本文關(guān)鍵詞： 粒子群 精英 相交基學(xué)習(xí) 重構(gòu)初始化 神經(jīng)網(wǎng)絡(luò) 出入境貨物風(fēng)險(xiǎn)評價(jià)　出處：《北京林業(yè)大學(xué)》2015年碩士論文　論文類型：學(xué)位論文

【摘要】：隨著經(jīng)濟(jì)貿(mào)易的快速發(fā)展,貿(mào)易量的大幅增加給出入境貨物抽檢帶來挑戰(zhàn),原先采取的人工均勻隨機(jī)布控抽檢耗費(fèi)人力物力,且不能有效甄別出不合格產(chǎn)品。考慮到布控抽檢所要求的更高速度、更高精準(zhǔn)度,給出出入境貨物風(fēng)險(xiǎn)評價(jià)系統(tǒng)以實(shí)現(xiàn)智能化抽檢。作者提出基于相交基學(xué)習(xí)的重構(gòu)型精英粒子群算法訓(xùn)練神經(jīng)網(wǎng)絡(luò)以優(yōu)化出入境貨物系統(tǒng)的風(fēng)險(xiǎn)評價(jià)精準(zhǔn)度。作者以粒子群算法為研究對象,提出基于相交基學(xué)習(xí)的重構(gòu)型精英集粒子群算法,作為核心訓(xùn)練神經(jīng)網(wǎng)絡(luò),從而實(shí)現(xiàn)并且優(yōu)化出入境貨物系統(tǒng)中對出入境貨物的風(fēng)險(xiǎn)評價(jià)、預(yù)測,以滿足出入境貨物系統(tǒng)中對出入境貨物抽檢的智能化需求。該文提出三種改進(jìn)策略,包括：通過對生物種群中精英群體的數(shù)學(xué)仿生,給出粒子群算法關(guān)鍵參數(shù)個體學(xué)習(xí)、社會分享系數(shù)的動態(tài)調(diào)整策略；為克服算法因陷入局部最優(yōu)而停滯的問題引入重構(gòu)概念；通過引入相交基學(xué)習(xí)算法用于粒子群算法的初始化,以防止因隨機(jī)初始化而導(dǎo)致的不穩(wěn)定問題。該文選取了不同學(xué)習(xí)拓?fù)浣Y(jié)構(gòu)的三種改進(jìn)粒子群算法,與所提出基于相交基學(xué)習(xí)的重構(gòu)型精英集粒子群算法進(jìn)行比對研究：包括其收斂速度、魯棒性、穩(wěn)定區(qū)域。最后對出入境貨物風(fēng)險(xiǎn)問題及系統(tǒng)框架進(jìn)行闡述并利用基于相交基學(xué)習(xí)的重構(gòu)型精英集粒子群算法訓(xùn)練神經(jīng)網(wǎng)絡(luò),與其他三種神經(jīng)網(wǎng)絡(luò)進(jìn)行系統(tǒng)比對試驗(yàn),證實(shí)其在出入境貨物風(fēng)險(xiǎn)評價(jià)中的可行性及更優(yōu)精準(zhǔn)度。
[Abstract]:With the rapid development of economy and trade, the large increase of trade volume brings challenges to the inspection of inbound and outbound goods. And can not effectively identify substandard products. Considering the higher speed and higher precision required by the sampling inspection of cloth control. This paper presents a risk assessment system for inbound and outbound cargo to realize intelligent random check. The author proposes a reconfigurable elite particle swarm optimization algorithm based on intersecting basis learning to train neural network to optimize the accuracy of risk evaluation in the cargo system. Particle Swarm Optimization (PSO) is the object of study. A reconfigurable elite particle swarm optimization algorithm based on intersecting basis learning is proposed to train neural network as the core to realize and optimize the risk evaluation and prediction of entry and exit cargo in the system of entry and exit cargo. In order to meet the intelligent demand of the immigration and entry cargo system, this paper puts forward three improved strategies, including the mathematical bionics of the elite group in the biological population. The key parameters of particle swarm optimization (PSO), individual learning and social sharing coefficient, are dynamically adjusted. The concept of reconstruction is introduced to overcome the stagnation of the algorithm due to local optimization. In order to prevent the instability caused by random initialization, three kinds of improved particle swarm optimization (PSO) algorithms with different learning topologies are selected by introducing intersecting basis learning algorithm to initialize particle swarm optimization (PSO). Compared with the proposed reconfigurable elite particle swarm optimization algorithm based on intersecting basis learning, including its convergence speed and robustness. Finally, the risk problem and system framework of inbound and outbound cargo are expounded, and the neural network is trained by the reconstructed elite particle swarm optimization algorithm based on intersecting basis learning. Compared with the other three neural networks, the feasibility and better accuracy of the neural network in the risk assessment of inbound and outbound cargo are verified.
【學(xué)位授予單位】：北京林業(yè)大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2015
【分類號】：F752.5;TP18

