠心病无创性诊断问题，将遗传算法和BP神经网络算法混合，提出了GA-BP算法。该算法在快速得到全局准最优解的同时，避免了BP神经网络算法容易陷入局部最优解的问题。2.针对地质灾害危险性评价问题，将遗传算法、BP神经网络算法和粒子群算法混合，提出了GA-BP-PSO算法。该算法提高了BP神经网络算法的收敛速度，更好的解决了地质灾害危险性评价问题。3.针对森林火灾预测问题，将灰色系统、贝叶斯正则化L-M算法、BP神经网络算法、平均影响值算法和支持向量机算法混合，分别提出了GRA-BRLMBP算法和MIV-BPSVM算法。GRA-BRLMBP采用灰色关联法对森林火灾影响因子进行择优筛选，然后采用贝叶斯正则化L-M算法在BP神经网络算法中进行迭代，可以有效地提高网络收敛速度，防止结果陷入局部最优；与GRA-BRLMBP算法不同，MIV-BPSVM算法采用MIV-BP神经网络算法进行择优筛选森林火灾影响因子，然后采用SVM算法对森林火灾预测分析，提高了该问题的结果精度。两种算法都很好的解决了森林火灾预测问题。4.针对淀粉价格预测问题，将遗传算法和支持向量机回归算法相混合，提出了GA-SVR算法。该算法采用遗传算法对SVR算法参数寻优，减少迭代次数，具有较好的泛化能力，在淀粉价格预测问题中取得了较好的应用效果。(本文来源于《吉林大学》期刊2014-12-01）
程国建,马微,刘烨,魏新善,荣春龙[3]（2014）在《基于混合降维Elman神经网络的砂岩储层物性参数智能计算研究》一文中研究指出针对实验室测定岩石储层物性参数在实际应用中的成本问题,提出一个基于混合降维Elman神经网络的砂岩储层物性参数计算的智能方法。首先利用灰色关联分析对岩石薄片特征参数与其物性参数进行关联度计算,优选关联度较高的若干参数;其次使用主成分分析对选出的特征参数二次降维,最后应用Elman神经网络寻找岩石薄片特征参数与其物性参数之间的映射关系。选取鄂尔多斯盆地吴旗地区薛岔区块延长组储层砂岩样本的薄片鉴定与物性分析数据对方法进行测试,实验结果表明,计算得到的孔隙度与渗透率平均相对误差分别为7.28%和6.25%,混合降维方法在收敛速度和计算精度方面也得到提高。因此,基于混合降维Elman神经网络方法能够利用成本较低的岩石薄片相关资料快速并准确地计算砂岩储层物性参数,具有较高的可靠性、实用性以及应用前景。(本文来源于《科学技术与工程》期刊2014年03期）
王国栋,李明,邓志东[4]（2008）在《新混合智能计算法在UCAV航路规划中的应用》一文中研究指出无人作战飞机(UCAV)出航执行对地攻击(或侦察)任务,若事先针对敌方防御区内的威胁部署和目标的分布情况,就飞行航路进行整体规划设计,则可以综合减小被敌方发现和反击的可能性,最大限度地降低耗油量,从而显着提高其执行任务的成功率。在对进化算法研究的基础上,将用于解决旅行商问题(TSP)的进化算法加以改进,引入优秀个体保护法和模拟退火的策略思想,借以克服进化算法固有的易陷于局部最优的早熟现象,然后运用于UCAV的航路规划。实验结果表明,改进的混合智能计算方法简易而有效,寻优效果明显优于常规进化算法,规划出的航路能够满足UCAV飞行任务规划的综合需要。(本文来源于《火力与指挥控制》期刊2008年09期）
高慧[5]（2008）在《基于混合智能计算的城市交通流预测研究》一文中研究指出近些年来,随着智能交通系统(ITS)的蓬勃发展,智能交通控制与诱导系统已经成为ITS研究的热门核心课题。而实现交通流诱导系统的关键问题是实时准确的交通流量预测,即如何有效地利用实时交通数据信息去滚动预测未来几分钟内的交通状况。随着时间跨度的缩短,交通流显示出来的非线性、时变性、不确定性越来越强,历史平均模型、时间序列模型、卡尔曼滤波模型、非参数回归模型、神经网络模型、组合预测模型等这些传统预测模型的预测效果和预测精度不甚理想,需要提出新的模型。课题以城市道路网络中典型的干线多路口路段为研究对象,深入研究了城市短时交通流的特点,将智能计算领域中的两种基本方法:人工神经网络和全局优化算法相结合,建立混合智能计算的城市交通流预测模型。在深入研究神经网络的基础之上,建立神经网络结构模型,针对其结构特点,应用优化算法对其进行优化,完成了基于混合智能计算的交通流预测。其中基于变异粒子群优化的Elman神经网络模型的仿真效果最好,该模型在分析常规粒子群优化算法的基础上,针对典型干线多路口交通流量特性,采用动态回归神经网络,建立了交通流预测模型。该模型的自联结构使其对历史状态的数据具有敏感性,内部反馈网络的加入增加了网络本身处理动态信息的能力,从而达到了动态建模的目的,能够更生动、更直接地反映系统的动态特性。同时引进一种带变异因子的改进的粒子群优化算法,对该模型的权值和承接层的初始值进行优化,使网络结构达到最优,该算法采用判断最优值为局部最优值或全局最优值,对局部最优值进行变异,使其跳出局部收敛范围,从而解决了常规粒子群算法易陷入局部极小值,产生“早熟”的缺陷问题。利用济南东西方向主干道——经十路的实测数据,进行间隔为5min的短时交通流量预测。其中,取一多路口路段为研究对象,建立了该路段某时间段内的流量、速度、占有率数据库。通过Matlab软件编程对建立的模型进行仿真,并与多种前向型神经网络模型、反馈型神经网络模型、基于遗传算法的混合神经网络模型以及基于传统粒子群优化的混合神经网络模型的预测效果进行了对比,结果表明,基于变异粒子群优化的Elman神经网络预测模型,根据历史数据进行学习的速度与精度高,算法简洁、收敛速度快,可作为实用的短时城市道路预测模型应用于工程实践。课题的创新之处在于将反馈型神经网络与变异粒子群优化算法相结合,建立混合智能计算的预测模型,该模型网络结构简单,容易实现,特别适合于城市短时交通流的预测;较前馈神经网络具有更优越的动态特性,达到了动态建模的目的;同时采用变异粒子群算法对网络结构进行优化,训练简洁,学习收敛速度快,较遗传算法简单易实现,且解决了传统粒子群优化算法中的“早熟”问题。(本文来源于《济南大学》期刊2008-06-10）
