公共文化服务平台

陈海洋: 作品数：31 被引量：134H指数：7; 供职机构：西安工程大学电子信息学院更多>>; 发文基金：国家自然科学基金博士科研启动基金陕西省教育厅科研计划项目更多>>; 相关领域：自动化与计算机技术电子电信航空宇航科学技术文化科学更多>>

合作作者

基于数据修补DDBNs的空中目标识别方法研究被引量：2: 2010年; 简要分析了离散动态贝叶斯网络用于目标识别时对缺失数据处理方法的研究现状,提出了把数据修补技术用于变结构离散动态贝叶斯网络。首先在对空中目标识别模型分析的基础上,构建了一种基于数据修补的离散动态贝叶斯网络模型。进而构建了修补算法的数学模型,并给出了修补过程。待缺失数据修补完整后,再运用修正后的直接推理算法计算目标类型。通过仿真结果对比,表明该方法可以有效地提高识别系统的准确性、可靠性和鲁棒性。; 陈海洋高晓光郑景嵩; 关键词：贝叶斯估计离散动态贝叶斯网络数据修补超参数

基于改进克隆选择算法的区域交通灯配时优化被引量：7: 2020年; 为提高城市区域路网通行效率,提出一种基于改进的克隆选择算法的区域交通灯实时配时方法。该配时方法以最小化区域路网总滞留车辆数为优化目标,将交通灯状态设置问题转换成克隆选择算法搜索最优解问题,在每个单位时间根据实时车流量动态搜索出使区域路网通行能力达到最高的交通灯配时方案。为提高克隆选择算法寻优性能,提出双层动态变异算子,并对克隆抑制算子与种群刷新算子进行改进。以西安市某区域路网为仿真实验参考对象,仿真结果表明:提出的配时方法的区域路网总滞留车辆数比固定配时减少了38.93%,比基于标准遗传算法的配时方法减少了20.33%。; 陈海洋金晓磊牛龙辉刘喜庆; 关键词：区域交通交通信号配时智能交通灯克隆选择算法

小数据集下基于DRKDE-ICSO的BN结构学习: 2024年; 为了解决在小数据集条件下进行数据拓展时产生数据高度相似的问题,提出了基于降维核密度估计的小数据集拓展方法,从而得到较为准确的拓展数据。另外,针对鸡群优化算法求解效率低下和收敛性不足的问题,提出改进的鸡群优化算法进行结构学习:在雄鸡的位置更新公式中引入莱维飞行,使鸡群算法具有更强的跳跃能力;采用指数递减的动态调节惯性权重,以加速局部搜索和提高收敛速度;通过引入最优个体引导策略,增加找到较优位置的概率。实验结果表明,所提算法在小数据集条件下,BIC评分、准确率及汉明距离等指标均优于MCMC算法、BPSO算法、CSO算法、ADLCSO-I算法和SA-ICSO算法。; 陈海洋刘静刘喜庆张静

一步预测的SVDDBN缺失数据插补算法被引量：7: 2020年; 变结构离散动态贝叶斯网络(SVDDBN)处理不确定性问题更具有一般性,为了克服SVDDBN缺失数据会导致推理结果精度变差的问题,提出了一步预测的SVDDBN缺失数据插补算法。根据信息可以沿着网络的时间轴方向向下一个时间片传播的规律,利用"混合"信息在线进行信度更新,可得到滤波值,再通过进一步预测得到下一个时间片缺失数据节点的后验概率作为插补值。仿真结果表明:提出的算法能有效插补缺失数据,提高SVDDBN推理的精确度及可靠性。; 陈海洋刘喜庆环晓敏; 关键词：缺失数据

小数据集下基于改进QMAP算法的BN参数学习被引量：2: 2023年; 贝叶斯网络(bayesian network,BN)小数据集条件下,定性最大后验概率(qualitative maximum a posteriori,QMAP)估计往往会违反给定的专家约束,这就导致QMAP估计偏离真实值。为了克服该算法的缺陷,提出了一种改进的QMAP算法。首先,学习出QMAP估计,再结合保序回归方法对违反不等式约束的参数进行校正;然后使用一种微调策略对校正后的参数做进一步调整,使所得参数能够满足专家约束;最后,与最大似然估计(maximum likelihood estimation,MLE)和QMAP算法对比。仿真实验结果表明:在小数据集条件下,提出的算法满足所有约束条件,KL(Kullback-Leibler)散度始终低于其他2种算法,运行时间高于其他2种算法约0.1 s,影响甚微,且推理结果贴近真实值,偏差维持在±0.05之间。改进的QMAP算法的综合性能优于MLE、QMAP算法,并具有较好的实用性。; 陈海洋张静王露楠环晓敏; 关键词：保序回归 KL散度