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 張曉明;王儒敬;;一種帶逆反的粒子群算法[J];計(jì)算機(jī)科學(xué);2006年10期

2 柳伯超;秦茂玲;劉弘;;改進(jìn)粒子群算法在貨物裝載中的應(yīng)用[J];信息技術(shù)與信息化;2006年05期

3 吳軍;李為吉;;改進(jìn)的粒子群算法及在結(jié)構(gòu)優(yōu)化中的應(yīng)用[J];陜西理工學(xué)院學(xué)報(bào)(自然科學(xué)版);2006年04期

4 鄧偉林;胡桂武;;粒子群算法研究與展望[J];現(xiàn)代計(jì)算機(jī);2006年11期

5 陳健;劉同玉;;混合區(qū)間粒子群算法[J];系統(tǒng)工程理論方法應(yīng)用;2006年06期

6 王芳;雷開友;邱玉輝;;一種粒子群算法的多樣性策略研究[J];計(jì)算機(jī)科學(xué);2006年01期

7 車林仙;;基于粒子群算法的混沌系統(tǒng)快速控制[J];瀘州職業(yè)技術(shù)學(xué)院學(xué)報(bào);2006年03期

8 單汨源;吳娟;吳亮紅;劉瓊;;基于改進(jìn)粒子群算法的資源受限項(xiàng)目進(jìn)度研究[J];計(jì)算機(jī)工程與應(yīng)用;2007年15期

9 童楠;符強(qiáng);;一種域自適應(yīng)型的粒子群算法[J];計(jì)算機(jī)與現(xiàn)代化;2007年05期

10 楊瑩;;改進(jìn)的混合粒子群算法[J];煤炭技術(shù);2007年05期

相關(guān)會議論文 前10條

1 朱童;李小凡;魯明文;;位置加權(quán)的改進(jìn)粒子群算法[A];中國科學(xué)院地質(zhì)與地球物理研究所第11屆（2011年度）學(xué)術(shù)年會論文集(上)[C];2012年

2 陳定;何炳發(fā);;一種新的二進(jìn)制粒子群算法在稀疏陣列綜合中的應(yīng)用[A];2009年全國天線年會論文集（上）[C];2009年

3 陳龍祥;蔡國平;;基于粒子群算法的時滯動力學(xué)系統(tǒng)的時滯辨識[A];第十二屆全國非線性振動暨第九屆全國非線性動力學(xué)和運(yùn)動穩(wěn)定性學(xué)術(shù)會議論文集[C];2009年

4 于穎;李永生;於孝春;;新型離散粒子群算法在波紋管優(yōu)化設(shè)計(jì)中的應(yīng)用[A];第十一屆全國膨脹節(jié)學(xué)術(shù)會議膨脹節(jié)設(shè)計(jì)、制造和應(yīng)用技術(shù)論文選集[C];2010年

5 劉卓倩;顧幸生;;一種基于信息熵的改進(jìn)粒子群算法[A];系統(tǒng)仿真技術(shù)及其應(yīng)用（第7卷）——'2005系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)交流會論文選編[C];2005年

