向昌盛 作品数:47 被引量:260 H指数:10 供职机构: 湖南工程学院 更多>> 发文基金: 湖南省教育厅科研基金 国家自然科学基金 湖南省自然科学基金 更多>> 相关领域: 自动化与计算机技术 生物学 经济管理 文化科学 更多>>
一种基于遗传算法的生物多序列比对方法 被引量:1 2008年 分析传统遗传算法、模拟退火算法,并将两者有机结合,提出了一种新型的基于遗传模拟退火的多序列比火算法,并通过程序与经典的比对算法进行比较分析,结果表明,本算法是可行的,有效的. 向昌盛 周建军 周子英 姚芹英关键词:多序列比对 遗传算法 模拟退火算法 模拟退火遗传算法在生物多序列比对中的应用研究 序列比对是生物信息学中一项重要的基础性研究课题,最基本任务之一是进行多序列比对,目前还没有一个通用且最佳的多序列比对算法。本文提出使用遗传算法和模拟退火算法相结合来解决多序列比对问题,并对此进行了深入研究和探讨,主要研究... 向昌盛关键词:多序列比对 模拟退火算法 遗传算法 模拟退火遗传算法 文献传递 混沌时间序列预测模型参数的联合优化 被引量:5 2011年 为了提高混沌时间序列预测模型的预测精度,提出了一种相空间重构和最小二乘支持向量机(LSSVM)参数的联合优化方法.联合优化方法的核心思想是首先采用均匀设计对相空间重构和LSSVM参数进行联合设计,然后采用自调用LSSVM进行参数联合优化,最后利用混沌时间序列对联合优化方法进行验证性测试.实验结果表明,联合优化方法预测精度明显优于其它优化方法,且优化速度更快. 向昌盛 袁哲明 周子英关键词:混沌时间序列 相空间重构 支持向量机 均匀设计 生物信息学中基于启发式的多序列比对算法 2006年 序列比对是生物信息学中一项重要的基础性研究课程,其基本任务之一就是进行多重序列比对,但是如何优化多重序列比对算法目前生物信息学面临的一个核心课题,本文介绍了多重序列比对研究所涉及的基本问题,对当前多重序列比对启发式算法的几种经典算法进行描述,并对多重序列比对算法的前景进行了展望。 向昌盛 周建军关键词:遗传算法 启发式算法 ARIMA与SVM组合模型在害虫预测中的应用 被引量:15 2010年 害虫发生是一种复杂、动态时间序列数据,单一预测模型都是基于线性或非线性数据,不能同时捕捉害虫发生的线性和非线性规律,很难达到理想的预测精度。本研究首先采用差分自回归移动平均模型对昆虫发生时间序列进行线性建模,然后采用支持向量机对非线性部分进行建模,最后得到两种模型的组合预测结果。将组合模型应用到松毛虫Dendrolimus punctatus发生面积的预测,实验结果表明组合模型的预测精度明显优于单一模型,发挥了两种模型各自的优势。组合模型是一种切实可行的害虫预测预报方法。 向昌盛 周子英关键词:害虫 松毛虫 时间序列 支持向量机 PSO-SVM在网络入侵检测中的应用 被引量:19 2013年 为了提高网络入侵检测效果以加强网络安全性,提出一种网络状态特征和支持向量机(SVM)参数联合选择的网络入侵检测模型(PSO-SVM)。以网络入侵检测正确率作为目标,特征子集和SVM参数作为约束条件建立数学模型,通过粒子群优化算法对模型进行求解,找到最优特征子集和SVM参数,利用KDD Cup 99数据集对算法性能进行测试。测试结果表明,相对于其它入侵检测算法,PSO-SVM可以找到更优特征子集和SVM参数,加快了检测速度,有效地提高了网络入侵检测正确率,为网络入侵检测提供了一种新的研究思路。 向昌盛 张林峰关键词:网络入侵检测 模型参数 粒子群优化算法 基于同边共点模式的不确定图数据频繁模式挖掘方法 基于同边共点模式的不确定图数据频繁模式挖掘方法,涉及图数据挖掘领域,包括:S1、将不确定图数据库转化为不确定母图集合,对不确定母图进行剪枝生成母图集合;S2、将母图集合中母图转化为确定图得到确定图母图集合;S3、对确定图... 李峰 田娟秀 向昌盛 曾莹 黄鲲相空间重构和支持向量机参数联合优化研究 被引量:6 2010年 在混沌时间序列预测过程中,相空间重构和支持向量机参数是影响混沌时间序列预测性能的两个重要方面,传统上两者是分开单独进行的.利用相空间重构和支持向量机参数之间的互相依赖关系,提出了一种基于粒子群算法的相空间重构和支持向量机参数联合优化方法.参数联合优化核心思想是在相空间重构的同时选择最优支持向量机参数,通过粒子群算法对参数联合优化来实现.通过采用参数联合优化算法对混沌时间序列Mackey-Glass和太阳黑子年平均数时间序列进行了仿真实验,结果表明,相对于传统的分开单独优化方法,参数联合优化方法提高了混沌时间序列模型的预测精度,泛化能力更好. 向昌盛 周子英 张林峰关键词:支持向量机 粒子群算法 混沌时间序列 太阳黑子 基于PCA-SVM的区域经济预测研究 被引量:18 2011年 针对区域经济存在高度的非线性、各指标间存在数据冗余等特征,使得传统的经济预测方法精度较低,为解决上述问题,提出了一个基于主成份分析的支持向量机的区域经济预测模型(PCA-SVM)。选择对影响长株潭区域经济发展的各因子进行主成份分析,消除各因子之间的冗余性,从而减少了支持向量机的输入维数,增加了支持向量机预测速度,利用PCA-SVM模型对长株潭2003-2007年经济数据进行了验证性测试和分析,结果表明,相对于各参比模型,PCA-SVM模型预测精度显著提高,是一种高效的区域经济预测模型,为预测研究提供依据。 周子英 段建南 向昌盛 陈茜关键词:支持向量机 区域经济 神经网络 粮食产量预测的支持向量机模型研究 被引量:29 2010年 粮食产量的历史数据有限,是典型的小样本数据,又由于粮食产量受不确定性因素的影响,是一个复杂的非线性系统,以往的粮食产量时间序列预测模型的阶数采用经验方法或线性方法来确定,得到的预测精度不理想。针对这些问题,可将支持向量机引入到时间序列模型定阶的方法中,然后采用留一法交叉验证寻找最优参数,建立一个多输入、单输出的预测模型。通过对中国粮食产量进行仿真实验,并与一次滑动平均、ARIMA、LS_SVM和RBF神经网络的预测模型作比较来验证模型的有效性,结果表明该模型该有较高的预测精度和较强的泛化能力,证明了该模型对近期粮食产量的预测是可靠的。 向昌盛 周子英 武丽娜关键词:支持向量机 时间序列