许磊
- 作品数：8 被引量：62H指数：5
- 供职机构：空军工程大学航空航天工程学院更多>>
- 相关领域：自动化与计算机技术航空宇航科学技术军事更多>>
- 粒子群优化的小波网络在飞参数据压缩中的应用被引量：1
- 2010年
- 飞参数据压缩是减少飞参数据的存储空间和传输通信流量的关键。针对飞参数据的特点,提出了一种基于粒子群优化的小波神经网络近无损压缩算法。该算法将小波网络参数作为原始数据的重构信息,在小波神经网络BP算法的基础上,引入粒子群优化算法,克服了粒子群优化算法的早熟收敛,增强了小波神经网络学习算法的全局搜索能力,提高了网络收敛速度;同时将重构误差作为启发信息,在保证较小失真度的情况下,通过粒子的迭代寻求最优的小波神经网络结构。飞参数据压缩仿真实验结果表明了算法的可行性和有效性,可以获得较高的压缩比和较小的重构误差。
- 许磊张凤鸣张曙邵芸芸
- 关键词：飞行参数近无损压缩粒子群优化小波网络
- 基于PSO神经网络的故障诊断方法研究被引量：15
- 2007年
- 将粒子群优化算法和BP算法相结合,提出了一种基于粒子群神经网络的故障诊断方法。该方法分阶段实施神经网络的训练,有效地加强了算法的全局搜索能力,采用PSO优化了传播中的权值、阈值以及网络结构。这不仅弥补了BP算法的不足,而且删除了冗余连接,提高了故障模式识别的能力。仿真结果表明该方法加快了神经网络的学习收敛速度,提高了故障模式的识别正确率,可以有效地应用于设备的故障诊断。
- 许磊张凤鸣程军
- 关键词：粒子群算法神经网络全局优化故障诊断模式识别
- 一种新的混合聚类算法被引量：1
- 2006年
- 针对模糊C均值算法与粒子群算法的不足,提出了一种基于粒子群算法和模糊C—均值算法的混合聚类算法。该算法将全局搜索和局部搜索有机结合,采用两阶段的聚类分析方法,解决了FCM算法易于陷入局部最优和PSO算法局部搜索较弱的问题。实验结果表明,该算法具有较好的有效性,增强了全局收敛能力,减小了分类错误率。
- 许磊张凤鸣
- 关键词：混合聚类粒子群优化算法
- 基于PSO的模糊聚类算法被引量：21
- 2006年
- 提出了一种基于模糊C-均值算法和粒子群算法的混合聚类算法。该算法结合PSO的全局搜索和FCM局部搜索的特点,将PSO优化聚类结果作为后续FCM算法的初始值,有效地克服了FCM对初始值敏感、易陷入局部最优和PSO算法局部搜索较弱的问题,同时增强了跳出局部最优的能力。实验表明,新算法得到的目标函数值更小,并能减小分类错误率,聚类效果优于单一使用FCM或PSO。
- 许磊张凤鸣
- 关键词：混合聚类粒子群优化算法模糊C-均值算法全局优化
- 基于粒子群优化的军事物流配送中心选址被引量：12
- 2009年
- 针对当前军事物流配送改革中配送中心选址问题,在成本最小的基础上,构建了一个混合整数规划模型,并将粒子群优化算法(PSO)引入到模型的求解中,采用离散PSO解决物流配送中心选择问题,用基本PSO解决货物运输分配问题,通过嵌套调用离散PSO和基本PSO,得到模型最优解。该方法降低了计算复杂度,有效选择了物流配送中心,优化了军事物流网络。实例表明了方法的可行性和有效性。
- 王青端木京顺许磊
- 关键词：军事物流配送中心粒子群优化算法
- 缺失飞参数据填补的组合方法研究被引量：6
- 2010年
- 针对飞参数据的特点,将B样条曲线拟合和最小二乘支持向量机相互结合,提出了一种缺失飞参数据填补的组合方法。该方法将两者优势互补,对单一方法的填补结果进行加权平均,增强了算法的可靠性,提高了数据填补的精度。对比实验的结果表明了方法的可行性和适用性。
- 许磊张凤鸣
- 关键词：最小二乘支持向量机
- 基于小生境离散粒子群优化的连续属性离散化算法被引量：6
- 2008年
- 分析了基于粗糙集理论的连续属性离散化的实质,在此基础上提出了一种基于小生境离散粒子群优化的启发式全局离散化算法。该算法结合粗糙集理论,将决策属性支持度作为决策表整体分类能力的度量,然后利用离散粒子群优化算法,以最小断点集和最大决策属性支持度为优化目标,在保持决策表分类能力不变的情况下,通过粒子的迭代寻求最优值;同时为了避免粒子在迭代过程中的早熟收敛问题,引入小生境共享机制,加强了离散粒子群算法的全局搜索能力。通过实验将本文算法与其他算法进行了比较,结果表明采用本文算法得到了较少的断点数,提高了规则的分类正确率,验证了该算法的有效性和稳定性。
- 许磊张凤鸣靳小超
- 关键词：数据挖掘离散化小生境离散粒子群优化