6 熊偉麗;徐保國;;粒子群算法在支持向量機(jī)參數(shù)選擇優(yōu)化中的應(yīng)用研究[A];2007中國控制與決策學(xué)術(shù)年會論文集[C];2007年

7 方衛(wèi)華;徐蘭玉;陳允平;;改進(jìn)粒子群算法在大壩力學(xué)參數(shù)分區(qū)反演中的應(yīng)用[A];2012年中國水力發(fā)電工程學(xué)會大壩安全監(jiān)測專委會年會暨學(xué)術(shù)交流會論文集[C];2012年

8 熊偉麗;徐保國;;單個粒子收斂中心隨機(jī)攝動的粒子群算法[A];2009年中國智能自動化會議論文集（第七分冊）[南京理工大學(xué)學(xué)報(bào)（增刊）][C];2009年

9 馬向陽;陳琦;;以粒子群算法求解買賣雙方存貨主從對策[A];第十二屆中國管理科學(xué)學(xué)術(shù)年會論文集[C];2010年

10 趙磊;;基于粒子群算法求解多目標(biāo)函數(shù)優(yōu)化問題[A];第二十一屆中國（天津）’2007IT、網(wǎng)絡(luò)、信息技術(shù)、電子、儀器儀表創(chuàng)新學(xué)術(shù)會議論文集[C];2007年

相關(guān)博士學(xué)位論文 前10條

1 王芳;粒子群算法的研究[D];西南大學(xué);2006年

2 安鎮(zhèn)宙;家庭粒子群算法及其奇偶性與收斂性分析[D];云南大學(xué);2012年

3 劉建華;粒子群算法的基本理論及其改進(jìn)研究[D];中南大學(xué);2009年

4 黃平;粒子群算法改進(jìn)及其在電力系統(tǒng)的應(yīng)用[D];華南理工大學(xué);2012年

5 胡成玉;面向動態(tài)環(huán)境的粒子群算法研究[D];華中科技大學(xué);2010年

6 張靜;基于混合離散粒子群算法的柔性作業(yè)車間調(diào)度問題研究[D];浙江工業(yè)大學(xué);2014年

7 張寶;粒子群算法及其在衛(wèi)星艙布局中的應(yīng)用研究[D];大連理工大學(xué);2007年

8 劉宏達(dá);粒子群算法的研究及其在船舶工程中的應(yīng)用[D];哈爾濱工程大學(xué);2008年

9 楊輕云;約束滿足問題與調(diào)度問題中離散粒子群算法研究[D];吉林大學(xué);2006年

10 馮琳;改進(jìn)多目標(biāo)粒子群算法的研究及其在電弧爐供電曲線優(yōu)化中的應(yīng)用[D];東北大學(xué);2013年

相關(guān)碩士學(xué)位論文 前10條

1 張?zhí)m;量子粒子群算法及其應(yīng)用[D];西北大學(xué);2010年

2 隨聰慧;粒子群算法的改進(jìn)方法研究[D];西南交通大學(xué);2010年

3 董銀麗;一種新的交叉粒子群算法及其應(yīng)用[D];西安電子科技大學(xué);2006年

4 馬楠楠;基于粒子群算法的化工過程優(yōu)化及其應(yīng)用[D];北京化工大學(xué);2008年

5 徐青鶴;改進(jìn)粒子群算法及其應(yīng)用研究[D];杭州電子科技大學(xué);2009年

6 郭香軍;粒子群算法的改進(jìn)研究[D];燕山大學(xué);2012年

7 鐘帥;基于粒子群算法的微博用戶影響力研究[D];華中科技大學(xué);2012年

8 方群;多目標(biāo)拆卸線平衡問題的改進(jìn)粒子群算法研究[D];西南交通大學(xué);2014年

9 朱偉豐;改進(jìn)粒子群算法最優(yōu)路徑的研究[D];重慶師范大學(xué);2014年

10 孟令群;混沌粒子群算法在河流水質(zhì)模型參數(shù)識別中的應(yīng)用[D];長安大學(xué);2009年

，

本文編號：1467564