發(fā)布時(shí)間：2017-04-10 12:04

  本文關(guān)鍵詞：基于人工免疫系統(tǒng)的智能融合算法研究及應(yīng)用，由筆耕文化傳播整理發(fā)布。

【摘要】：隨著信息化時(shí)代的發(fā)展,多源信息融合技術(shù)在諸多領(lǐng)域產(chǎn)生著日漸重要的影響。人工智能則是推動(dòng)信息融合發(fā)展的重要技術(shù)手段,其中人工免疫系統(tǒng)算法是繼人工神經(jīng)網(wǎng)絡(luò)和遺傳算法之后的又一個(gè)智能研究熱點(diǎn)。本文主要研究基于人工免疫系統(tǒng)的智能融合算法。 由于信息融合目前還缺乏系統(tǒng)性的基礎(chǔ)理論指導(dǎo),為了探討普遍適用信息融合問題的求解模型,本文借鑒多目標(biāo)優(yōu)化的理論和方法,提出了多目標(biāo)融合理論及其統(tǒng)一的模型描述。通過確立相應(yīng)的優(yōu)化指標(biāo),將信息融合問題轉(zhuǎn)換為對(duì)滿足多個(gè)優(yōu)化指標(biāo)結(jié)果的融合過程。本文的研究工作緊密圍繞多目標(biāo)融合理論展開,分為理論方法和應(yīng)用研究兩部分。 理論方法包括：1)人工免疫系統(tǒng)和ICSA研究。在詳細(xì)論述ICSA算法思想及克隆選擇算子的基礎(chǔ)上,實(shí)現(xiàn)了算法流程并證明了其收斂性,通過理論分析和仿真實(shí)驗(yàn)對(duì)比說明免疫算法較進(jìn)化算法機(jī)制更具優(yōu)勢。2)基于免疫機(jī)制的RBF網(wǎng)絡(luò)設(shè)計(jì)。針對(duì)傳統(tǒng)RBF網(wǎng)絡(luò)學(xué)習(xí)策略存在的不足,提出基于免疫機(jī)制的三級(jí)RBF網(wǎng)絡(luò)學(xué)習(xí)方法：采用免疫疫苗的機(jī)理在第一級(jí)得到網(wǎng)絡(luò)隱層節(jié)點(diǎn)數(shù),從而自行構(gòu)建網(wǎng)絡(luò),降低了第二級(jí)搜索空間的復(fù)雜度；第二級(jí)采用人工免疫算法多點(diǎn)搜索解空間,尋找全局最優(yōu)的隱層非線性參數(shù)；第三級(jí)采用最小二乘法估計(jì)輸出層線性參數(shù),降低了第二級(jí)設(shè)計(jì)空間的維數(shù),提高了算法效率。通過Hermit多項(xiàng)式逼近實(shí)驗(yàn)和應(yīng)用實(shí)例皆驗(yàn)證了該方法訓(xùn)練得到的RBF網(wǎng)絡(luò)性能優(yōu)越。 應(yīng)用研究包括：1)機(jī)車二系載荷融合調(diào)整方法研究。通過分析機(jī)車二系調(diào)簧問題的特點(diǎn),引入多目標(biāo)融合理論,設(shè)計(jì)了一種基于IDCMA的兩級(jí)機(jī)車二系載荷融合調(diào)整方法：將調(diào)簧問題的先驗(yàn)知識(shí)作為免疫優(yōu)勢引入算法模型中,并針對(duì)調(diào)簧中優(yōu)化指標(biāo)的偏好設(shè)計(jì)了兩級(jí)結(jié)構(gòu)的免疫調(diào)簧算法。經(jīng)實(shí)車數(shù)據(jù)驗(yàn)證,該算法較已有算法性能更優(yōu)。2)多傳感器信息融合的軌道衡稱重誤差補(bǔ)償研究。通過詳細(xì)分析軌道衡稱重誤差的來源,建立了軌道衡的稱重模型并提出了基于免疫RBF網(wǎng)絡(luò)的多傳感器信息融合軌道衡誤差補(bǔ)償方法。設(shè)計(jì)RBF網(wǎng)絡(luò)并通過免疫三級(jí)算法訓(xùn)練,實(shí)現(xiàn)了良好的軌道衡誤差補(bǔ)償效果,并通過與加權(quán)融合的誤差補(bǔ)償方法比較驗(yàn)證了免疫RBF網(wǎng)絡(luò)誤差補(bǔ)償?shù)膬?yōu)越性。以上兩個(gè)應(yīng)用研究成果均具有較高的工程應(yīng)用價(jià)值。
【關(guān)鍵詞】：信息融合 多目標(biāo)融合 人工免疫系統(tǒng) ICSA FBF網(wǎng)絡(luò) 機(jī)車二系載荷 軌道衡 誤差補(bǔ)償
【學(xué)位授予單位】：中南大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2012
【分類號(hào)】：TP18
【目錄】：

