国家自然科学基金(61104039)
- 作品数：4 被引量：19H指数：2
- 相关作者：李明吴楠雷萌叶宾董亮更多>>
- 相关机构：中国矿业大学河北出入境检验检疫局唐山学院更多>>
- 发文基金：国家自然科学基金国家教育部博士点基金教育部“新世纪优秀人才支持计划”更多>>
- 相关领域：自动化与计算机技术理学自然科学总论更多>>
- 煤粒度对煤质近红外定量分析模型的影响被引量：8
- 2013年
- 为了减少因煤样粒度而产生的光谱采集误差,研究0.2,1,3和13mm粒度等级下的煤质近红外分析模型。采用PCA方法提取特征信息,建立基于GA-BP和GA-Elman神经网络算法的定量分析模型。实验结果表明,经数据归一化与多元散射校正预处理后,0.2mm粒度等级的光谱与煤炭标准之间的相关性最强,模型的学习精度最高;经平滑处理后1mm粒度等级的分析结果最佳。平滑法对特征谱峰不明显的光谱的预处理效果较差,多元散射校正方法的适用性最强。在0.2mm粒度等级下原光谱的信息准确度最高,1和3mm其次,13mm最差。煤样粒度越大,光谱的不稳定因素越多,从而导致分析模型的负面影响增加。
- 雷萌李明吴楠李颖娜程玉虎
- 关键词：近红外光谱分析技术光谱预处理
- 混合粒子群算法求解单机批调度问题被引量：2
- 2014年
- 设计了一种混合粒子群算法(Hybrid Particle Swarm Optimization,HPSO)以求解基于工件动态到达的最小化最大拖期时间单机批调度问题。该算法在标准粒子群算法的基础上引入了惯性权重正弦调整,以改善标准粒子群算法的收敛速度和全局收敛性,然后采用自适应变异全局极值算法增强粒子群优化算法跳出局部最优解的能力,防止算法陷入局部最优。应用改进的算法对实验设计问题进行求解,证明了改进算法的有效性。
- 常俊林孟彦军王庆叶宾
- 关键词：粒子群算法惯性权重
- 基于神经网络集成的挥发分近红外回归模型被引量：10
- 2013年
- 针对煤炭光谱特征信息分散的现象,提出了基于神经网络集成的挥发分近红外回归模型.该模型引入集成学习的思想,综合SOM,RBF,BP和Elman神经网络学习算法的优势,通过求各子模型的输出均值获得最终的预测结果.为了减小因算法参数设置不当而引起的学习误差,根据各网络算法的特点,利用经验知识、交叉验证和遗传算法优化模型参数.研究结果表明:经相同算法优化后,集成学习模型的性能明显优于单一神经网络,其最大误差小于3%,比单一神经网络小1～2倍.该方法有效地提高了模型的学习精确度,且具有较好的泛化性,适用于复杂多变的非线性煤质近红外回归问题.
- 雷萌李明吴楠董亮
- 关键词：神经网络参数优化
- 复杂网络和量子动力系统谱特性的比较研究
- 2014年
- 将复杂网络的邻接矩阵映射为量子系统的哈密顿量,使用随机矩阵理论对该哈密顿量的谱特性进行统计分析。针对谱的最近邻能级间隔分布、数目方差和形状因子等特征量的数值分析表明,当小世界网络模型中重连概率很小时,对应哈密顿量的能谱统计与经典可积量子系统的能谱特性一致;当重连概率大于某一阈值时,其能谱特性与随机矩阵理论中高斯正交系综的能谱特性类似。无标度网络的能谱最近邻能级间隔分布和形状因子也表现出与高斯正交系综能谱类似的特性。研究结果显示出复杂网络的空间拓扑结构转变和量子动力系统的时间演化特性之间具有一定的对应性。
- 叶宾许帅王雪松仇亮
- 关键词：复杂网络谱分析
