基于灰聚类多子群自适应PSO算法的Volterra核辨识

来源 :计算机应用研究 | 被引量 : 4次 | 上传用户:lqtanj
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
针对一类单输入单输出非线性动态系统的Volterra级数模型辨识问题,提出了灰聚类多子群自适应PSO算法,并定义了精度影响系数以定量评估模型结构项对辨识精度的影响程度。在利用Volterra级数对非线性系统进行初始建模的基础上,采用灰聚类多子群自适应PSO算法和精度影响系数实现了非线性Volterra级数模型的结构确认和参数优化辨识。将该方法与基于标准PSO、GA、QPSO算法的Volterra时域核辨识方法进行了对比实验。结果表明,该方法在辨识精度及收敛速度等方面明显优于其他方法。
其他文献
在DBSCAN算法基础上提出SS-DBSCAN算法,克服了现有密度聚类方法存在的一些问题,在不增加算法时间复杂度的情况下,避免了空间邻近点被划入噪声簇和不同簇空间位置叠加等问题。提出饱和度概念,保证同一簇内部非空间属性分布的稳定性,并以热带气旋生成海域为例,证明这种算法可以取得很好的聚类效果。
针对已有基于缓存策略的IPQAM(边缘调制器)频点管理方法中响应速率有待进一步提高、响应时延较大等问题,提出了一种基于优化缓存模型的IPQAM频点管理方法。该优化缓存模型的设计充分考虑了IPQAM频点资源、频点端口资源,以及资源所在服务组之间的关联关系,模型中只加载资源的部分属性,以降低对系统内存的消耗。基于该优化缓存模型,设计并实现了一种IPQAM频点分配、回收方法,该方法充分利用该优化缓存模型
针对无线传感器网络中实时数据收集具有较高的延时问题,提出了一种改进的无通信冲突的分布式数据聚集调度近似算法。该算法首先在最大独立集的基础上建立一棵根在sink的数据聚集树,然后各个节点按数据聚集树分层进行数据调度。在数据聚集树的构造过程中,对于两个相距两跳的支配点,它们共同的、相距两跳的支配点,通过距sink最近的支配点加入数据聚集树;而在数据调度过程中,采用一种新的选择标准从竞争集中选择节点进行
基于位置服务(LBS)在给人们带来方便的同时也引起了越来越多的安全隐患,位置隐私保护成为了学术界和业界关注的焦点。由于大部分用户是沿着道路交通网络移动,研究路网环境下的位置隐私技术更具有现实意义。通过分析路网环境面临隐私泄露的新挑战,从网络扩张匿名技术、X-Star匿名技术、Mix zone匿名技术三个方面对现有路网下的位置隐私技术进行了深入研究,比较了其隐私水平、服务质量等性能指标。最后,总结了