• 摘要4-6
• ABSTRACT6-11
• 第一章 緒論11-16
• 1.1 研究背景及意義11
• 1.2 人工免疫系統(tǒng)概述11-13
• 1.2.1 人工免疫系統(tǒng)理論發(fā)展及應(yīng)用12-13
• 1.2.2 人工免疫系統(tǒng)與其他智能算法的比較13
• 1.3 本文主要工作13-16
• 1.3.1 本文創(chuàng)新點(diǎn)14
• 1.3.2 本文結(jié)構(gòu)框架14-16
• 第二章 多目標(biāo)融合理論16-20
• 2.1 多目標(biāo)融合的定義16
• 2.2 多目標(biāo)融合模型16-20
• 2.2.1 數(shù)學(xué)模型16-18
• 2.2.2 融合方法基礎(chǔ)18-20
• 第三章 人工免疫系統(tǒng)與免疫克隆選擇算法20-34
• 3.1 人工免疫系統(tǒng)的生物學(xué)基礎(chǔ)20-21
• 3.1.1 生物免疫系統(tǒng)概念及組成20
• 3.1.2 免疫分類20-21
• 3.2 人工免疫系統(tǒng)算法研究21-22
• 3.2.1 人工免疫系統(tǒng)的基本概念21
• 3.2.2 人工免疫算法的基本架構(gòu)21-22
• 3.2.3 人工免疫算法的研究現(xiàn)狀22
• 3.3 免疫克隆計(jì)算的統(tǒng)一描述22-23
• 3.4 克隆選擇算子23-26
• 3.5 免疫克隆選擇算法設(shè)計(jì)及收斂性26-29
• 3.5.1 算法設(shè)計(jì)26-27
• 3.5.2 算法的收斂性27-29
• 3.6 免疫克隆選擇算法與進(jìn)化算法29-34
• 3.6.1 理論分析對(duì)比29-30
• 3.6.2 仿真實(shí)驗(yàn)對(duì)比30-34
• 第四章 基于人工免疫系統(tǒng)的RBF網(wǎng)絡(luò)設(shè)計(jì)34-45
• 4.1 神經(jīng)網(wǎng)絡(luò)和RBF網(wǎng)絡(luò)概述34
• 4.2 RBF網(wǎng)絡(luò)模型及結(jié)構(gòu)34-36
• 4.3 RBF網(wǎng)絡(luò)常用的學(xué)習(xí)策略36-38
• 4.4 基于人工免疫系統(tǒng)的RBF網(wǎng)絡(luò)設(shè)計(jì)38-41
• 4.4.1 RBF網(wǎng)絡(luò)學(xué)習(xí)策略結(jié)構(gòu)設(shè)計(jì)38-39
• 4.4.2 基于人工免疫的RBF網(wǎng)絡(luò)實(shí)現(xiàn)39-41
• 4.5 仿真實(shí)驗(yàn)41-44
• 4.6 總結(jié)44-45
• 第五章 基于人工免疫的機(jī)車二系載荷融合調(diào)整方法45-55
• 5.1 機(jī)車二系調(diào)簧的研究意義45
• 5.2 機(jī)車二系載荷調(diào)整方法概述45-48
• 5.2.1 現(xiàn)有二系調(diào)簧算法簡介45-47
• 5.2.2 調(diào)簧數(shù)學(xué)模型47-48
• 5.3 基于IDCMA的機(jī)車二系調(diào)簧算法設(shè)計(jì)48-52
• 5.3.1 算法模型48-49
• 5.3.2 免疫優(yōu)勢分析49
• 5.3.3 IDCMA算法實(shí)現(xiàn)49-52
• 5.4 IDCMA算法應(yīng)用結(jié)果及性能評(píng)價(jià)52-54
• 5.4.1 應(yīng)用結(jié)果52-53
• 5.4.2 調(diào)簧性能比較53-54
• 5.5 總結(jié)54-55
• 第六章 基于免疫RBF網(wǎng)絡(luò)的軌道衡誤差補(bǔ)償55-64
• 6.1 軌道衡稱重原理55-56
• 6.2 軌道衡稱重誤差分析56-59
• 6.2.1 傳感器非線性度引起的稱重誤差56
• 6.2.2 偏載荷引起的稱重誤差56-59
• 6.3 多傳感器信息融合的軌道衡誤差補(bǔ)償原理59
• 6.4 軌道衡誤差補(bǔ)償?shù)腞BF網(wǎng)絡(luò)設(shè)計(jì)59-60
• 6.5 軌道衡誤差補(bǔ)償實(shí)現(xiàn)60-63
• 6.5.1 軌道衡誤差補(bǔ)償?shù)拿庖逺BF網(wǎng)絡(luò)實(shí)現(xiàn)60-62
• 6.5.2 軌道衡誤差補(bǔ)償方法對(duì)比62-63
• 6.6 總結(jié)63-64
• 第七章 總結(jié)和展望64-66
• 7.1 總結(jié)64
• 7.2 展望64-66
• 參考文獻(xiàn)66-71
• 附錄 軌道衡稱重仿真實(shí)驗(yàn)數(shù)據(jù)71-73
• 致謝73-74
• 攻讀碩士期間主要研究成果74

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前4條

1 潘迪夫;朱亞男;;基于多目標(biāo)遺傳算法的機(jī)車二系支承載荷調(diào)整優(yōu)化方法[J];鐵道科學(xué)與工程學(xué)報(bào);2011年02期

2 潘迪夫,韓錕,曾亞波,楊振祥;車體稱重調(diào)簧試驗(yàn)裝置及其應(yīng)用[J];電力機(jī)車與城軌車輛;2003年05期

3 陳昌，王孝良, 秦子君;大型衡器系統(tǒng)偏載荷數(shù)字化補(bǔ)償方法的研究[J];大連理工大學(xué)學(xué)報(bào);1994年01期

4 公茂果;焦李成;楊咚咚;馬文萍;;進(jìn)化多目標(biāo)優(yōu)化算法研究[J];軟件學(xué)報(bào);2009年02期

中國博士學(xué)位論文全文數(shù)據(jù)庫 前1條

1 王磊;免疫進(jìn)化計(jì)算理論及應(yīng)用[D];西安電子科技大學(xué);2001年

  本文關(guān)鍵詞：基于人工免疫系統(tǒng)的智能融合算法研究及應(yīng)用，由筆耕文化傳播整理發(fā)布。

，

本文編號(hào)：296655