基于时间窗的SVDBN近似推理算法研究: 2020年; 变结构动态贝叶斯网络(SVDBN)在处理非稳态过程的不确定问题具有其独特的优越性。为克服SVDBN推理算法不能实现在线推理的缺陷,在引入SVDBN的时间窗和时间窗宽度概念基础上,阐述了基于时间窗的SVDBN在线近似推理机制,提出了2种在线近似推理算法,即基于时间窗的变结构离散动态贝叶斯网络(SVDDBN)递推推理算法和基于时间窗的SVDDBN快速推理算法。通过仿真实验验证了这2种算法的有效性,并从复杂度、适用范围及更新时间等方面进行了比较。; 陈海洋柴冰王瑞兰曹璐; 关键词：信息传播时间窗

基于多策略融合灰狼算法的移动机器人路径规划被引量：1: 2024年; 针对标准灰狼算法(GWO)在解决移动机器人路径规划问题时存在初始参数依赖性强、缺乏多样性及易陷入局部极值的缺陷,提出一种基于多策略融合灰狼算法(LTGWO)。首先运用精英化思想将Logistic-Tent复合混沌映射与反向学习结合,优化灰狼种群分布序列;然后引入sigmoid函数修改收敛因子a,平衡算法全局探索与局部开发能力,并改进控制参数C以更好地拟合灰狼实际捕猎过程;最后加入随适应度值变化的比例权重,提高灰狼个体搜索能力,同时采用种群淘汰策略,淘汰适应度值差的个体,促进种群进化。选用3组不同的栅格地图进行实验,实验结果表明:由LTGWO算法生成的平均路径长度、路径长度标准差都优于对比算法。; 黄琦陈海洋刘妍都威; 关键词：路径规划移动机器人

一种基于任务分配协调策略与粒子群算法的任务分配方法: 本发明公开了一种基于任务分配协调策略与粒子群算法的任务分配方法，包括以下步骤：1)利用粒子群算法优化分配半径，得到初始分配结果；2)运用协调策略对初始分配结果进行调整，完成第一次分配；3)重复步骤1)‑2)，对未分配任务...; 陈海洋阳杰牛龙辉

小数据集下基于修正乘性协同约束的BN参数学习: 2023年; 在一些特定情况下,获取充足样本十分困难,导致最大似然估计算法学习到的BN参数精度往往较低,并且一些实际应用领域中已涉及多父节点协同影响约束的问题。对此,通过借鉴PAVA保序回归算法思想,提出了一种小数据集下基于修正乘性协同约束的BN参数学习方法。首先,判断已知样本数据中多父节点部分的参数是否满足乘性协同约束;其次,把不满足乘性协同约束的左右两边划分为整体,用PAVA算法分别对其进行调整,针对调整后的整体,根据不同父节点组合状态对应的样本数据量,给出3种权值不同的校正方法,对每个参数进行修正,得到最终参数学习结果;最后,运用经典草地湿润网络模型对提出的方法进行仿真验证。研究结果表明,在小数据集条件下,提出的方法不仅满足了乘性协同约束,而且KL散度始终低于其他2种方法,但运行时间略高于其他2种方法约1×10-3s,影响甚微。总体上,所提算法的综合性能优于其他2种方法。; 任智芳陈海洋环晓敏尚珊珊; 关键词：贝叶斯网络

基于混合改进鸟群算法的贝叶斯网络结构学习被引量：5: 2021年; 针对贝叶斯网络结构学习中寻优效率低下、易陷入局部最优的缺陷,提出了一种基于混合改进鸟群算法的贝叶斯网络结构学习算法。首先,通过互信息约束算法迭代初始网络;其次,改进鸟群算法,在经典鸟群算法中加入自适应惯性权重,随着迭代次数的增加动态调整搜索空间、改变收敛速度;最后,将改进的鸟群算法作为搜索策略,进行贝叶斯网络结构寻优。实验结果表明:改进的算法在寻优过程中不仅有较好的准确率和较快的收敛速度,而且具有良好的全局寻优能力。; 陈海洋张娜; 关键词：贝叶斯网络互信息

陈海洋

合作作者

文献类型

领域

主题

机构

作者

传媒

年份

用户反馈

陈海洋

合作作者

文献类型

领域

主题

机构

作者

传媒

年份

用户登录

用户反馈