郑金兴[6]（2007）在《基于混合智能计算的铣刀状态监测》一文中研究指出提出了一种基于混合智能融合技术进行铣刀磨损量监测和预测方法。利用多传感器对切削力和振动信号进行监测,通过频率变换提取切削力特征量,采用小波包分解技术提取振动信号特征量。通过信号特征值的组合,分别探讨了几种混合智能数据融合技术-小波神经网络,遗传神经网络,遗传小波神经网络对刀具磨损量的预测效果。实验分析表明,提出的几种基于多传感器的混合智能数据融合技术均能够有效地完成刀具磨损量监测和预测,同时对它们各自的特点进行了比较分析。(本文来源于《计算机工程与应用》期刊2007年32期）
李映[7]（2002）在《混合智能计算方法及其应用》一文中研究指出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迭加态，因此能够表示出解的线性迭加态，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，引入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问题时，产生了令人满意的分割结果，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1叮刁邑电心卜月呼书眺人学们卜创七学亡比今仑李忆征进行识别。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。 5.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。(本文来源于《西安电子科技大学》期刊2002-10-01）
混合智能计算论文开题报告范文
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文对于若干混合智能计算方法进行了理论阐述及其相关的应用研究，并着重探讨了基于GA-BP算法的冠心病无创性诊断问题，基于GA-BP-PSO算法的地质灾害危险性评价问题，基于GRA-BRLMBP算法和MIV-BPSVM算法的森林火灾预测问题，以及基于GA-SVR算法的淀粉价格预测问题。具体内容包括：1.针对冠心病无创性诊断问题，将遗传算法和BP神经网络算法混合，提出了GA-BP算法。该算法在快速得到全局准最优解的同时，避免了BP神经网络算法容易陷入局部最优解的问题。2.针对地质灾害危险性评价问题，将遗传算法、BP神经网络算法和粒子群算法混合，提出了GA-BP-PSO算法。该算法提高了BP神经网络算法的收敛速度，更好的解决了地质灾害危险性评价问题。3.针对森林火灾预测问题，将灰色系统、贝叶斯正则化L-M算法、BP神经网络算法、平均影响值算法和支持向量机算法混合，分别提出了GRA-BRLMBP算法和MIV-BPSVM算法。GRA-BRLMBP采用灰色关联法对森林火灾影响因子进行择优筛选，然后采用贝叶斯正则化L-M算法在BP神经网络算法中进行迭代，可以有效地提高网络收敛速度，防止结果陷入局部最优；与GRA-BRLMBP算法不同，MIV-BPSVM算法采用MIV-BP神经网络算法进行择优筛选森林火灾影响因子，然后采用SVM算法对森林火灾预测分析，提高了该问题的结果精度。两种算法都很好的解决了森林火灾预测问题。4.针对淀粉价格预测问题，将遗传算法和支持向量机回归算法相混合，提出了GA-SVR算法。该算法采用遗传算法对SVR算法参数寻优，减少迭代次数，具有较好的泛化能力，在淀粉价格预测问题中取得了较好的应用效果。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
混合智能计算论文参考文献
[1].庄丽艳.混合智能计算方法及其应用分析[J].现代工业经济和信息化.2015
[2].刘铭.若干混合智能计算方法及应用研究[D].吉林大学.2014
[3].程国建,马微,刘烨,魏新善,荣春龙.基于混合降维Elman神经网络的砂岩储层物性参数智能计算研究[J].科学技术与工程.2014
[4].王国栋,李明,邓志东.新混合智能计算法在UCAV航路规划中的应用[J].火力与指挥控制.2008
[5].高慧.基于混合智能计算的城市交通流预测研究[D].济南大学.2008
[6].郑金兴.基于混合智能计算的铣刀状态监测[J].计算机工程与应用.2007
[7].李映.混合智能计算方法及其应用[D].西安电子科技大学.2002